electricsheepafrica/africa-ilo-emp-temp-sex-eco-nb-employment-by-sex-and-economic-activity-thousands

该数据集包含36,426个观测值，覆盖53个非洲国家，时间跨度为1970年至2025年，专注于就业数据。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤为非洲国家代码，使用国际劳工统计学家会议（ICLS）定义进行协调。数据集的核心指标是EMP_TEMP_SEX_ECO_NB，表示按性别和经济活动划分的就业人数（以千计）。数据列包括国家代码、国家名称、来源代码、来源标签、指标代码、指标标签、性别分类（总计、男性、女性）、经济活动和年份等，并提供了观测值、状态标志和注释信息。数据质量方面，为年度频率，ILO选择最佳来源处理多源数据，分类列仅在指标发布细分数据时非空。数据集适用于表格分类、回归和时间序列预测任务，旨在为非洲提供机器学习就绪的数据层。This dataset contains 36,426 observations across 53 African countries, spanning from 1970 to 2025, focusing on employment data. It is sourced from the ILOSTAT database of the International Labour Organization (ILO), retrieved via the REST API and filtered to African country codes, harmonized using International Conference of Labour Statisticians (ICLS) definitions. The core indicator is EMP_TEMP_SEX_ECO_NB, representing employment by sex and economic activity (in thousands). The columns include country codes, country names, source codes, source labels, indicator codes, indicator labels, sex disaggregation (total, male, female), economic activity, and year, along with observed values, status flags, and notes. Data quality notes indicate annual frequency, use of ILO-selected best source for multiple sources, and non-null disaggregation columns only when breakdowns are published. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, aiming to provide a machine learning-ready data layer for Africa.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队在Hugging Face平台发布，属于其非洲公共数据集目录的一部分。数据源自国际劳工组织（ILO）的中央统计数据库ILOSTAT，该数据库是全球劳工统计的权威来源。构建过程涉及对原始ILOSTAT数据的系统性重打包，形成结构化表格数据，涵盖36,426条观测记录，覆盖53个非洲国家，时间跨度为1970年至2025年，包含按性别和经济活动分类的就业指标（以千人为单位）。数据以Parquet格式存储，便于高效读取和分析，同时提供标准化的元数据、加载指南和来源说明，确保数据可追溯和可重复使用。

特点

数据集聚焦于非洲地区的就业统计，具有显著的时空覆盖广度和结构化特征。其核心特点包括：涵盖53个非洲国家，时间序列长达55年，提供按性别和经济活动细分的就业数据，有助于分析劳动力市场中的性别差异和经济结构变化。数据规模适中（10K至100K之间），以Parquet格式存储，兼顾存储效率和读取性能。此外，数据集附带详尽的元数据说明和来源信息，支持数据发现和跨数据集关联，适用于经济学、金融学及劳动力市场研究等领域的探索性分析和建模任务。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集，使用load_dataset函数指定数据集名称即可获取完整数据。加载后，可检查数据集的分割结构、特征列和样本内容，并转换为Pandas DataFrame进行更灵活的表格操作。建议在使用前仔细检查数据模式、缺失值分布及变量定义，避免因元数据缺失（如国家、上游发布者字段未声明）而产生误读。该数据集适用于构建可重复的分析流程，如按地理、时间和性别维度进行数据剖析，或与其他Electric Sheep Africa数据集通过国家、年份和指标字段进行关联分析，以支持更全面的劳动力市场研究。

背景与挑战

背景概述

非洲地区劳动力市场长期面临数据碎片化与统计口径不一的困境，制约了循证决策与跨国比较研究。在此背景下，Electric Sheep Africa于2026年对国际劳工组织统计数据库（ILOSTAT）中非洲就业数据进行了标准化整理与发布，形成覆盖53个非洲国家、1970至2025年间36426条观测值的数据集，按性别与经济活动类别记录就业人数（千人）。该数据集依托标准化元数据框架，为研究者提供了便捷的非洲就业结构分析入口，有助于揭示性别差异与经济部门间的就业分布规律。

当前挑战

该数据集所应对的核心领域问题在于非洲各国就业统计的异质性与不完整性，跨国比较常因定义、覆盖范围和报告年份的差异而受阻。构建过程中，元数据缺失（如国家标识、上游出版方信息未声明）以及原始ILOSTAT数据中潜在的缺失值，对数据清洗和口径统一提出了严格要求。此外，经济活动的分类标准随时间演变，如何在不损害数据完整性的前提下实现跨期可比性，仍是需审慎处理的分析挑战。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域，针对性别维度下经济活动部门就业结构的量化分析长期依赖跨国面板数据。该数据集涵盖1970至2025年间53个非洲国家逾三万六千条观测，按性别与经济活动类别记录就业人数，为刻画非洲劳动力市场性别分工的时序演变提供了经典的数据基础。研究者常以此构建面板回归模型，检验性别就业结构随经济周期与结构转型的变动规律。

解决学术问题

该数据集有效回应了非洲劳动统计中长期存在的性别就业数据碎片化与可比性不足的难题。通过统一的经济活动分类与性别标识，它使跨国比较研究得以在一致的统计口径下展开，支撑了关于女性劳动参与率、部门性别隔离以及非正规就业性别差异等议题的实证检验，为区域劳动政策评估提供了可复现的证据基础。

衍生相关工作

围绕该数据集，衍生了一系列聚焦非洲性别与就业结构的经典研究，包括跨国性别就业差距的分解分析、部门结构转型的性别异质性检验，以及结合其他社会经济数据集开展的就业脆弱性评估。Electric Sheep Africa对其进行的标准化元数据封装，亦推动了非洲开放数据的可发现性与可复用性，为后续机器学习建模与跨域数据融合奠定了基础。