africa-ilo-eap-dwap-sex-age-geo-rt-labour-force-participation-rate-by-sex-age-and-rur

该数据集包含国际劳工组织（ILO）ILOSTAT数据库中关于非洲劳动力参与率的标准化表格数据。数据集核心指标为“按性别、年龄和城乡地区划分的劳动力参与率（%）”，指标代码为EAP_DWAP_SEX_AGE_GEO_RT。数据覆盖47个非洲国家，时间跨度为1994年至2025年，共包含35,570个观测值。数据来源于ILO协调的各类国家调查和行政记录，如劳动力调查、就业调查等，并使用国际劳工统计学家会议（ICLS）的定义进行标准化处理。数据集采用长格式，包含19个字段，详细记录了每个观测值的元数据和实际数值。关键字段包括：国家代码（ref_area）和国家名称（ref_area.label）、数据来源代码和描述（source, source.label）、指标代码和名称（indicator, indicator.label）、性别细分（sex, sex.label，包含总计、男性、女性三类）、年龄组等第一分类变量（classif1, classif1.label）、地区类型等第二分类变量（classif2, classif2.label）、观测年份（time）、观测值（obs_value，即劳动力参与率百分比），以及观测状态标志（obs_status, obs_status.label，如“不可靠”）和各类方法注释。数据为年度频率，当同一国家同年份有多个来源时，采用ILO选定的“最佳来源”。该数据集适用于表格分类、回归分析和时间序列预测等机器学习任务，可用于研究非洲各国劳动力市场的动态、性别差异、城乡差距以及长期趋势。数据集由Electric Sheep Africa从ILOSTAT API获取并重新打包，旨在为非洲提供统一、机器学习就绪的数据层，采用CC BY 4.0许可证发布。This dataset contains standardized tabular data on labor force participation rates in Africa from the International Labour Organization (ILO) ILOSTAT database. The core indicator is Labor force participation rate by sex, age and urban/rural areas (%) with the code EAP_DWAP_SEX_AGE_GEO_RT. It covers 47 African countries from 1994 to 2025, with 35,570 observations. The data is sourced from various national surveys and administrative records coordinated by the ILO, such as labor force surveys and employment surveys, and is standardized using definitions from the International Conference of Labour Statisticians (ICLS). The dataset is in long format with 19 fields, detailing metadata and actual values for each observation. Key fields include: country code (ref_area) and country name (ref_area.label), data source code and description (source, source.label), indicator code and name (indicator, indicator.label), gender breakdown (sex, sex.label, including total, male, female), first classification variable such as age group (classif1, classif1.label), second classification variable such as area type (classif2, classif2.label), observation year (time), observed value (obs_value, i.e., labor force participation rate percentage), and observation status flags (obs_status, obs_status.label, e.g., unreliable) along with various methodological notes. The data is annual frequency, and when multiple sources exist for the same country and year, the ILO-selected best source is used. This dataset is suitable for machine learning tasks such as tabular classification, regression analysis, and time series forecasting, and can be used to study the dynamics of labor markets, gender disparities, urban-rural gaps, and long-term trends in African countries. It was obtained and repackaged by Electric Sheep Africa from the ILOSTAT API to provide a unified, machine learning-ready data layer for Africa, released under the CC BY 4.0 license.

原始信息汇总

数据集概述

• 数据集名称: Labour force participation rate by sex, age and rural / urban areas (%) | Africa (ILOSTAT)
• 数据量: 35,570 条观测
• 地理覆盖: 47 个非洲国家
• 时间范围: 1994–2025 年
• 指标数量: 1 个独立指标
• 许可证: CC-BY-4.0
• 语言: 英语

数据来源

• 来源: ILOSTAT（国际劳工组织核心统计数据库）
• 发布机构: International Labour Organization (ILO)
• 原始数据链接: https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_DWAP_SEX_AGE_GEO_RT
• 数据主题: 劳动力

方法论

数据通过 ILOSTAT REST API 直接提取（接口地址：https://rplumber.ilo.org/data/indicator?id=EAP_DWAP_SEX_AGE_GEO_RT），并过滤至非洲 ISO3 国家代码。ILOSTAT 使用 ICLS（国际劳工统计学家会议）定义对原始调查微观数据进行统一处理，数据来源在 source.label 列中标记以便追溯。

地理覆盖（部分国家示例）

国家代码	行数	起始年份	结束年份
ZAF	2,496	2008	2024
EGY	2,448	2008	2024
TUN	2,304	2006	2023
AGO	1,625	2004	2025
MLI	1,584	2013	2024
GHA	1,440	2000	2024
RWA	1,440	2014	2025
ZMB	1,332	2015	2024
SEN	1,152	2011	2024
TZA	1,026	2001	2020
UGA	1,026	2009	2021
ZWE	1,017	2004	2024
NAM	1,008	1994	2018
NGA	1,008	2011	2024
BFA	882	2006	2024

指标

• EAP_DWAP_SEX_AGE_GEO_RT: 按性别、年龄和城乡划分的劳动力参与率（%）

数据模式

列名	类型	描述	示例
ref_area	string	ISO 3166-1 alpha-3 国家代码	AGO
ref_area.label	string	英文国家名称	Angola
source	string	ILOSTAT 数据源代码	BA:13951
source.label	string	数据源英文名称	LFS - Employment Survey
indicator	string	ILOSTAT 指标代码	EAP_DWAP_SEX_AGE_GEO_RT
indicator.label	string	指标英文名称	Labour force participation rate by se…
sex	string	性别分类	SEX_T
sex.label	string	性别标签	Total
classif1	string	第一分类变量（年龄、教育等）	AGE_YTHADULT_YGE15
classif1.label	string	分类标签	Age (Youth, adults): 15+
classif2	string	第二分类变量	GEO_COV_NAT
classif2.label	string	分类标签	Area type: National
time	int64	观测年份	2025
obs_value	float64	观测指标值	74.342
obs_status	string	观测状态标识	U
obs_status.label	string	状态标签	Unreliable
note_classif	float64	分类注释	—
note_classif.label	float64	分类注释标签	—
note_indicator	string	指标注释	I11:264
note_indicator.label	string	指标注释标签	Break in series: Methodology revised
note_source	string	数据源注释	R1:3513
note_source.label	string	数据源注释标签	Repository: ILO-STATISTICS - Micro da…

分类维度

• sex（3 个唯一值）: SEX_T（总计）、SEX_M（男性）、SEX_F（女性）

数据质量与注意事项

• 数据为年度频率，不包含月度或季度序列。
• 当同一国家×年份存在多个数据源时，使用 ILO 选择的“最佳数据源”。
• 分类列（sex、classif1、classif2）仅在指标发布该细分时才有值。

使用示例

python from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-ilo-eap-dwap-sex-age-geo-rt-labour-force-participation-rate-by-sex-age-and-rur") df = ds["train"].to_pandas() print(df.head())

按国家过滤

python kenya = df[df["ref_area"] == "KEN"]

单指标时间序列

python sample = (df[df["indicator"] == "EAP_DWAP_SEX_AGE_GEO_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAP_DWAP_SEX_AGE_GEO_RT")

转置为国家×年份矩阵

python matrix = (df[df["indicator"] == "EAP_DWAP_SEX_AGE_GEO_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail())

引用

bibtex @misc{africa_ilo_eap_dwap_sex_age_geo_rt_labour_force_participation_rate_by_sex_age_and_rur_2025, title = {Labour force participation rate by sex, age and rural / urban areas (%) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_DWAP_SEX_AGE_GEO_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-eap-dwap-sex-age-geo-rt-labour-force-participation-rate-by-sex-age-and-rur}} }

许可证

• 许可证类型: CC-BY-4.0（https://creativecommons.org/licenses/by/4.0/）
• 原始数据版权归国际劳工组织（ILO）所有，使用时需同时引用原始来源和 Electric Sheep Africa 的重新打包版本。

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的核心统计数据库ILOSTAT，通过其REST API直接获取非洲国家的劳动力数据。原始数据经过ILO依据国际劳工统计学家会议（ICLS）定义进行统一整合与校准，确保多源调查微观数据的一致性。Electric Sheep Africa团队进一步对其进行了精心封装，仅保留非洲47个国家的ISO3代码对应记录，构建为结构化的表格数据集，包含逾三万五千条观测值，覆盖1994至2025年间丰富的劳动力参与率信息。

特点

数据集独树一帜地提供了非洲大陆劳动力参与率的精细刻画，涵盖性别、年龄以及城乡地理区域的交叉维度。其核心指标EAP_DWAP_SEX_AGE_GEO_RT以百分比形式呈现，并附带了详尽的元数据，如数据来源标签、观测状态标志及序列中断注释，确保了数据的可追溯性与质量评估。此外，数据集具备良好的时空覆盖广度，囊括从安哥拉到津巴布韦的众多国家，为跨国、跨时期的比较研究奠定了坚实基础。

使用方法

使用者可便捷地通过HuggingFace的datasets库进行加载，仅需一行代码即可将数据转化为Pandas DataFrame格式，便于后续分析与建模。数据集尤适用于时间序列预测、表格分类与回归等任务。研究人员可按国家代码筛选特定国家的数据，或针对单一指标进行时间序列的可视化与趋势分析。同时，灵活的数据透视功能允许将数据重塑为国家对年份的矩阵形式，以适配面板数据分析或构建预测模型的需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT创建，并经Electric Sheep Africa于2025年整理发布，覆盖47个非洲国家1994至2025年间劳动参与率的时间序列数据。聚焦于性别、年龄及城乡维度的劳动参与率指标，数据集为研究非洲劳动力市场动态、评估可持续发展目标（SDGs）中的体面劳动进展提供了关键实证基础。作为全球劳动力统计领域的重要数据源，ILOSTAT通过统一国际劳工统计学家会议（ICLS）定义对各国调查数据进行标准化处理，使得跨区域比较与趋势分析成为可能。该数据集在非洲经济与发展研究、政策制定及机器学习建模中具有显著影响力，填补了非洲大陆精细化劳动统计数据的空白。

当前挑战

该数据集面临的挑战主要体现在三方面。其一，非洲各国劳动调查在方法论、问卷设计与数据收集频率上存在巨大差异，ILOSTAT虽通过标准化处理提升可比性，但不同来源的数据质量参差不齐，部分观测值被标记为“不可靠”或“方法修订导致序列断裂”，影响模型训练的稳定性与解释力。其二，数据集中存在大量分类变量（如性别、年龄组、城乡区域），各维度组合可能导致稀疏性问题，且在时间序列预测任务中，某些国家或子群组的观测年份不连续，给长期趋势建模带来困难。其三，构建过程中，从ILOSTAT REST API提取并过滤至非洲范围的流程需处理多源异构数据，且要应对原始数据中因调查覆盖面不足而产生的缺失值，增加了数据清洗与插补的复杂性。

常用场景

经典使用场景

该数据集汇聚了国际劳工组织ILOSTAT数据库中关于非洲47个国家1994至2025年间按性别、年龄及城乡划分的劳动力参与率数据，共计35,570条观测记录。研究者常将其用于时序回归与分类任务，通过加载至Pandas DataFrame后，可快速提取特定国家的历年变化趋势，或构建国家-年份的交叉矩阵，以分析非洲大陆劳动力市场的时空演变格局。其规范化的多层级分类字段（如性别、年龄组、地理覆盖范围）使得跨群体比较与面板数据分析得以高效开展。

解决学术问题

该数据集有效解决了非洲劳动力研究领域长期面临的数据碎片化与口径不统一问题。过往研究中，不同国家因调查方法与统计标准的差异，难以形成可比较的长期面板数据。本数据集通过ILO统一标准对原始调查微观数据进行清洗与标准化，使得学者能够跨越国家与时间维度，系统探讨性别差异、城镇化进程与人口年龄结构变迁对劳动力参与率的异质性影响。这为理解非洲劳动力市场转型、评估国际劳工组织体面劳动目标进展提供了坚实的数据基础。

衍生相关工作

以该数据集为基础，衍生出了多项具有影响力的研究工作。在学术层面，研究者利用其构建的非洲多国面板数据，深入开展了劳动力参与率的决定因素建模、性别鸿沟的时空收敛分析以及城镇化对就业结构的非线性影响研究。在技术领域，该数据集被广泛用于时间序列预测模型的评估基准，例如用于训练能够捕捉非洲各国劳动力市场长期趋势的深度学习模型。此外，其公开、开源且易于通过HuggingFace加载的特性，也催生了一系列数据可视化工具与交互式仪表盘，降低了非洲劳动力统计数据的应用门槛。