electricsheepafrica/africa-world-bank-gender-indicators-for-south-africa

--- annotations_creators: - no-annotation language_creators: - found language: - en license: cc-by-4.0 multilinguality: - monolingual size_categories: - 1K<n<10K source_datasets: - original task_categories: - tabular-classification - tabular-regression task_ids: [] tags: - africa - humanitarian - hdx - electric-sheep-africa - gender - indicators - zaf pretty_name: "South Africa - Gender" dataset_info: splits: - name: train num_examples: 3732 - name: test num_examples: 933 --- # South Africa - Gender **Publisher:** World Bank Group · **Source:** [HDX](https://data.humdata.org/dataset/world-bank-gender-indicators-for-south-africa) · **License:** `cc-by` · **Updated:** 2026-03-27 --- ## Abstract Contains data from the World Bank's [data portal](http://data.worldbank.org/). There is also a [consolidated country dataset](https://data.humdata.org/dataset/world-bank-combined-indicators-for-south-africa) on HDX. Gender equality is a core development objective in its own right. It is also smart development policy and sound business practice. It is integral to economic growth, business growth and good development outcomes. Gender equality can boost productivity, enhance prospects for the next generation, build resilience, and make institutions more representative and effective. In December 2015, the World Bank Group Board discussed our new Gender Equality Strategy 2016-2023, which aims to address persistent gaps and proposed a sharpened focus on more and better gender data. The Bank Group is continually scaling up commitments and expanding partnerships to fill significant gaps in gender data. The database hosts the latest sex-disaggregated data and gender statistics covering demography, education, health, access to economic opportunities, public life and decision-making, and agency. Each row in this dataset represents country-level aggregates. Data was last updated on HDX on 2026-03-27. Geographic scope: **ZAF**. *Curated into ML-ready Parquet format by [Electric Sheep Africa](https://huggingface.co/electricsheepafrica).* --- ## Dataset Characteristics | | | |---|---| | **Domain** | Public health | | **Unit of observation** | Country-level aggregates | | **Rows (total)** | 4,665 | | **Columns** | 8 (2 numeric, 6 categorical, 0 datetime) | | **Train split** | 3,732 rows | | **Test split** | 933 rows | | **Geographic scope** | ZAF | | **Publisher** | World Bank Group | | **HDX last updated** | 2026-03-27 | --- ## Variables **Geographic** — `country_name` (South Africa), `country_iso3` (ZAF), `year` (range 1960.0–2025.0). **Outcome / Measurement** — `value` (range 0.0–12450162.0). **Identifier / Metadata** — `indicator_name` (Age population, age 01, male, Age population, age 02, female, Age population, age 00, female), `indicator_code` (SP.POP.AG01.MA.IN, SP.POP.AG02.FE.IN, SP.POP.AG00.FE.IN), `esa_source` (HDX), `esa_processed` (2026-04-11). --- ## Quick Start ```python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-world-bank-gender-indicators-for-south-africa") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() ``` --- ## Schema | Column | Type | Null % | Range / Sample Values | |---|---|---|---| | `country_name` | object | 0.0% | South Africa | | `country_iso3` | object | 0.0% | ZAF | | `year` | int64 | 0.0% | 1960.0 – 2025.0 (mean 2002.5501) | | `indicator_name` | object | 0.0% | Age population, age 01, male, Age population, age 02, female, Age population, age 00, female | | `indicator_code` | object | 0.0% | SP.POP.AG01.MA.IN, SP.POP.AG02.FE.IN, SP.POP.AG00.FE.IN | | `value` | float64 | 0.0% | 0.0 – 12450162.0 (mean 152846.1729) | | `esa_source` | object | 0.0% | HDX | | `esa_processed` | object | 0.0% | 2026-04-11 | --- ## Numeric Summary | Column | Min | Max | Mean | Median | |---|---|---|---|---| | `year` | 1960.0 | 2025.0 | 2002.5501 | 2005.0 | | `value` | 0.0 | 12450162.0 | 152846.1729 | 51.384 | --- ## Curation Raw data was downloaded from HDX via the CKAN API and converted to Parquet. Column names were lowercased and standardised to snake_case. Common missing-value markers (`N/A`, `null`, `none`, `-`, `unknown`, `no data`, `#N/A`) were unified to `NaN`. The dataset was split 80/20 into train and test partitions using a fixed random seed (42) and saved as Snappy-compressed Parquet. --- ## Limitations - Data originates from World Bank Group and has not been independently validated by ESA. - Automated cleaning cannot correct for misreported values, definitional inconsistencies, or sampling bias in the original collection. - Refer to the [original HDX dataset page](https://data.humdata.org/dataset/world-bank-gender-indicators-for-south-africa) for the publisher's own methodology notes and caveats. --- ## Citation ```bibtex @dataset{hdx_africa_world_bank_gender_indicators_for_south_africa, title = {South Africa - Gender}, author = {World Bank Group}, year = {2026}, url = {https://data.humdata.org/dataset/world-bank-gender-indicators-for-south-africa}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} } ``` --- *[Electric Sheep Africa](https://huggingface.co/electricsheepafrica) — Africa's ML dataset infrastructure. Lagos, Nigeria.*

搜集汇总

数据集介绍

构建方式

在性别平等作为全球发展核心议题的背景下，该数据集由世界银行集团构建，旨在提供南非的性别分列统计数据。原始数据通过HDX平台的CKAN API获取，涵盖人口、教育、健康等多个领域。数据经过Electric Sheep Africa团队的标准化处理，包括统一列名格式为蛇形命名法，将各类缺失值标记转换为NaN，并采用固定随机种子按80/20比例划分为训练集与测试集，最终以Snappy压缩的Parquet格式存储，确保了数据的机器学习可用性。

特点

该数据集聚焦于南非的性别指标，其显著特点在于以国家层面的聚合数据为观测单位，时间跨度从1960年至2025年，提供了长期的历史视角。数据集包含4665条记录，涵盖8个变量，其中既包含年份、数值等连续型特征，也包含指标名称、代码等分类特征，且无缺失值，结构规整。数据内容紧密围绕性别统计，涉及不同年龄与性别人口等具体指标，为分析南非的性别平等状况及其演变趋势提供了详实、纵向的数据基础。

使用方法

该数据集适用于表格分类与回归等机器学习任务，为研究南非社会经济发展中的性别维度提供了数据支持。使用者可通过Hugging Face的`datasets`库便捷加载，利用`load_dataset`函数获取已划分的训练集与测试集，并可进一步转换为Pandas DataFrame进行探索性分析或模型训练。鉴于数据已预先完成清洗与标准化，研究者可直接聚焦于特征工程与模型构建，但需注意数据源自世界银行，其原始收集方法中的潜在偏差或定义不一致性仍需参考发布方的说明文档进行审慎评估。

背景与挑战

背景概述

性别平等作为核心发展目标，不仅关乎社会正义，亦是驱动经济增长与提升制度效能的关键要素。世界银行集团于2016年至2023年间推行性别平等战略，旨在弥补性别数据领域的显著空白，并强化数据收集与分析能力。在此背景下，'非洲世界银行南非性别指标'数据集应运而生，由世界银行集团主导创建，并由Electric Sheep Africa机构于2026年重新整理为机器学习可用格式。该数据集聚焦于南非国家层面的性别统计，涵盖人口结构、教育、健康及经济机会等多维度指标，旨在为公共政策制定与学术研究提供实证基础，推动性别敏感的发展干预措施。

当前挑战

该数据集致力于解决性别发展指标量化与监测的复杂性挑战，具体体现为如何从海量异构数据中提取具有时序可比性的性别统计信息，并构建能够支持分类与回归任务的表格型机器学习模型。在数据构建过程中，挑战主要源于原始数据源的局限性，包括指标定义随时间演变可能导致的不一致性、部分年份数据缺失或报告偏差，以及自动化清洗流程难以校正的原始收集误差。此外，数据集仅涵盖国家层面聚合数据，缺乏细分地域或群体维度的信息，限制了微观层面性别差异的深入探究，对模型泛化能力与政策精准评估构成潜在制约。

常用场景

经典使用场景

在性别与发展研究领域，该数据集常被用于构建时间序列模型，以分析南非人口结构中的性别动态变化。研究者利用其涵盖1960年至2025年的国家层面聚合数据，通过指标如分性别年龄人口统计，揭示长期趋势与周期性波动。这类分析不仅关注人口学特征，还深入探讨教育、健康等维度的性别差异，为理解社会变迁提供量化依据。数据集的结构化格式便于机器学习流程集成，支持回归与分类任务，成为实证研究的基石。

解决学术问题

该数据集致力于解决发展经济学与公共政策研究中的关键问题，即如何量化评估性别平等进程及其社会经济影响。通过提供标准化的性别分列指标，它帮助学者克服数据碎片化挑战，系统检验性别差距与经济增长、人力资本积累间的因果关系。其意义在于填补了南非长期性别统计的空白，使跨学科研究能够基于一致数据源，推动证据驱动的政策讨论，并为联合国可持续发展目标中性别平等指标的监测提供支持。

衍生相关工作

围绕该数据集衍生的经典工作包括世界银行自身的性别战略评估报告，以及学术界的多项跨国比较研究。例如，研究者将其与非洲其他国家性别指标整合，探究区域不平等模式；机器学习领域则涌现出基于该数据的预测模型，如利用历史趋势预估未来性别人口结构。这些工作不仅拓展了数据的地理与主题维度，还促进了开源工具链的发展，使性别统计更易接入自动化分析流程。