electricsheepafrica/africa-ilo-une-3une-sex-age-dur-nb-youth-unemployment-by-sex-age-and-duration-thousan

该数据集包含非洲45个国家的青年失业数据，涵盖1991年至2025年，共11,669个观测值。核心指标为“按性别、年龄和失业持续时间划分的青年失业人数（千）”，数据来源于国际劳工组织（ILO）的ILOSTAT数据库，并通过API提取后过滤至非洲国家。数据集采用表格格式，包含国家代码、年份、性别、年龄分组、失业持续时间等分类变量，以及观测值和数据质量标志。适用于表格分类、回归和时间序列预测任务，旨在为研究非洲劳动力市场提供机器学习就绪的数据支持。数据由Electric Sheep Africa重新打包，以Parquet格式发布，遵循CC-BY-4.0许可。This dataset contains youth unemployment data for 45 African countries, spanning from 1991 to 2025, with 11,669 observations. The core indicator is Youth unemployment by sex, age and duration (thousands), sourced from the International Labour Organization (ILO) ILOSTAT database, extracted via API and filtered to African country codes. The data is in tabular format, including variables such as country code, year, sex, age groups, unemployment duration classifications, observed values, and data quality flags. It is suitable for tabular classification, regression, and time-series forecasting tasks, designed to provide machine learning-ready data for studying labor markets in Africa. Repackaged by Electric Sheep Africa and published in Parquet format under the CC-BY-4.0 license.

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ILOSTAT统计数据库，通过其REST API接口直接获取编号为UNE_3UNE_SEX_AGE_DUR_NB的指标数据，并依据非洲ISO3国家代码进行地理筛选。原始数据经过ILO基于国际劳工统计学家会议（ICLS）定义的标准进行统一协调处理，确保各来源调查微观数据的一致性。Electric Sheep Africa团队随后对数据进行重新封装，保留了包括来源标签在内的完整追踪信息，形成了一份结构化、可直接用于机器学习的表格数据集。

特点

数据集汇集了1991年至2025年间非洲45个国家的11,669条观测记录，聚焦于青年失业率按性别、年龄和持续时间维度划分的指标。其独特之处在于提供了丰富的分类维度，包括性别（总、男、女）、年龄区间及失业持续时间聚合类别，并附带了观测状态标志、系列中断说明及方法论变更注释等数据质量标记，为研究者进行精细化的劳动力市场分析提供了可靠且信息完备的基础。

使用方法

使用者可通过HuggingFace的datasets库以一行命令加载数据并转换为Pandas DataFrame。建议首先按国家代码（ref_area）筛选特定目标国，随后利用时间列（time）与观测值列（obs_value）构建单指标的时间序列并进行可视化分析。对于跨国家比较，可采用数据透视表功能，将年份设为行索引、国家代码设为列索引，快速生成国家×年份的观测值矩阵，从而高效开展面板数据或时序预测研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年通过其核心统计数据库ILOSTAT发布，并由Electric Sheep Africa团队重新打包整合至HuggingFace平台。研究聚焦于非洲45个国家1991至2025年间青年失业状况，按性别、年龄和失业时长进行精细划分，包含11,669条观测值。作为劳动力统计领域的权威来源，ILOSTAT依据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规范化处理，使得该数据集在分析非洲青年劳动力市场动态、评估可持续发展目标中体面工作指标方面具备重要的学术与应用价值，为经济学、发展研究及政策制定提供了可靠的数据基础。

当前挑战

该数据集所解决的领域核心挑战在于非洲青年失业问题的精细量化与跨国产出，传统宏观失业率数据往往掩盖了按性别、年龄段和失业时长维度的结构性差异，而该数据集通过三维分类分解，使得研究者能够识别特定脆弱群体。在构建过程中，挑战主要来源于非洲各国劳动力调查数据的口径不统一、时间序列不连续以及部分观测值被标记为不可靠（如obs_status标注的U标志），此外，部分指标因方法修订导致序列中断（如note_indicator.label中的“Break in series”），需在分析时谨慎处理数据质量的异质性，以保证跨时空比较的有效性。

常用场景

经典使用场景

非洲青年失业按性别、年龄及持续时间分类数据集涵盖1991年至2025年间45个非洲国家的11,669条观测记录，是劳动经济学与公共政策研究中不可或缺的标准化数据资源。该数据集最经典的使用场景在于构建面板数据模型，以揭示青年失业率的时空演变规律及结构性特征。研究者常利用其丰富的分组维度（如性别、年龄段与失业时长）开展差异性分析，捕捉不同人口群体在劳动力市场中的脆弱性差异。此外，通过将失业数据与宏观经济发展指标（如GDP增长率、教育投资水平）进行联合建模，可用于评估非洲各国劳工政策的实施效果与就业促进策略的长期影响，为学术研究提供坚实的数据支撑。

实际应用

在实际应用中，该数据集为非洲各国政府、国际发展机构及非政府组织提供了可靠的决策支持工具。政策制定者可以通过时间序列分析监测青年失业率的季节性波动与长期趋势，精准定位失业问题最为严重的地区与人群，从而设计差异化的就业促进方案。国际劳工组织、世界银行等机构利用该数据评估不同国家劳动力市场改革的效果，优化技术培训项目与创业支持政策的资源分配。同时，民间社会组织可基于性别与年龄分组数据发起针对性干预，以缓解青年边缘化与社会不平等现象，推动包容性经济增长与社会稳定。

衍生相关工作

该数据集衍生了一系列具有影响力的学术与政策分析工作。在学术领域，研究者基于此数据构建了非洲青年失业的预测模型，融合机器学习算法与宏观经济指标，提前预警就业危机并评估干预措施的前瞻性效果。部分衍生研究聚焦于性别维度的失业差异，探讨文化规范、教育机会与职业隔离对青年女性就业参与率的抑制作用。在政策层面，该数据集催生了多份国际劳工组织专题报告与非洲联盟就业战略白皮书，推动形成以实证为基础的劳动力市场治理框架。此外，数据集的标准化格式与便捷访问接口降低了跨学科合作的门槛，激励了数据可视化平台与交互式分析工具的进一步开发。