electricsheepafrica/africa-worldbank-health

该数据集包含来自世界银行世界发展指标（WDI）的健康相关数据，专门针对非洲地区。数据集涵盖54个非洲国家，时间跨度为1960年至2025年，包含421,779条观测记录和240个不同的健康指标。指标示例包括妇女遭受身体和/或性暴力的比例、认为丈夫有理由殴打妻子的妇女比例、人均酒精消费量等。数据经过清洗，已过滤空值记录，年份规范化为整数，值转换为float64类型。数据集适用于表格分类、回归和时间序列预测等任务。This dataset contains Health data from the World Banks World Development Indicators (WDI) specifically for the Africa region. It covers 54 Africa countries spanning 1960–2025, with 421,779 observations across 240 distinct health indicators. Sample indicators include proportion of women subjected to physical and/or sexual violence, women who believe a husband is justified in beating his wife under various circumstances, total alcohol consumption per capita, etc. Data is cleaned with null observations filtered out, years normalized to integers, and values coerced to float64. Suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集立足于世界银行公开发展指标体系中与健康相关的统计资源，经由Electric Sheep Africa对原始WDI数据进行系统性再包装而构建。其原始观测来自世界银行长期运行的官方数据采集与跨国可比性校正流程，涵盖54个非洲国家自1960年至2025年的健康领域记录。再包装过程对变量名称、地理标识与时间维度进行了标准化整理，并以Parquet格式统一存储，形成包含421,779条观测、240项健康指标的表格化数据集，同时借助元数据清单明确数据来源与版本归属。

特点

数据集以非洲区域健康议题为核心，具有显著的时间序列与国别面板特征，覆盖范围广、指标维度丰富，适宜刻画疾病负担、卫生服务供给、健康风险因素及公共卫生项目绩效等多元主题。其元数据标注较为完整，包含行业标签、格式说明与来源溯源信息，并保留缺失值以供研究者依据具体分析目的进行合理处理。数据集采用CC BY 4.0许可协议，兼顾开放共享与学术引用的规范性，为非洲健康数据的可发现性与可复用性提供了基础支撑。

使用方法

研究者可借助Hugging Face datasets库以一行代码加载该数据集，并通过查看数据切分、特征结构与样本记录快速把握数据结构。对于表格型分析任务，可将数据集转换为Pandas数据框以便开展统计建模与可视化。在使用过程中，建议先检查变量定义、单位与缺失模式，明确国家、年份与指标字段后再进行合并或建模，并保留缺失值直至确立可辩护的插补规则。引用时应同时标注世界银行原始来源与Electric Sheep Africa的再包装仓库，以确保分析过程的可复现性与来源透明。

背景与挑战

背景概述

世界银行世界发展指标（WDI）素为全球发展数据引证之圭臬，汇集各国官方统计与国际组织核验数据，然非洲区域健康指标长期散见于异构来源，缺乏统一整理与机器可读封装。Electric Sheep Africa于2026年将WDI中非洲健康维度提炼为africa-worldbank-health数据集，覆盖54国、1960至2025年、240项指标的421,779条观测，以Parquet格式发布于Hugging Face，并由CC BY 4.0许可开放。该数据集回应了非洲公共卫生研究中的数据碎片化与可复现性困境，为疾病负担测算、卫生服务评估与政策效果追踪提供了跨国、长时序的标准化分析基底。

当前挑战

该数据集所面向的领域问题在于，非洲健康数据的跨国可比性与时序一致性长期受制于统计口径差异、报告延迟与缺失机制，致使疾病负担估计与卫生系统绩效评估难以获得稳健结论。构建过程中，多源WDI指标的元数据整合面临变量定义与计量单位不统一、部分国家年份覆盖稀疏、国家代码与地理标识未予明示等难题，加之缺失值须保留原始状态以待审慎插补，进一步增加了建模前的数据治理成本。如何在跨域拼接与时间序列分析中保持口径可溯，仍是该数据集支撑可靠实证研究的主要挑战。

常用场景

经典使用场景

在公共卫生与全球健康研究领域，跨国别、长时序、多指标的面板数据构成了实证分析的基石。该数据集汇聚了54个非洲国家自1960年至2025年间卫生领域的421,779条观测记录，涵盖240项发展指标，形成了兼具时间深度与地理广度的结构化资源。经典使用场景包括构建国家层面的健康结果面板回归模型、开展传染病负担与服务供给能力的时空比较，以及在机器学习框架下进行健康指标的缺失值插补与趋势预测。研究者常以国家代码与年份为键，将其与教育、经济等平行数据集进行联结，从而在更广阔的社会决定因素框架下审视非洲大陆的卫生变迁。

解决学术问题

长期以来，非洲区域健康研究面临数据碎片化、口径不一与时间序列断裂等掣肘，制约了跨国比较与因果推断的可靠性。该数据集依托世界银行世界发展指标这一权威来源，以统一的指标编码与标准化的元数据体系，系统缓解了因来源分散而导致的测量偏差与整合困难。它使研究者得以在一致的分析框架内检验卫生支出与健康产出的关联、评估孕产妇与儿童健康干预的长期效应，以及识别疾病负担演变中的结构性断点。其意义在于为非洲健康计量研究提供了可复现、可追溯的经验底座，降低了跨数据集整合的边际成本。

衍生相关工作

该数据集作为Electric Sheep Africa非洲开放数据目录的组成部分，与同一系列中的教育、经济、农业等主题数据集共享国家、年份与指标维度的标识体系，从而催生了一批跨领域联结研究。下游工作常将其与美国国际开发署、世界卫生组织等来源的卫生统计进行交叉验证，或在机器学习竞赛与基准评测中作为表格数据的回归与分类任务载体。围绕非洲健康不平等的可视化叙事、卫生系统绩效聚类分析以及可持续发展目标进展追踪等成果，亦多以此类标准化面板数据为出发点，逐步形成了以开放数据为纽带的区域研究生态。