electricsheepafrica/africa-ilo-une-deap-sex-age-dsb-rt-unemployment-rate-by-sex-age-and-disability-status

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家失业率统计数据，具体指标为按性别、年龄和残疾状况划分的失业率（百分比）。数据集涵盖41个非洲国家，时间跨度为1998年至2025年，包含7,535个观测值。数据通过ILOSTAT REST API获取，并经过 harmonisation 处理，使用国际劳工统计学家会议（ICLS）的定义。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、指标名称、性别分类（总计、男性、女性）、年龄分类、残疾状况分类、观测年份、观测值、观测状态标志等字段。数据按性别、年龄和残疾状况等维度进行 disaggregation，适用于表格分类、表格回归和时间序列预测等任务。数据集由Electric Sheep Africa重新打包，以统一的、适合机器学习使用的格式提供。This dataset contains unemployment rate statistics for African countries from the International Labour Organization (ILO) ILOSTAT database, specifically the indicator Unemployment rate by sex, age and disability status (%). It covers 41 African countries from 1998 to 2025, with 7,535 observations. Data is pulled from the ILOSTAT REST API and harmonized using International Conference of Labour Statisticians (ICLS) definitions. The dataset provides a detailed schema including country codes, country names, data sources, indicator codes, indicator names, sex disaggregation (total, male, female), age classification, disability status classification, observation year, observed value, observation status flags, and other fields. Data is disaggregated by dimensions such as sex, age, and disability status, making it suitable for tasks like tabular classification, tabular regression, and time-series forecasting. The dataset is repackaged by Electric Sheep Africa in a unified, ML-ready format.

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织统计数据库（ILOSTAT）的权威来源，经Electric Sheep Africa对非洲区域失业统计指标进行标准化重封装而生成。构建过程以元数据驱动的目录体系为纲，将原始劳动力市场调查中按性别、年龄组及残疾状况分层的失业率数据进行结构化归集，形成涵盖41个非洲国家、时间跨度为1998至2025年、共计7535条观测值的汇总数据集。数据以parquet列式存储格式沉淀，语种为英语，并配以统一的数据发现元数据描述层，使分散的国别统计在保持来源可追溯性的前提下实现集约化组织。

特点

数据集的核心标识在于其对弱势群体就业状况的交叉刻画能力。其变量设计围绕性别、年龄组与残疾状况三重维度展开，使研究者得以透视非洲劳动力市场中不同人口学群体所面临的失业风险差异。覆盖范围横跨41个非洲国家，时间序列延续二十七年，兼具区域广度与时间纵深，规模居于千至万条量级，以表格与文本双模态呈现。字段结构保留了缺失值的原始分布，未作主观插补，同时附有数据质量说明与来源溯源信息，为分析结果的透明性与可复现性提供保障。

使用方法

该数据集可通过Hugging Face datasets库以一行代码便捷载入，加载后自动返回包含特征定义的表格对象，便于快速检视字段类型与样本内容。当需要进入传统数据分析流程时，可将指定切分转化为Pandas DataFrame，进而执行缺失性诊断、按地理与时间维度的分组剖面以及子群间比较。研究者宜在建模之前先行核验变量定义与测量单位，并利用显式的国别、年份与指标字段与其他非洲公开数据集进行连接，从而在保持来源引证的基础上构建可重复的分析工作流。

背景与挑战

背景概述

在全球劳动力市场统计中，失业率是衡量经济健康与社会福祉的核心指标，而非洲大陆的就业数据长期面临覆盖不全、粒度粗糙与可及性不足的困境。国际劳工组织（ILO）通过ILOSTAT数据库持续汇总各国劳动力调查，但其原始数据以多层级报表呈现，不利于跨区域比较与机器学习建模。Electric Sheep Africa于2026年据此加工发布本数据集，涵盖41个非洲国家、1998至2025年间7,535条观测，按性别、年龄与残疾状态细分失业率。该数据集为非洲劳动经济学研究提供了标准化、可复用的面板数据基础。

当前挑战

该数据集所回应的领域问题在于，非洲失业统计长期缺乏按残疾状态等脆弱维度拆分的跨国可比数据，传统劳动力调查往往忽视残障群体的就业参与，导致政策评估缺乏实证依据。构建过程中，原始ILOSTAT数据存在指标定义不一致、年龄分组口径差异、残疾状态报告缺失严重及部分国家年份断档等问题，需在保留缺失值的前提下进行跨国对齐。元数据中upstream_publisher与country字段的缺失，进一步增加了溯源与地理映射的难度，对下游分析的可复现性构成挑战。

常用场景

经典使用场景

在劳动经济学与残障研究的交叉领域，针对非洲大陆失业问题的量化分析长期受制于数据离散化与维度单一化的困局。该数据集以ILOSTAT为源，系统整合了41个非洲国家自1998至2025年间共7535条观测记录，将失业率按性别、年龄组与残障状态三重维度进行交叉分层。其最经典的使用场景在于构建非洲区域劳动力市场的面板数据模型，研究者可借此检验残障身份与性别、年龄因素在失业风险中的交互效应，进而绘制出非洲各国在残障包容性就业上的异质性图谱。

衍生相关工作

该数据集作为Electric Sheep Africa元数据目录的组成部分，与目录内其他ILOSTAT非洲劳动市场指标数据集形成互补，催生了一批围绕非洲就业脆弱性的多维分析工作。部分衍生研究将其与非洲性别平等、教育 attainment、社会保障覆盖率等数据集进行跨国面板合并，以探究残障失业率与更广泛社会经济结构的协整关系。Electric Sheep Africa的标准化元数据实践本身亦成为开放数据工程的方法论参照，推动了非洲公共数据在Hugging Face生态中的可发现性与可复用性，为后续非洲劳动统计数据的机器学习建模奠定了可引用的数据基线。

数据集最近研究

最新研究方向

在全球劳动力市场结构性转型与残障包容性发展议程交织的背景下，该数据集以其对41个非洲国家1998至2025年间按性别、年龄与残障状态细分的失业率观测，成为探究非洲劳动市场多重边缘化机制的关键实证资源。当前前沿研究聚焦于残障与性别、年龄的交互效应如何塑造非洲各经济体中的就业可及性差异，并将这些微观劳动结果与宏观制度环境、社会保障覆盖及非正式经济规模相联系。该数据集与ILOSTAT官方统计框架的对接，使跨国比较与历时性追踪成为可能，为评估非洲大陆自由贸易区背景下劳动力一体化政策及联合国残疾人权利公约履约进展提供了可复现的量化基础，对推动包容性增长与消除就业歧视的循证决策具有重要参照意义。