electricsheepafrica/africa-ilo-une-deap-sex-age-cct-rt-unemployment-rate-by-sex-age-and-citizenship

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家按性别、年龄和公民身份划分的失业率（%）数据，涵盖45个非洲国家，时间跨度为1991年至2025年，共8,927个观测值。数据通过ILOSTAT REST API获取，并过滤为非洲国家，指标为UNE_DEAP_SEX_AGE_CCT_RT，提供详细的分类维度，如性别、年龄和公民身份，以及国家代码、年份、观测值和质量标志等信息。数据集由Electric Sheep Africa重新打包，以支持机器学习研究。This dataset contains unemployment rate by sex, age and citizenship (%) data for Africa from the International Labour Organization (ILO) ILOSTAT database, covering 45 African countries from 1991 to 2025, with 8,927 observations. Data is pulled from the ILOSTAT REST API and filtered to Africa ISO3 country codes, featuring the indicator UNE_DEAP_SEX_AGE_CCT_RT and disaggregation dimensions such as sex, age, and citizenship, along with country codes, years, observed values, and quality flags. The dataset is repackaged by Electric Sheep Africa for ML-ready use.

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（ILO）的ILOSTAT中央统计数据库，以非洲区域劳动力市场监测为背景，由Electric Sheep Africa对原始统计资料进行系统化整理与重新打包。其构建过程汇聚了45个非洲国家自1991年至2025年的失业率观测记录，共计8927条，按性别、年龄和公民身份维度进行结构化编码，并统一转换为parquet格式。元数据层面经过标准化处理，补充了来源说明、加载指引与溯源注释，从而在保留原始统计口径的同时，提升了数据的可发现性与可复用性。

特点

在领域属性上，该数据集聚焦于非洲劳动力市场中失业率的分组差异，具有鲜明的人口与社会经济分析价值。其核心特征体现为多维交叉结构，即以性别、年龄与公民身份为分层变量，支持对失业风险的异质性进行细致刻画。数据覆盖范围横跨三十余年，涵盖45个非洲国家，时间跨度与地理广度兼具。格式上采用parquet列式存储，便于高效读取与计算，且体量处于1K至10K之间，适合中等规模的分析任务。标签体系涵盖劳动力、就业、失业及国际移民存量等主题，为跨领域研究提供索引便利。

使用方法

使用该数据集时，可借助Hugging Face的datasets库直接加载，通过load_dataset函数获取数据对象，并进一步查看其分片结构与特征字段。对于表格型任务，可将相应分片转换为Pandas数据框，以便开展统计描述、缺失值探查与建模前的变量轮廓分析。在分析过程中，建议优先检查国家、年份与指标字段的显式列，若地理信息仅隐含于标题或元数据中，则需在文档中明确相应假设。缺失值应予以保留，直至确立可辩护的插补规则。该数据集亦适合与Electric Sheep Africa目录下的其他非洲数据集进行连接，基于国家、年份和指标字段构建可复现的分析流程。

背景与挑战

背景概述

全球劳动力市场监测长期受制于跨国可比数据的稀缺，国际劳工组织（ILO）通过ILOSTAT数据库为各国就业与失业状况提供权威统计基准。非洲地区受非正式经济广泛存在、人口流动频繁及统计能力参差不齐等因素影响，按性别、年龄与公民身份细分的失业率数据尤为匮乏。Electric Sheep Africa作为面向非洲公共数据的工程化发布平台，对ILOSTAT原始数据进行元数据标准化与Parquet格式封装，于2026年前后构建了该数据集。其核心研究问题在于揭示非洲45国1991至2025年间不同性别、年龄组与公民身份群体的失业率差异，为劳动力市场分层研究、移民经济融入分析及社会政策评估提供可复现的结构化证据，对非洲劳动经济学与数据驱动政策制定具有基础性支撑意义。

当前挑战

该数据集所应对的领域问题在于：国际移民与本地公民在非洲劳动力市场中的失业风险差异长期缺乏跨国、跨时间的系统量化，传统失业统计多忽视公民身份维度，致使迁移群体的经济边缘化难以被精准度量。构建过程中的挑战同样显著：ILOSTAT原始数据在各国的统计口径、年龄分组与公民身份分类标准不尽一致，跨国可比性面临调和难题；部分国家与年份存在数据缺失，需在保留缺失标识与合理插补之间审慎权衡；元数据清单中country与upstream_publisher字段的缺失进一步增加了溯源与地理映射的复杂度。此外，非正式就业普遍存在使得失业率本身可能低估实际劳动力闲置程度，分析者须结合来源文档审慎解读指标含义与单位。

常用场景

经典使用场景

在劳动经济学与非洲区域发展研究的交汇处，该数据集凭借其按性别、年龄与公民身份三维交叉的结构化失业率记录，构成了刻画非洲劳动力市场异质性的经典数据基座。研究者通常将其运用于跨国面板回归与分组比较分析，藉由8927条观测覆盖45个非洲国家、横跨1991至2025年的长时序特征，系统辨析本土公民与移民群体在失业风险上的结构性差异，进而揭示不同人口学属性下就业机会分配的非均衡格局。

实际应用

在政策实践领域，该数据集为国际组织与非洲各国劳工部门监测青年、女性及非公民群体的失业动态提供了可操作的量化依据。就业服务机构可据此识别高失业风险人群并优化职业培训与就业匹配资源的投放；移民管理部门能够借助分公民身份的失业率序列，评估外来劳动力融入状况并调适相关准入与保障政策；国际发展机构亦可将其纳入国别劳动力市场诊断报告，辅助制定针对性的减贫与体面劳动干预方案。

衍生相关工作

围绕该数据集衍生出一系列比较劳动经济学与移民研究的经典工作。学者们将其与ILOSTAT其他劳动力指标及世界银行发展数据库进行链接，构建了非洲移民就业脆弱性指数；亦有研究以其为基准数据，开展性别与年龄分层的失业持续期建模，并推动非洲青年就业政策评估框架的完善。这些工作共同拓展了非洲劳动力市场微观证据的边界，强化了基于metadata-backed开放数据的可复现研究范式。