electricsheepafrica/africa-ilo-emp-temp-sex-geo-dsb-nb-employment-by-sex-rural-urban-areas-and-disability

该数据集包含非洲37个国家的就业统计数据，具体涉及按性别、城乡地区和残疾状况划分的就业人数（以千计）。数据覆盖2006年至2025年，共2,759个观测值，基于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家。数据集包括国家代码、来源、指标代码、性别分类、城乡类型、残疾状况、年份和观测值等列，适用于表格分类、回归和时间序列预测等机器学习任务。数据为年度频率，经过ILO的标准化处理，确保统计一致性。This dataset contains employment statistics for 37 African countries, specifically focusing on employment by sex, rural/urban areas, and disability status (in thousands). It spans from 2006 to 2025 with 2,759 observations, sourced from the International Labour Organization (ILO) ILOSTAT database via API and filtered for African countries. The dataset includes columns such as country code, source, indicator code, sex classification, area type, disability status, year, and observed value, making it suitable for machine learning tasks like tabular classification, regression, and time-series forecasting. The data is annual frequency and harmonized by ILO for statistical consistency.

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中央统计数据库，是非洲地区劳动力统计数据的重要汇编。Electric Sheep Africa对原始数据进行了重新打包与标准化处理，生成Hugging Face平台可用的Parquet格式，并赋予统一的元数据描述。数据覆盖37个非洲国家，时间跨度为2006至2025年，共计2759条观测记录，涉及一项指标——按性别、城乡区域及残疾状况分类的就业人数（以千计）。构建过程保留了原始来源的统计口径与缺失值标记，未进行额外插补或调整。

特点

该数据集以表格形式呈现，兼具文本元数据，属于经济学与金融领域的中等规模数据（1K至10K样本）。其核心特征在于多维交叉分类：性别、城乡居住地以及残疾状态三个维度同时纳入就业统计，为分析非洲劳动力市场的结构性差异提供了细粒度视角。数据以英文单语发布，采用CC BY 4.0许可，附带来源说明与引用信息。元数据清单中标注了部分字段缺失（如国家与上游发布者），需在使用时结合原始文件确认变量定义与单位。

使用方法

使用者可通过Hugging Face的datasets库加载该数据集，调用load_dataset函数并指定仓库路径，随后查看数据分割、特征结构与样本内容。若需进行统计分析，可将表格分割转换为Pandas DataFrame，便于缺失值检查、按地理与时间维度的分组描述，以及与其他Electric Sheep Africa数据集基于国家、年份和指标字段的联接。建议在建模前系统审视数据模式与缺失机制，并引用原始来源与Hugging Face仓库链接以保障可复现性。

背景与挑战

背景概述

非洲大陆的劳动力市场长期面临数据碎片化与统计标准不一的困境，性别、城乡与残疾状况等维度的交叉分析尤为稀缺。国际劳工组织（ILO）依托ILOSTAT数据库，于2006至2025年间系统采集并发布了涵盖37个非洲国家的就业统计数据，Electric Sheep Africa于2026年将其标准化为机器学习就绪的数据集，涵盖2759条观测记录。该数据集以性别、城乡地域及残疾状态为分层变量，填补了非洲就业结构精细化分析的空白，为劳动经济学、社会政策评估及包容性发展研究提供了关键证据基础，其影响力延伸至SDGs中体面工作与减少不平等目标的监测与实证检验。

当前挑战

该数据集所面对的领域问题在于如何在统计基础设施薄弱、定义标准差异显著的非洲语境下，实现就业指标的可比性与细粒度分解；其核心挑战包括残疾状态在各国调查中的操作化定义不一致，城乡划分标准存在国别差异，以及性别维度的就业数据在非正规经济中普遍存在漏报与低估。构建过程中，元数据清单存在国家字段与上游发布者信息缺失，迫使分析者依赖标题与来源元数据进行地理推断；此外，稀缺值与缺失值的处理需在缺乏明确插补规则的前提下审慎保留，以避免对残疾群体就业状况的推断性偏差，这些因素共同构成了数据集在跨域比较与建模应用中的实质性障碍。

常用场景

经典使用场景

在劳动经济学与残障就业研究的交汇地带，该数据集以其对非洲37国2006至2025年间就业状况的精细刻画，成为探究性别、城乡与残障三重维度交织下就业差异的经典数据来源。研究者通常以千人为单位的就业人数为分析对象，通过构建面板数据模型，系统检验残障身份与居住地域对男女劳动者就业机会的独立效应与交互影响。其标准化的表格结构便于直接加载至统计软件，支撑描述性统计、分组比较与回归分析等多种典型劳动市场分析范式。

实际应用

在实际应用层面，该数据集为国际发展机构、非洲各国劳工部门及残障权益组织提供了可操作的情报基础。政策制定者可借助分性别、分城乡、分残障状态的就业数据，识别服务盲区与资源错配，设计有针对性的职业培训与就业扶持项目。非政府组织则能利用其进行项目基线评估与成效追踪，量化干预措施对残障群体就业参与率的影响。此外，该数据集亦可嵌入数据新闻与可视化仪表板，提升公众对残障就业议题的认知与政策讨论的透明度。

衍生相关工作

基于该数据集及其所属的Electric Sheep Africa目录，衍生出一系列围绕非洲劳动市场不平等与数据可发现性的经典工作。部分研究将其与非洲其他社会经济数据集进行跨国链接，探索教育、基础设施与残障就业之间的关联机制。方法论层面，学者利用其元数据编排特征，发展出面向非洲开放数据的标准化清洗与验证流程。在政策评估领域，亦有工作以该数据集为参照基准，构建残障包容性就业指数，推动区域层面的比较研究与循证决策实践。