electricsheepafrica/africa-ilo-how-temp-age-oc2-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含非洲35个国家从1999年至2025年间按年龄和职业（ISCO 2级分类）统计的每个就业人员实际平均每周工作小时数数据，共17,505条观测值。数据源自国际劳工组织（ILO）的ILOSTAT数据库，涵盖了劳动力市场中的工作时间指标，具体指标为HOW_TEMP_AGE_OC2_NB，表示按年龄和职业（ISCO 2级）划分的就业人员实际平均每周工作小时数。数据集包括国家代码、国家名称、数据来源、指标代码、分类变量（如年龄组和职业类别）、观测年份、观测值、观测状态以及相关注释等信息，适用于表格分类、回归和时间序列预测等任务。This dataset contains 17,505 observations of mean weekly hours actually worked per employed person by age and occupation (ISCO level 2) across 35 African countries from 1999 to 2025. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, focusing on labor market hours of work indicators, specifically the indicator HOW_TEMP_AGE_OC2_NB for mean weekly hours actually worked per employed person by age and occupation at ISCO level 2. It includes fields such as country codes, country names, data sources, indicator codes, classification variables (e.g., age groups and occupational categories), observation years, observed values, observation statuses, and related notes, suitable for tasks like tabular classification, regression, and time-series forecasting.

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数据库，通过REST API获取了指标HOW_TEMP_AGE_OC2_NB的原始数据，并依据ILO基于国际劳工统计学家会议（ICLS）定义而整合的标准化流程进行数据清洗与匹配。随后，数据集被严格限定于非洲地区的ISO 3166-1 alpha-3国家代码范围，最终汇集了来自35个非洲国家、跨越1999至2025年间的17,505条观测记录，并由Electric Sheep Africa团队以Parquet格式重新封装，确保数据的一致性与机器学习的即用性。

特点

数据集聚焦于非洲大陆的劳动力市场，提供了按年龄和职业（ISCO-08二级分类）划分的受雇人员实际每周平均工作小时数。其显著特点在于多维度的细化分类，包括性别、年龄组别及职业层级，并且每条记录均附带数据来源标识（source.label）与观测状态标志（obs_status），便于用户评估数据质量与可靠性。此外，该集合覆盖了从1999年至2025年的长时间序列，为分析非洲各国劳动时间的历史演变与比较研究提供了丰富的纵向维度。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，仅需一行代码即可获取格式整齐的Pandas DataFrame，便于进行探索性数据分析。典型应用场景包括筛选特定国家的数据进行单国时间序列分析，或利用pivot_table功能构建国家年份矩阵，以进行跨国的横向对比。数据集的标准化模式设计使得其能够无缝融入现有的机器学习工作流，支持分类、回归及时间序列预测等多种任务类型，为非洲劳动经济学的研究提供了简洁高效的数据入口。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年创建，经Electric Sheep Africa重新打包后发布至HuggingFace平台，核心研究问题聚焦于非洲35个国家1999至2025年间按年龄和职业（ISCO二级分类）划分的就业人口实际周均工作时间。作为ILOSTAT数据库的重要组成部分，该数据集为劳动经济学、人口统计学以及非洲发展研究领域提供了标准化的时间序列劳动指标，尤其填补了非洲大陆在精细职业分类维度下工作强度度量的数据空白，对推动区域劳动力市场分析与可持续发展目标（SDG）中体面劳动议题的量化研究具有显著影响力。

当前挑战

该数据集所解决的领域挑战在于非洲各国劳动统计基础薄弱，调查方法（劳动力调查、行政记录等）与数据质量参差不齐，难以获取口径统一、可跨国比较的长时间序列工作强度数据。构建过程中的挑战包括：从ILOSTAT API筛选并整合非洲特定国别数据时的地理覆盖完整性；处理多源数据因采用不同国际劳动统计学家会议（ICLS）定义导致的指标异质性；以及应对观测值标记为“不可靠”的异常状态，确保时间序列在职业与年龄细分下的连续可比性，最终实现35国17,505条观测的高效规范化存储。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交汇领域，该数据集被广泛用于分析非洲大陆就业人口的实际工时分布特征。研究者常借助其按年龄和职业（ISCO二级分类）划分的精细粒度，探究不同劳动群体在不同国家、不同年份间的工作强度差异。经典使用场景包括构建面板数据模型，以检验经济发展阶段、产业结构变迁与工时变化之间的动态关联，或结合性别分类变量揭示劳动力市场中存在的结构性不平等现象。

解决学术问题

该数据集为长期困扰学术界的非洲劳动力市场数据碎片化与可获取性低下的难题提供了系统解决方案。它解决了以下关键问题：如何基于统一的国际标准（ICLS定义）跨35个非洲国家进行工时指标的可比性研究；如何通过时间序列跨度（1999-2025）捕捉非洲就业模式在全球化、技术变革与政策干预下的演变轨迹；以及如何在缺乏微观调查数据的背景下，利用官方统计的汇总数据检验劳动供给理论在非洲情境下的适用性。其意义在于填补了非洲工时研究的实证空白，为比较劳动经济学提供了可靠的区域级证据。

衍生相关工作

基于该数据集已衍生出一系列具有影响力的研究工作。在方法层面，研究者利用其构建了非洲首个跨国家、跨职业的工时预测模型，将时间序列预测技术（如Prophet、LSTM）应用于ILOSTAT的汇总数据，探索劳动力市场波动的预警机制。在理论层面，有学者将其与非洲制造业劳动生产率数据结合，实证检验了“工时-产出”替代弹性在非洲经济体的异质性表现；另一分支工作则专注于数据可视化系统开发，如创建交互式非洲工时仪表盘，让政策制定者能直观追踪各国职业群体的工时间演化趋势。