electricsheepafrica/africa-worldbank-economy-growth

该数据集包含517,335个观测值，涵盖54个非洲国家的经济与增长数据，时间跨度为1960年至2025年，覆盖252个不同的指标。数据来源于世界银行的世界发展指标（WDI），这是一个全球发展数据的权威参考，编译了来自国家账户、政府机构和合作伙伴组织的官方认可国际统计数据。数据集专注于经济和增长主题，包括贸易、进口、服务等指标，适用于表格分类、回归和时间序列预测任务。数据已通过Electric Sheep Africa重新打包，以Parquet格式提供，便于机器学习使用。This dataset contains 517,335 observations of Economy & Growth data across 54 Africa countries, spanning 1960–2025, covering 252 distinct indicators. The data is sourced from the World Banks World Development Indicators (WDI), the worlds most-cited reference for global development data, which compiles officially-recognized international statistics from national accounts, government agencies, and partner organizations. It focuses on the Economy & Growth topic, including indicators such as trade, imports, and services, and is suitable for tabular classification, regression, and time-series forecasting tasks. The dataset has been repackaged by Electric Sheep Africa in Parquet format for machine learning readiness.

搜集汇总

数据集介绍

构建方式

世界银行世界发展指标（WDI）作为全球发展数据的权威来源，长期为经济学与金融学研究提供跨国、跨时段的宏观统计支撑。该数据集由Electric Sheep Africa基于世界银行开放数据重新封装，涵盖54个非洲国家自1960年至2025年的经济与增长指标，共计517335条观测记录与252项指标。构建过程遵循标准化元数据管理原则，将原始WDI数据以Parquet格式组织，并配套加载指南、溯源说明与分析导向的上下文信息，形成可直接用于机器学习工作流的表格化数据资源。

特点

该数据集聚焦非洲区域经济与增长主题，以国家层级时间序列为核心结构，兼具表格与文本两种模态。其体量处于十万至百万行区间，覆盖广泛的非洲地理范围与长时段历史跨度，指标维度丰富，便于开展跨国比较与趋势分析。数据保留原始缺失值，不预设插补规则，为研究者提供透明的数据质量基础。标准化标签体系涵盖世界银行、发展指标、时间序列等关键概念，增强了数据在非洲数据发现生态中的可检索性与互操作性。

使用方法

研究者可通过Hugging Face数据集库以编程方式加载该数据集，调用load_dataset函数获取数据对象，并进一步查看其分割结构、特征列与样本记录。对于表格类分析任务，可将数据集转换为Pandas数据框，以支持统计描述、缺失值诊断与建模前的变量剖析。建议在建模前检查模式与缺失情况，按地理、时间与指标字段进行分组分析，并在需要时与其他Electric Sheep Africa数据集基于国家、年份和指标字段进行连接，同时保留对原始来源与再封装仓库的引用。

背景与挑战

背景概述

世界银行世界发展指标（WDI）素为全球发展经济学研究之圭臬，其数据广被援引，堪称发展度量之基石。Electric Sheep Africa 于2026年将其中非洲经济与增长板块系统整理并发布于Hugging Face平台，涵盖1960年至2025年间54个非洲国家、252项指标、共517,335条观测记录，旨在为非洲经济研究提供标准化、可复现的表格化数据资源。该数据集承袭世界银行开放数据之权威性，并以CC BY 4.0许可流通，显著降低了非洲宏观经济比较研究的门槛，为增长收敛、结构转型与政策评估等议题的实证探索铺设了便利之途。

当前挑战

该数据集所面对的首要挑战在于非洲发展数据的固有困境——诸多国家统计体系薄弱，指标缺失严重且口径不一，跨国与跨期比较的可靠性因此备受掣肘，而如何妥善处理缺失值、避免不当插补扭曲估计结果，构成分析者必须审慎应对的方法论难题。构建层面，数据集由元数据清单标准化生成，部分字段（如国家标识与上游发布者）尚存缺漏，指标定义、计量单位与统计方法亦需回溯世界银行原始文献方能确认，若仅凭标签推断政策意涵，恐生误读。此外，时间跨度逾六十载，指标覆盖随年份推移而不均，长时段面板分析中的样本选择偏误亦不容忽视。

常用场景

经典使用场景

在经济发展与增长核算的实证研究中，该数据集构筑了以非洲54国为截面、1960至2025年为时间维度的长面板数据基础。研究者通常以人均GDP、GDP增长率、资本形成总额、劳动参与率等核心指标为被解释变量或解释变量，运用面板固定效应模型、动态面板广义矩估计以及时间序列协整分析等方法，考察非洲经济体增长的收敛性、要素贡献率与周期波动特征，亦可借助252项发展指标进行多维度聚类与结构转型路径的比较分析。

实际应用

在政策分析与商业决策层面，该数据集为非洲区域经济监测、国别风险评估与投资尽调提供了量化依据。国际发展机构可据此编制国别经济展望与援助配置方案，跨国企业可结合增长指标与结构性变量进行市场进入优先序排序，金融机构亦能将其纳入主权信用评分与宏观压力测试模型，从而实现从原始统计到可执行洞察的转化。

衍生相关工作

围绕该数据集及其同源世界银行指标，研究者已衍生出多项经典工作，包括非洲增长与机会法案实施效果的计量评估、撒哈拉以南非洲中等收入陷阱的阈值回归分析、资源诅咒假说的跨国检验，以及基于机器学习的经济增长预测与贫困地图绘制。Electric Sheep Africa的标准化封装亦催生了与其他非洲开放数据集的跨源连接研究，推动了非洲数据科学生态的系统化建设。