electricsheepafrica/africa-ilo-emp-xfrc-sex-cct-nb-employed-foreign-citizens-by-sex-and-country-of-ci

该数据集包含非洲12个国家（如几内亚、毛里求斯、卢旺达、布隆迪、多哥、布基纳法索、贝宁、塞内加尔、斯威士兰、赞比亚、佛得角和埃及）在2011年至2024年期间的321个观测值，核心指标为按性别和国籍分类的就业外国公民（千计）（ILOSTAT代码：EMP_XFRC_SEX_CCT_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，该数据库是全球劳动力统计的权威来源，通过REST API获取并过滤为非洲国家。数据集采用表格格式，包含国家代码、国家名称、数据来源、指标、性别分类（总计、男性、女性）、观测年份、观测值等列，适用于表格分类、回归和时间序列预测等任务。数据已由Electric Sheep Africa重新打包为机器学习就绪格式，遵循CC-BY-4.0许可证。This dataset contains 321 observations of Employed foreign citizens by sex and country of citizenship (thousands) data across 12 Africa countries (including Guinea, Mauritius, Rwanda, Burundi, Togo, Burkina Faso, Benin, Senegal, Eswatini, Zambia, Cabo Verde, and Egypt), spanning 2011–2024, with the indicator EMP_XFRC_SEX_CCT_NB. The data is sourced from the International Labour Organization (ILO)s ILOSTAT database, a leading global source for labour statistics, retrieved via REST API and filtered to Africa ISO3 country codes. The dataset is in tabular format with columns such as country code, country name, data source, indicator, sex disaggregation (total, male, female), observation year, observed value, etc., suitable for tabular classification, regression, and time-series forecasting tasks. It has been repackaged by Electric Sheep Africa into a machine learning-ready format and is released under the CC-BY-4.0 license.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队从国际劳工组织（ILO）的ILOSTAT数据库精心提取并重新封装而成。数据直接通过ILOSTAT的REST API接口拉取，获取了指标代码为EMP_XFRC_SEX_CCT_NB的原始观测值，并依据非洲ISO3国家代码进行地理范围过滤。ILOSTAT本身遵循国际劳工统计学家会议（ICLS）的定义标准，对各国劳动力调查、家庭收支调查等微观数据进行协调与统一，确保了跨国家数据的可比性。最终数据集以Parquet格式存储，标准化了列名与数据类型，便于机器学习研究人员直接调用。

特点

本数据集聚焦于非洲地区外国公民就业状况，包含来自12个非洲国家的321条观测记录，时间跨度从2011年至2024年。核心指标“按性别和国籍分列的外国就业公民人数（千人）”提供了精细的性别维度划分，包括总计、男性和女性三类。数据结构清晰，包含国家代码、数据来源、指标标签、时间年份及观测值等关键字段，并通过source.label列标注了原始数据来源，确保了数据的可追溯性与透明度。数据集规模虽小但质量精炼，专注于区域劳动力迁移这一特定议题。

使用方法

研究者可通过HuggingFace Datasets库便捷加载该数据集，调用`load_dataset`函数即可获得可直接转换为Pandas DataFrame的训练集。数据支持多种分析范式：既可用于表格分类与回归任务，也适合时间序列预测建模。用户可按国家代码筛选特定国家子集，或针对单一指标进行时间序列可视化分析。此外，借助数据透视功能，可将原始长格式数据重塑为国家×年份的矩阵形式，便于进行面板数据分析或构建跨国的比较研究。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）通过其核心统计数据库ILOSTAT编制，并由Electric Sheep Africa于2024年重新打包发布，聚焦非洲12个国家2011至2024年间按性别和国籍分类的外籍受雇公民数量（单位：千人）。ILOSTAT作为全球劳动统计的权威来源，依据国际劳工统计学家会议（ICLS）标准对各国劳动力调查、住户收入调查及行政记录数据进行整合，旨在揭示非洲大陆跨国劳动力流动的时空格局。这一数据集为研究非洲区域内移民就业结构、性别差异及劳动力市场融合提供了精细化的时序观测样本，弥补了该地区在高频、可机读移民就业数据方面的空白，对推动发展经济学、人口地理学及国际移民政策分析具有重要的基准价值。

当前挑战

该数据集面临多重挑战。在领域问题层面，非洲各国劳动力调查的覆盖频率、统计口径与定义标准存在显著差异，使得跨国家、跨年度的比较分析面临数据一致性的根本困境。此外，外籍劳工的就业统计常因非正规经济占比过高、行政登记体系不完善，导致观测值对实际流动人口的反映存在偏差。在构建过程中，从ILOSTAT的REST API抽取原始数据后需处理多重来源标注（source.label）的异构性，并实现指标按性别（SEX_T、SEX_M、SEX_F）与国家分组的标准化重塑。同时，数据缺失模式复杂——部分国家仅有个别年份的观测，且观察状态标识（obs_status）缺失，制约了时序分析方法的直接套用。最终，321条记录与12国的不均匀分布构成了统计推断中的小样本与代表性偏差挑战。

常用场景

经典使用场景

该数据集收录了来自ILOSTAT的非洲12国2011至2024年间按性别与国籍分类的外籍就业人口统计数据（单位：千人），涵盖321条观测值。在劳动经济学与人口迁移研究中，研究者常将其用于构建面板数据模型，分析非洲国家外籍劳动力市场的结构性特征与随时间演变的动态趋势。借助时间序列分析与回归建模，可揭示外籍就业人口与性别、国籍等分类变量之间的关联，为理解非洲区域劳动力流动规律提供量化支撑。

实际应用

在实际应用中，该数据集为国际组织、国家劳工部门及非政府组织评估移民劳动力融入程度提供了关键工具。政策制定者可借助数据追踪不同国籍外籍劳动者的就业趋势，识别性别不平衡的行业或区域，从而设计更具包容性的就业与移民政策。同时，该数据集对研究非洲跨境劳动力流动、测算移民对当地经济的贡献、以及监测联合国可持续发展目标（SDG）中体面工作指标的执行情况具有直接指导价值，助力决策者基于数据制定科学干预措施。

衍生相关工作

该数据集衍生的相关工作涵盖多个方向：一是基于其时间序列特性开发非洲外籍就业预测模型，如利用ARIMA或Prophet算法预测短期就业波动；二是与ILOSTAT其他劳动力指标（如失业率、工资水平）联合分析，构建非洲劳动力市场综合评估框架；三是推动了一系列对比研究，将非洲数据与国际移民存量数据库（如UN DESA）对接，检验不同来源数据的一致性。此外，该数据集作为Electric Sheep Africa项目的一部分，还启发了针对非洲其他社会经济领域（如教育、健康）的数据标准化与封装工作，促进了ML-ready数据产品在非洲研究中的普及。