electricsheepafrica/africa-ilo-eip-xplf-sex-geo-mts-nb-potential-labour-force-by-sex-rural-urban-area-and

该数据集包含非洲39个国家从1994年至2025年的潜在劳动力数据，按性别、城乡地区和婚姻状况进行细分，单位为千。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涵盖4,144个观测值，涉及一个核心指标：EIP_XPLF_SEX_GEO_MTS_NB，即按性别、城乡地区和婚姻状况划分的潜在劳动力（千）。数据集以表格形式组织，包括国家代码、年份、指标值、性别分类（总计、男性、女性）、城乡分类（国家层面）和婚姻状况分类（总计）等维度，并包含数据来源和质量注释。数据通过ILOSTAT API获取，经过ILO基于国际劳工统计学家会议（ICLS）定义进行标准化处理，适用于表格分类、回归和时间序列预测等任务。This dataset contains potential labour force data for 39 African countries from 1994 to 2025, disaggregated by sex, rural/urban area, and marital status, in thousands. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, with 4,144 observations covering one core indicator: EIP_XPLF_SEX_GEO_MTS_NB — potential labour force by sex, rural/urban area and marital status (thousands). The dataset is structured in tabular format, including columns for country code, year, indicator value, sex classification (total, male, female), area classification (national level), and marital status classification (total), along with source and quality notes. Data is pulled from the ILOSTAT API and harmonized by ILO using International Conference of Labour Statisticians (ICLS) definitions, suitable for tabular classification, regression, and time-series forecasting tasks.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织（ILO）的ILOSTAT数据库重新打包而成。数据通过ILOSTAT REST API直接获取，原始指标代码为EIP_XPLF_SEX_GEO_MTS_NB，并经过筛选以仅保留非洲国家（采用ISO3国家代码）。ILOSTAT作为全球劳动统计的权威来源，其数据源自各国劳动力调查、家庭收入调查、企业调查及行政记录，并依据国际劳工统计学家会议（ICLS）定义进行统一整合。本数据集包含了4,144条观测记录，覆盖39个非洲国家、时间跨度从1994年至2025年，聚焦于劳动力利用不足的衡量指标之一——按性别、城乡区域及婚姻状况划分的潜在劳动力（单位：千人）。所有数据均以Parquet格式存储，并配备标准化模式，便于直接加载使用。

特点

本数据集的核心特点在于其多维度的细粒度分解与权威来源的可靠性。数据提供了按性别（男性、女性、合计）、城乡区域以及婚姻状况（包括总计和细分类型）三个维度交叉分类的潜在劳动力观测值，极大丰富了劳动力市场分析的层次。时间跨度长达31年，覆盖了非洲大陆上39个具有代表性的经济体，为面板数据分析和时间序列建模提供了坚实基础。此外，每条记录均附带数据来源、观测状态标志、序列断裂注解等元数据，有助于用户识别数据质量及潜在的方法论变更。数据集的整理由Electric Sheep Africa完成，其将原始数据转化为机器学习就绪格式，保持了与原始ILO数据的完全可追溯性。

使用方法

本数据集在HuggingFace平台上以标准数据集形式发布，用户可通过`datasets`库的一行代码轻松加载：`load_dataset('electricsheepafrica/africa-ilo-eip-xplf-sex-geo-mts-nb-potential-labour-force-by-sex-rural-urban-area-and')`，返回的数据集对象可直接转为Pandas DataFrame进行后续分析。典型应用包括：按国家筛选（如`df[df['ref_area'] == 'KEN']`）以研究单一国家的潜在劳动力演变；按指标排序后绘制时间序列图以观察长期趋势；或通过数据透视表构建国家×年份的矩阵，便于进行跨国家比较。该数据集适用于表格分类、回归分析以及时间序列预测等机器学习任务，研究者可根据`sex`、`classif1`、`classif2`等分解变量进行灵活的子集选择，满足多样化建模需求。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa重新整理后托管于HuggingFace平台，聚焦于非洲39个国家1994至2025年间按性别、城乡区域及婚姻状况划分的潜在劳动力规模（单位：千人）。潜在劳动力作为劳动利用不足的替代性度量指标，捕捉了那些虽未活跃求职但具备工作意愿与能力的边缘群体，为传统的失业率统计提供了重要补充。该数据集整合了ILOSTAT这一全球劳动统计权威数据库的标准化数据，覆盖南非、马里、卢旺达等典型非洲经济体，共计4144条观测记录。其核心研究问题在于：通过高颗粒度的社会人口学维度分解，揭示非洲大陆劳动力市场中的结构性闲置资源，从而为国际发展政策、劳动经济学研究及可持续目标（SDGs）中的体面工作议题提供量化支撑。作为首个面向非洲大陆的此类标准化数据集，它显著提升了区域劳动统计数据的可获取性与机器学习可用性，对评估非洲劳动力动态与推动数据驱动的政策制定具有里程碑意义。

当前挑战

该数据集致力于解决的核心领域难题在于：非洲劳动力统计长期面临数据稀疏、调查口径不一及时间序列碎片化的困境，导致对潜在劳动力——这类隐含于失业统计之外的弱势群体——的系统性低估，进而制约了精准就业政策的设计。构建过程中面临多重挑战：首先，ILOSTAT虽汇聚各国劳动力调查数据，但非洲多国基层统计能力薄弱，使得同一指标在跨国间存在方法论差异（如数据来源字段中标注的LFS与调查数据混合），需通过‘最佳来源’筛选机制与中断标记（如断点标志）进行校准。其次，数据按年发布，但部分国家观测频率不规律，且分类变量（性别、婚姻状态等）的缺失值分布不均，增加了模型训练时的序列对齐与插补复杂度。再者，观测状态标记（如不可靠、临时值）的存在提示数据质量参差，如何在保持时间一致性的同时剔除或修正异常值，成为构建稳健预测模型的关键技术壁垒。

常用场景

经典使用场景

该数据集汇集了国际劳工组织ILOSTAT数据库中关于非洲39个国家、跨度1994年至2025年的潜在劳动力数据，按性别、城乡区域与婚姻状况进行细致分层。经典应用场景聚焦于时间序列分析与分类回归任务，研究者可通过观测值深入剖析非洲劳动力市场的结构性特征，例如不同性别群体在城乡二元结构下的劳动参与差异，以及婚姻状况如何影响失业边缘人群的就业意愿。数据集以标准化表格形式呈现，便于直接加载为DataFrame进行多维度的统计建模与可视化。

实际应用

在实际应用中，该数据集为非洲各国政府及国际开发机构提供了科学决策的参考依据。政策制定者可以依据性别与婚姻状况的细分数据，精准识别就业市场的弱势群体，设计更具包容性的职业培训与就业帮扶计划。例如，针对农村已婚女性潜在劳动力比例偏高的问题，可定向推动灵活就业与社区托幼服务。此外，该数据还服务于跨国企业的人力资本评估，帮助商业机构在布局非洲市场时洞察各地劳动力供给的时令波动与结构性特征。

衍生相关工作

围绕该数据集衍生出的经典工作主要集中于非洲劳动经济学与可持续发展目标监测领域。一方面，研究者利用其长时间序列与多维度分层特性，构建了预测劳动力参与率变化的时间序列模型，如基于性别与地域的ARIMA或LSTM模型。另一方面，国际劳工组织与学术机构结合该数据与SDG 8体面工作指标，开展了多个国家间的比较研究，分析了城市化进程与婚姻结构转变如何重塑非洲的潜在劳动力规模。此外，Electric Sheep Africa团队对这些官方数据的标准化封装与开放访问，也推动了数据科学社区在非洲区域开发ML-Ready数据管道的相关技术实践。