electricsheepafrica/africa-ilo-emp-temp-sex-ifl-dsb-nb-employment-by-sex-informal-formal-job-and-disabili

该数据集包含2,140个观察值，涉及31个非洲国家，时间跨度为2007年至2025年，覆盖1个独特指标，主题为“按性别、非正规/正规工作和残疾状况划分的就业情况（千人）”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，专注于非正规经济领域，通过API获取并经过过滤处理，适用于表格分类、回归和时间序列预测等任务。Employment by sex, informal/formal job and disability status (thousands) | Africa (ILOSTAT). This dataset contains 2,140 observations across 31 Africa countries, spanning 2007–2025, covering 1 distinct indicator related to informal economy. It is sourced from ILOSTAT, the ILOs central statistics database, and repackaged by Electric Sheep Africa for machine learning use cases such as 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中央统计数据库ILOSTAT，由Electric Sheep Africa对原始公开数据进行标准化整理与重新封装。构建过程中，以非洲31个国家为地理范围，提取2007至2025年间按性别、非正规/正规就业形态及残疾状况分类的就业人数指标，形成包含2140条观测记录的结构化表格。数据以Parquet格式存储，并配套标准化的元数据说明、来源溯源信息与加载指南，使原始劳工统计数据转化为可直接用于分析建模的机器学习就绪资源。

特点

数据集聚焦非洲非正规经济与劳动力市场中的就业结构差异，兼具性别维度与残疾状况维度，为探究弱势群体在正规与非正规部门间的就业分布提供细粒度证据。其时间跨度覆盖近二十年，空间覆盖31个非洲国家，规模处于1K至10K之间，体量适中而信息密度较高。数据以表格与文本双模态呈现，附带主题标签与来源说明，便于跨数据集关联与多维度比较分析。

使用方法

研究者可通过Hugging Face datasets库调用load_dataset接口直接加载该数据集，获取数据划分与特征结构，并在需要时转换为Pandas数据框进行探索性分析。使用前应核查各变量的定义、单位与缺失情况，保留缺失值直至确立合理的插补规则；若数据中未显式声明国家字段，则需在后续分析中明确记录地理假设。该数据集适用于按地理、时间与子群体维度进行剖面分析，也可与Electric Sheep Africa目录下的其他数据集依据国家、年份和指标字段进行连接。

背景与挑战

背景概述

非正规经济长期构成非洲劳动力市场的主体，其规模与性别及残障状况的交织关系，直接关乎体面劳动议程的推进与包容性增长政策的成效。国际劳工组织（ILO）依托ILOSTAT中央统计数据库，系统汇集各国劳动力调查数据，持续追踪非正规就业的分布特征。在此基础上，Electric Sheep Africa于2026年将该主题数据整理为标准化数据集，覆盖31个非洲国家、2007至2025年间约2140条观测记录，按性别、非正规/正规就业及残障状态分层呈现。该数据集为比较非洲各国非正规就业的结构性差异、评估残障群体在劳动力市场中的边缘化程度提供了可复现的实证基础，亦为劳动经济学与包容性发展研究补充了关键的数据维度。

当前挑战

非正规就业的界定与测度本身即构成劳动统计领域的核心难题，各国调查口径、参考周期与抽样设计的异质性，使跨国比较面临概念对齐与测量等值性的严峻考验。残障状态的识别尤为敏感，其依赖自我报告或调查筛查工具，不同文化语境下的报告倾向差异可能系统性影响估计结果。构建过程中，元数据清单存在国家字段与上游发布者信息的缺失，要求使用者在缺乏显式地理标识时审慎记录假设；同时，数据以千人为单位的聚合形式呈现，限制了微观层面的异质性分析。缺失值的保留与合理插补策略的缺失，亦对建模的稳健性提出更高要求。

常用场景

经典使用场景

在劳动经济学与非正规经济研究的经典范式中，该数据集通常被用于刻画非洲地区不同性别、就业形态（正规/非正规）与残疾状况下的就业分布格局。凭借涵盖31个非洲国家、2007至2025年的2140条观测记录，研究者可借助其开展横截面与面板维度的比较分析，揭示非正规就业在总体就业中的占比演变，以及残疾群体在劳动力市场中的边缘化程度。其表格化结构与标准化元数据亦使其成为分类与回归建模任务的理想语料，用以预测就业类型或评估不同子群体的就业脆弱性。

实际应用

在政策制定与国际发展实践层面，该数据集可服务于国际劳工组织、非洲联盟及各国劳工部门监测非正规就业规模与残疾群体就业差距。非政府组织可依据其识别高危群体并设计定向技能培训与社保扩面方案。金融机构与咨询机构亦可将其作为国别劳动力市场风险评估的输入变量，辅助投资决策与普惠金融产品设计，从而将统计证据转化为可操作的干预依据。

衍生相关工作

该数据集作为Electric Sheep Africa非洲公开数据目录的组成部分，衍生出若干以标准化元数据与可复现工作流为核心的相关实践。其结构化封装促进了与非洲地区其他ILO统计数据集的跨源联结，催生了围绕非正规经济测度、残疾就业包容性指数构建以及机器学习就业预测模型等后续研究。该目录的元数据规范亦为非洲数据发现与治理提供了可借鉴的模板，推动了开放数据在劳动领域的工程化应用。