electricsheepafrica/africa-ilo-emp-pifl-sex-how-rt-share-of-employment-outside-the-formal-sector-by-s

该数据集包含非洲39个国家从2000年至2025年的非正规部门就业份额数据，按性别和每周实际工作小时数分类，共有4229个观测值，指标为EMP_PIFL_SEX_HOW_RT（非正规部门就业份额百分比）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经Electric Sheep Africa重新打包，用于表格分类、回归和时间序列预测等任务。数据集包括国家代码、年份、观测值、数据来源、性别分类等字段，覆盖非洲多国劳动力调查数据。This dataset provides data on the share of informal sector employment across 39 African countries spanning the years 2000 to 2025. The data is classified by gender and actual weekly working hours, with a total of 4,229 observations. The corresponding indicator is EMP_PIFL_SEX_HOW_RT, which quantifies the percentage share of informal sector employment. This dataset is sourced from the ILOSTAT database of the International Labour Organization (ILO), and has been repackaged by Electric Sheep Africa for use in tasks such as table classification, regression, and time series forecasting. It includes fields including country code, year, observation, data source and gender category, and covers labor survey data from multiple African nations.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织统计数据库（ILOSTAT）的公开元数据进行工程化整编而成，聚焦非洲地区非正规经济部门的就业结构。原始指标涵盖按性别及每周实际工作时长划分的非正规部门就业占比，整编过程将源数据重打包为Parquet格式，形成包含4,229条观测记录、覆盖39个非洲国家、时间跨度自2000年至2025年的统一数据集。数据集成过程遵循元数据标准化规范，保留来源出版信息、许可条款与溯源说明，未对原始统计口径作实质性修改，使用者可通过仓库文件直接核验模式结构与缺失值分布。

特点

该数据集以非洲非正规经济为专题，具有显著的地域专属性与主题聚焦性。其规模处于1K至10K观测区间，采用列式Parquet格式存储，兼顾表格与文本两种模态，便于开展表格分类与回归任务。数据覆盖39个非洲国家逾二十年的连续观测，指标按性别与每周实际工作时长双重维度细分，为劳动经济学中的非正规就业异质性研究提供细粒度素材。数据集附带标准化元数据标签与溯源注释，并以CC BY 4.0许可开放，支持跨数据集的指标融合与可复现分析。

使用方法

使用者可借助Hugging Face datasets库以load_dataset函数直接加载该数据集，并通过迭代获取数据分片、检视特征结构与样本记录。对于表格型分析，可将分片对象转换为Pandas数据框，以开展缺失值剖析、变量分布刻画与时序比较。在建模之前，宜先核对变量定义、计量单位与地理标识，对由标题或来源元数据隐含的地理信息在分析中予以明确记录。数据集支持与其他Electric Sheep Africa目录下的数据集通过国家、年份及指标字段进行连接，建议将缺失值保留至具备合理插补依据时再行处理。

背景与挑战

背景概述

非正规经济部门的就业规模与结构是发展经济学与劳动经济学长期关注的核心议题，其测量质量直接关系到社会保障覆盖、税收征管及体面劳动议程的推进。国际劳工组织（ILO）依托其劳工统计数据库（ILOSTAT）系统采集各国非正规就业数据，为跨国比较提供权威基准。Electric Sheep Africa于2026年将ILOSTAT中按性别与周实际工时分类的非洲非正规部门就业占比数据整理发布，覆盖39个非洲国家、4229条观测，时间跨度自2000年至2025年，成为非洲非正规经济研究的重要数据基础设施。

当前挑战

该数据集所应对的领域难题在于非正规部门就业本身界定模糊、跨国统计口径长期不统一，ILO相关指标在各国调查中的操作化定义存在差异，非洲地区抽样调查频率低、缺失值普遍，导致时序可比性受限。构建层面，数据集需在保留原始缺失结构的前提下完成元数据标准化，而库存快照显示country与upstream_publisher等字段存在元数据缺环，国别标识仅依赖标题或来源隐含信息，地理编码与单位确认须回溯原始材料，对下游建模的可复现性构成实质约束。

常用场景

经典使用场景

在非正规经济与劳动力市场研究的学术版图中，该数据集最经典的使用场景在于刻画非洲各国非正规部门就业占比的性别差异及其与周工作小时数的联动模式。研究者借助其涵盖39个非洲国家、2000至2025年的4,229条观测记录，得以在跨国比较框架下审视不同性别劳动者在非正规经济中的分布特征，进而揭示劳动时间投入与非正规就业之间的结构性关联。此类面板数据常被用于探索性数据分析与描述性统计推断，为后续因果识别奠定经验基础。

实际应用

在实务层面，该数据集为国际组织、政府部门及发展机构评估非洲非正规就业状况提供了可操作的数据支撑。政策制定者可据此识别非正规就业高度集中的国家与群体，设计针对性的社会保障扩展方案与技能培训项目。同时，数据分析师可将该数据集与Electric Sheep Africa目录中的其他非洲社会经济数据集进行年份与国别的联结，构建多维度监测面板，服务于就业政策追踪、性别平等评估以及非正规经济正规化路径的情景分析。

衍生相关工作

围绕该数据集，已衍生出一系列与非洲劳动力市场和非正规经济相关的研究工作。Electric Sheep Africa目录中的同类ILOSTAT指标数据集构成了可横向整合的数据生态，支持跨国比较与多指标联合建模。在Hugging Face平台上，该数据集被用于表格分类与回归任务的基准测试，并与其他非洲开放数据结合，推动可复现研究笔记本的开发。这些衍生实践共同强化了非洲非正规就业数据在机器学习与计量分析中的基础设施地位。