electricsheepafrica/africa-ilo-how-temp-eco-ocu-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲37个国家1991年至2025年的工作时间数据。具体来说，它记录了“按经济活动和职业划分的每位就业人员平均每周实际工作时间”这一指标，共80,799条观测值。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码，经过ILO的ICLS（国际劳工统计学家会议）定义标准化处理。数据集为表格格式，包含国家代码、国家名称、数据来源、指标代码、指标名称、分类变量（如经济活动和职业）、观测年份、观测值、观测状态标志以及相关注释等列。数据频率为年度，覆盖了多个非洲国家的工作时间统计信息，适用于表格分类、回归或时间序列预测等任务。This dataset encompasses working hour data spanning 1991 to 2025 for 37 African countries, sourced from the International Labour Organization (ILO) ILOSTAT database. Specifically, it records the indicator of "average weekly actual working hours per employed person, categorized by economic activity and occupation", with a total of 80,799 observations. The data was acquired via the ILOSTAT REST API, filtered to retain only African country codes, and standardized in line with the definitions established by the ILO's ICLS (International Conference of Labour Statisticians). The dataset is formatted as a table, containing columns such as country code, country name, data source, indicator code, indicator name, categorical variables (e.g., economic activity and occupation), observation year, observed value, observation status flag, and relevant notes. With an annual data frequency, this dataset covers working hour statistics across multiple African countries, and is suitable for tasks including tabular classification, regression, or 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（ILO）的ILOSTAT中央统计数据库，通过其REST API直接获取原始指标数据，并过滤至非洲37个国家的ISO3国家代码。ILOSTAT依据国际劳动统计学家会议（ICLS）定义，对各国劳动力调查、家庭收入调查及行政记录等微观数据进行标准化整合，确保指标口径的统一。数据集由Electric Sheep Africa团队进行二次封装，以Parquet格式发布，并附有标准化数据卡片，便于研究者直接调用。

特点

数据集涵盖1991年至2025年间37个非洲国家共80,799条观测记录，聚焦于“按经济活动与职业划分的受雇人员实际周均工作小时数”这一唯一指标。数据具有多维分类特性，包含经济活动部门、职业技能等级等细分字段，并标注了来源编码与观测状态（如临时性或不可靠标记），为用户提供清晰的溯源与质量控制信息。

使用方法

用户可通过HuggingFace的`datasets`库直接加载数据集：`load_dataset('electricsheepafrica/africa-ilo-how-temp-eco-ocu-nb-mean-weekly-hours-actually-worked-per-employed-per')`。加载后，支持按国家（如`df[df['ref_area'] == 'KEN']`）或指标进行筛选，亦可利用`pivot_table`构建国家×年份的宽表矩阵，便于执行时间序列分析或面板数据回归建模。

背景与挑战

背景概述

劳动力市场的时间配置是衡量经济生产效率与社会福祉的核心指标之一。非洲大陆长期面临劳动统计数据的碎片化与不连贯性，这严重制约了区域劳动力政策的精准制定与跨国比较研究。由国际劳工组织（ILO）创立的ILOSTAT数据库，作为全球劳动统计的权威来源，通过整合各国劳动力调查、行政记录等多源数据，提供了标准化的劳动指标。Electric Sheep Africa于2025年重新包装并发布的本数据集，聚焦于非洲37个国家1991至2025年间按经济活动与职业分类的每周实际工作小时数，包含80,799条观测记录，为研究者提供了首个大规模、长时序且经过机器可读格式优化的非洲劳动时间数据集，显著推动了劳动经济学、发展经济学与区域研究领域的实证分析能力。

当前挑战

该数据集所解决的领域核心挑战在于非洲劳动统计数据的稀疏性与异质性。非洲各国劳动力调查的采集频率、问卷设计及行业分类标准差异悬殊，且数据发布普遍滞后，使得构建跨国家、跨年代的可比时间序列极为困难。同时，数据集构建过程中面临技术性挑战：各调查源数据标注并不统一，需依赖ILO标准的ICLS定义进行繁杂的清洗与归类；观测值中广泛存在'不可靠'（U）等状态标志，意味着部分数据点存在采样误差或方法变更，需审慎处理；此外，同一国家不同年份可能对应多个数据源，ILO虽优选最佳来源，但数据源间的统计口径差异仍构成分析障碍，使用时需结合元数据中的追踪标签进行质量评估。

常用场景

经典使用场景

该数据集的经典使用场景集中于非洲劳动力市场的时间序列分析与面板数据建模。具体而言，研究者可利用ILOSTAT提供的37个非洲国家在1991至2025年间按经济活动与职业分类的平均周实际工作小时数，开展跨国比较研究。其结构化的分类变量（如经济部门与技能水平）允许精细化的分层分析，适用于探究不同国家、行业或职业群体间工时演变趋势的异同。该数据集亦常作为构建非洲劳动参与率、生产率估算等宏观经济指标的底层输入，或作为检验劳动经济学理论（如闲暇—工作替代效应）的纵向实证材料。

衍生相关工作

该数据集的衍生工作主要围绕其标准化格式与非洲区域聚焦特性展开。其一，作为Electric Sheep Africa统一数据层的一部分，它常与非洲其他劳动力指标（如失业率、工资水平）数据集进行关联分析，催生了探讨经济发展、教育程度与工时关系的综合面板研究。其二，ILOSTAT的原始方法论（如ICLS定义）为比较劳动统计学者提供了基准，衍生出关于数据调和与跨国可比性方法的探讨。此外，机器学习社区也基于此数据集衍生出针对非洲劳动力市场的时序预测模型，例如预测特定经济活动在下一季度的平均工时，或利用分类变量构建职业流动与工时变化的关联预测，从而拓展了传统计量经济学之外的分析范式。

数据集最近研究

最新研究方向

在非洲劳动力市场研究的前沿，该数据集聚焦于按经济活动与职业分类的周均实际工作小时数，为深入剖析非洲各国劳动强度、产业变迁及非正规就业形态提供了关键量化基础。结合ILOSTAT官方数据源与国际劳工组织（ILO）的统计标准，研究者可利用此时间序列数据追踪1991年至2025年间37个非洲国家工作模式的演变趋势。当前热点方向包括：运用时序预测与分类模型揭示后疫情时代劳动力复苏的区域差异，评估不同职业与经济部门的工时弹性变化，并探索工时数据与联合国可持续发展目标（SDGs）中体面工作指标的关联。该数据集填补了非洲大陆在精细化劳动统计的空白，为制定精准的就业政策与产业转型策略提供了实证支撑，其机器学习就绪的格式也显著降低了数据预处理门槛，促进了跨学科合作。