electricsheepafrica/africa-ilo-ees-tees-sex-eco-nb-employees-by-sex-and-economic-activity-thousands

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的统计数据，主题为按性别和经济活动划分的员工数（千计）|非洲。它涵盖了52个非洲国家从1969年至2025年的35,116个观测值，核心指标为EES_TEES_SEX_ECO_NB，表示按性别（总计、男性、女性）和经济活动部门划分的员工数量（以千计）。数据集提供了详细的列结构，包括国家代码、国家名称、数据来源、指标代码、性别分类、观测年份、观测值以及数据质量标志等，适用于表格分类、回归和时间序列预测等任务。数据经过ILO的标准化处理，并通过Electric Sheep Africa重新打包，以ML-ready格式发布，便于研究人员和开发者使用。--- license: CC BY 4.0 language: - en task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 10000 < 样本数 < 100000 tags: - 表格数据 - 非洲 - ILOSTAT - 就业人员 - ILO - 劳工 - 就业 pretty_name: "按性别和经济活动划分的就业人员（千人） | 非洲（ILOSTAT）" --- # 按性别和经济活动划分的就业人员（千人） | 非洲（ILOSTAT） 🌍 **共35116条观测样本** · **覆盖52个非洲国家** · **时间跨度1969–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## 核心摘要 本数据集包含**52个非洲国家1969至2025年间的35116条就业人员数据观测样本**，仅覆盖**1项专属指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计数据源。该库整合了就业、失业、薪酬、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标（Sustainable Development Goals, SDG）体面工作目标等多类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查与行政记录。其覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_ECO_NB) - **发布方**：国际劳工组织（ILO） - **许可证**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：就业人员 ## 数据处理方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EES_TEES_SEX_ECO_NB`拉取数据，并筛选出非洲地区的ISO 3166-1 alpha-3国家编码对应的样本。ILOSTAT依据**国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）** 的定义对原始调查微观数据进行标准化协调；数据来源将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 覆盖52个非洲国家，以下按样本行数排序展示部分国家的统计情况： | 国家 | 样本行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `MUS` | 3,209 | 1970 | 2024 | | `EGY` | 3,099 | 1977 | 2024 | | `ZAF` | 2,401 | 1970 | 2024 | | `BWA` | 2,321 | 1972 | 2024 | | `ZWE` | 1,500 | 1970 | 2024 | | `TUN` | 1,322 | 2005 | 2021 | | `SYC` | 1,219 | 1990 | 2024 | | `AGO` | 1,177 | 1983 | 2025 | | `GHA` | 1,072 | 1969 | 2024 | | `MLI` | 1,044 | 2009 | 2024 | | `RWA` | 1,006 | 2014 | 2025 | | `MAR` | 997 | 1982 | 2014 | | `TZA` | 906 | 2001 | 2024 | | `ZMB` | 865 | 2015 | 2024 | | `CIV` | 793 | 1969 | 2022 | | ... | _另有37个国家_ | | | ## 指标（示例） - `EES_TEES_SEX_ECO_NB` — 按性别和经济活动划分的就业人员（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家编码 | `AGO` | | `ref_area.label` | `string` | 英语国家名称 | `安哥拉` | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英语数据源名称 | `LFS - 就业调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EES_TEES_SEX_ECO_NB` | | `indicator.label` | `string` | 英语指标名称 | `按性别和经济活动划分的就业人员……` | | `sex` | `string` | 性别细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `ECO_SECTOR_TOTAL` | | `classif1.label` | `string` | — | `经济活动（大类）：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `3788.156` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C5:1023` | | `note_classif.label` | `string` | — | `非标准经济活动：包含……` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：国际劳工组织统计司-微观数据……` | ## 细分维度 以下字段提供数据细分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 若同一国家×年份的同一指标存在多个数据源，将采用国际劳工组织选定的“最优数据源”。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才会存在非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ees-tees-sex-eco-nb-employees-by-sex-and-economic-activity-thousands") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EES_TEES_SEX_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_ees_tees_sex_eco_nb_employees_by_sex_and_economic_activity_thousands_2025, title = {Employees by sex and economic activity (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ees-tees-sex-eco-nb-employees-by-sex-and-economic-activity-thousands}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源与Electric Sheep Africa的重新整理版本。 ## 关于Electric Sheep Electric Sheep Africa是Electric Sheep项目的一部分，该项目旨在为HuggingFace平台上的非洲数据构建统一、适配机器学习的数据层。我们从权威开源数据源拉取数据，对数据结构进行标准化处理，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026年5月26日通过Electric Sheep数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_ECO_NB_

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，由Electric Sheep Africa进行工程化重封装，将非洲地区按性别与经济活动分类的就业人员数据（单位：千人）进行标准化整理。数据覆盖52个非洲国家，时间跨度为1969至2025年，总计35,116条观测记录，以Parquet格式存储，并附有标准化的元数据说明与来源注释，旨在提升非洲劳动统计数据的可发现性与可复用性。

特点

数据集以表格与文本双模态呈现，聚焦非洲劳动力市场中的就业人员规模，按性别和各类经济活动进行细分，具备长时间序列与跨国比较的潜力。其元数据标注了经济金融领域属性，遵循CC BY 4.0开放许可，适合开展性别就业差异、行业结构变迁及区域劳动力动态等分析。数据保留原始缺失值，且附有关于国家与上游发布者的元数据缺口说明，提示使用者审慎推断。

使用方法

研究者可通过Hugging Face的datasets库直接加载该数据集，利用内置查看器快速浏览数据结构与特征。加载后，可提取指定拆分并转换为Pandas数据框进行探索性分析，检查缺失模式与变量分布。使用时应依据显式国家、年份及指标字段进行连接与分组，在建模前确认变量定义与计量单位，并妥善记录数据来源与假设，以确保分析的可重复性与透明度。

背景与挑战

背景概述

就业结构变迁是发展经济学与劳动经济学的核心议题，而非洲大陆长期面临劳动力市场统计信息碎片化的困境。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库整合了各国劳动力调查与行政记录，为跨国比较提供了基准。Electric Sheep Africa于2026年基于ILOSTAT数据编撰了该数据集，覆盖52个非洲国家、1969至2025年间逾三万五千条按性别与经济 activity 分类的雇员观测值，旨在为非洲劳动力市场的性别差异与部门分布研究提供标准化、可复现的数据基础，对区域就业政策评估与学术研究具有重要支撑价值。

当前挑战

该数据集所回应的领域问题在于，非洲各国劳动统计口径参差不齐、非正规经济部门占比高，导致雇员数据在跨国与跨时比较中面临严重的可比性缺陷。在构建过程中，主要挑战包括：原始ILOSTAT数据中部分国家与年份的缺失值比例较高，经济 activity 分类标准随时间与国别发生变动，性别维度的数据报告完整性存在系统性差异，以及元数据中上游出版者与国别字段的标注缺口。上述因素共同构成对数据清洗、缺失机制识别与建模前一致性检验的显著约束。

常用场景

经典使用场景

在劳动经济学与非洲发展研究的交叉领域，该数据集构成了刻画性别维度的就业结构变迁的核心证据来源。研究者依托其横跨1969至2025年、覆盖52个非洲国家的35116条观测记录，按性别与经济活动门类对雇员人数进行系统比较，揭示男性与女性在农业、工业和服务业中的分布差异及其随时间演化的轨迹。此类分析常与人口普查、劳动力调查等微观数据相互印证，从而在宏观层面呈现非洲各国经济结构转型过程中性别分工的动态图景。

实际应用

在政策实践层面，该数据集为非洲各国劳工部门、区域经济共同体及国际发展机构提供了量化决策依据。借助分性别与分行业的雇员规模数据，使用者可以评估就业政策的性别包容性，监测产业升级对女性就业机会的带动效果，并识别需要优先干预的行业领域。同时，该数据集亦可嵌入劳动力市场监测仪表盘与国别发展报告，辅助制定具有性别针对性的技能培训与就业促进方案。

衍生相关工作

该数据集衍生出若干具有影响力的后续研究与实践工作。在学术方向，研究者基于其构建了非洲性别就业结构指数，并与世界银行、非洲开发银行的相关指标进行交叉验证。在数据工程方向，Electric Sheep Africa以该数据集为范本，将标准化元数据流程推广至劳工、贸易和金融等领域的其他非洲公共数据集，形成可复用的开源数据目录。在应用方向，多个国际组织将其纳入国别诊断工具，用以支撑性别平等与体面劳动议程的监测评估。