electricsheepafrica/africa-ilo-ees-tees-eco-ocu-nb-employees-by-economic-activity-and-occupation-thou

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的96,074条观测记录，涵盖非洲48个国家从1982年至2025年的员工数据。核心指标为按经济活动和职业划分的员工数（以千计）（EES_TEES_ECO_OCU_NB），数据涉及员工按经济部门（如广泛行业）和职业技能水平等分类的统计。数据集通过ILOSTAT REST API获取，并过滤为非洲国家，原始数据基于国际劳工统计学家会议（ICLS）定义进行标准化处理，包含国家代码、年份、观测值、数据来源和质量标志等字段。数据由Electric Sheep Africa重新打包，以支持机器学习研究，适用于表格分类、回归和时间序列预测等任务。许可证：CC BY 4.0 语言：英语 任务类别：表格分类、表格回归、时间序列预测 多语言类型：单语言 样本量范围：10000 < n < 100000 标签：表格数据、非洲、ILOSTAT、就业人员、国际劳工组织（ILO）、劳工、就业 美观名称：按经济活动与职业划分的就业人员（千人）| 非洲（ILOSTAT） # 按经济活动与职业划分的就业人员（千人）| 非洲（ILOSTAT） 🌍 **96074条观测数据** · **48个非洲国家** · **1982–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## 核心摘要 本数据集包含覆盖48个非洲国家、时间跨度为1982至2025年的**就业人员**相关观测数据共**96074条**，仅包含**1项专属指标**。 ## 关于数据源 **ILOSTAT（国际劳工组织中央统计数据库）**是国际劳工组织（International Labour Organization, ILO）的官方核心统计数据库，为全球领先的劳工统计权威数据源。其整合涵盖就业、失业、薪资、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（SDG）体面工作目标等全品类指标，数据来源包括全国劳动力调查、家庭收入调查、机构调查与行政记录。国际劳工组织统计司负责对所有数据进行标准化协调处理，覆盖全球200余个经济体。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_ECO_OCU_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[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_ECO_OCU_NB`拉取原始数据，并筛选出非洲国家的ISO 3166-1 alpha-3国家代码子集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的统一定义对原始调查微观数据进行标准化处理；数据来源将在`source.label`字段中标记，以确保数据可追溯。 ## 地理覆盖范围 本数据集覆盖48个非洲国家，以下为按数据行数排序的部分国家示例： | 国家代码 | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 10,841 | 2000 | 2024 | | `MUS` | 8,942 | 2001 | 2024 | | `EGY` | 7,073 | 2009 | 2024 | | `AGO` | 4,573 | 2004 | 2025 | | `GHA` | 4,197 | 1991 | 2024 | | `RWA` | 3,861 | 2014 | 2025 | | `SYC` | 3,723 | 2014 | 2024 | | `BWA` | 3,645 | 1996 | 2024 | | `ZMB` | 3,480 | 2015 | 2024 | | `MLI` | 3,310 | 2009 | 2024 | | `ZWE` | 3,118 | 2011 | 2024 | | `TZA` | 2,994 | 2001 | 2024 | | `NAM` | 2,871 | 1994 | 2018 | | `SEN` | 2,460 | 2015 | 2024 | | `UGA` | 1,986 | 2010 | 2021 | | ... | _其余33个国家_ | | | ## 指标示例 - `EES_TEES_ECO_OCU_NB` — 按经济活动与职业划分的就业人员（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `AGO` | | `ref_area.label` | `string` | 英文国家名称 | `安哥拉` | | `source` | `string` | ILOSTAT 来源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文来源名称 | `劳动力就业调查（LFS）` | | `indicator` | `string` | ILOSTAT 指标代码 | `EES_TEES_ECO_OCU_NB` | | `indicator.label` | `string` | 英文指标名称 | `按经济活动与职业划分的就业人员（千人）` | | `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` | | `classif2` | `string` | 可选第二分类变量 | `OCU_SKILL_TOTAL` | | `classif2.label` | `string` | — | `职业（技能层级）：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `3788.156` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C5:1869` | | `note_classif.label` | `string` | — | `非标准经济活动：涵盖相关范畴` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列断点：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：国际劳工组织统计微观数据` | ## 数据质量与注意事项 - 本数据集采用年度频率数据。部分指标同时发布月度或季度序列，此类数据未包含在本数据集中。 - 当同一国家×年份的同一指标存在多个数据源时，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非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ees-tees-eco-ocu-nb-employees-by-economic-activity-and-occupation-thou") df = ds["train"].to_pandas() print(df.head()) ### 单一国家筛选 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EES_TEES_ECO_OCU_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_ECO_OCU_NB") ### 构建国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_ECO_OCU_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_ees_tees_eco_ocu_nb_employees_by_economic_activity_and_occupation_thou_2025, title = {Employees by economic activity and occupation (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_ECO_OCU_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ees-tees-eco-ocu-nb-employees-by-economic-activity-and-occupation-thou}} } ## 许可协议 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 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 Africa Electric Sheep Africa是Electric Sheep项目的组成部分，该项目旨在为HuggingFace平台构建统一的、适配机器学习的非洲数据层。我们从权威开放数据源拉取数据，对数据Schema进行标准化处理，封装为Parquet格式，并以统一的数据集卡片形式发布，以便研究人员与开发者仅需调用`load_dataset()`即可在数秒内开始使用数据。 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_ECO_OCU_NB

搜集汇总

数据集介绍

构建方式

该数据集隶属于国际劳工组织（ILO）的核心统计数据库ILOSTAT，由Electric Sheep Africa对原始公开数据进行系统性重包装而成。构建工作围绕非洲区域就业统计展开，从ILOSTAT数据库中抽取按经济活动与职业分类的雇员人数指标，以千人为计量单位进行标准化整理。数据覆盖48个非洲国家，时间跨度为1982年至2025年，累计形成96,074条观测记录。重包装过程通过统一元数据描述、来源标注与加载指引，将原始统计资源转化为面向非洲数据发现与机器学习应用的结构化资产，并以Parquet格式发布。

特点

数据集以非洲劳动力市场为核心主题，兼具表格与文本两种模态，属于经济学与金融领域的中等规模资源，样本量介于一万至十万条之间。其突出特征在于地理覆盖广泛，囊括48个非洲国家的长期就业观测，时间序列自1982年延伸至2025年，为跨国家、跨时期的比较分析提供基础。数据以单一指标为主，围绕雇员人数按经济活动及职业维度细分，采用千人作为统一单位。仓库同时附带标准化标签、来源溯源说明与缺失值处理提示，增强了数据的可发现性与可复用性，但部分元数据字段如国家与上游发布者仍需在数据文件中进一步确认。

使用方法

使用者可通过Hugging Face的datasets库便捷加载该数据集，调用load_dataset函数并传入仓库名称即可获取数据对象。加载后可查看数据划分、特征结构与样本预览，并可将表格型划分转换为Pandas数据框以便进一步处理。开展分析前，建议先检查数据模式与缺失情况，明确变量定义与计量单位，并在建模前审慎处理缺失值。由于地理信息可能仅隐含于标题或来源元数据中，需显式使用国家字段或记录相应假设。该数据集亦可与其他Electric Sheep Africa数据资源基于国家、年份与指标字段进行连接，以构建可复现的分析流程。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于构建全球劳动力市场统计体系，ILOSTAT作为其核心数据库，为各国就业结构分析提供了权威基准。该数据集由Electric Sheep Africa于2026年基于ILOSTAT源数据工程化发布，覆盖48个非洲国家、1982至2025年间按经济活动与职业分类的员工人数（千人），共计96,074条观测，旨在为非洲劳动经济研究提供可复现的表格化数据资产。其核心研究问题在于刻画非洲各国就业结构的行业与职业分布特征，填补区域劳动力市场细粒度统计的空白，对发展经济学、就业政策评估及非洲数据生态建设具有基础性支撑意义。

当前挑战

该数据集所应对的领域问题在于非洲劳动力市场统计长期面临覆盖不均、口径不一与时空可比性不足的困境，难以支撑跨国就业结构比较与政策模拟。构建过程中，源数据跨越四十余年、涉及数十个国家的经济活动与职业分类体系，分类标准历经多次修订，映射与协调难度显著；部分国家与年份存在系统性缺失，需在保留缺失值与可辩护插补之间谨慎权衡；元数据中地理标识与上游发布者信息尚不完整，增加了溯源核验与变量语义确认的复杂度。

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中，该数据集凭借其覆盖48个非洲国家、跨越1982至2025年的96,074条观测记录，成为刻画非洲大陆就业结构的核心经验来源。研究者惯常以经济 activity 与职业分类为切片维度，借助面板数据模型或横截面回归，考察不同产业部门与职业类别中雇员数量的历时性变迁，进而辨识非洲劳动力市场的结构性特征与阶段性演进规律。

解决学术问题

该数据集有效回应了非洲劳动统计长期面临的数据碎片化与可比性不足问题。依托国际劳工组织标准化统计框架，它为跨国比较研究提供了统一口径，使学者得以检验结构转型理论在非洲情境中的适用性，评估非正规就业规模变动、部门间劳动力再配置等议题。其长时间序列特征亦为因果推断与政策效应评估奠定了数据基础，显著提升了非洲就业研究的实证严谨性。

衍生相关工作

围绕该数据集，已涌现出一批聚焦非洲就业结构与经济转型的衍生研究。部分工作将其与世界银行发展指标、联合国工业发展组织数据库进行跨国面板整合，拓展了结构变迁的测度维度；另有研究结合地理信息系统方法，揭示就业分布的空间异质性。Electric Sheep Africa 在此基础上持续发布标准化非洲公共数据集，推动形成可复现、可扩展的研究生态。