electricsheepafrica/africa-ilo-emp-temp-sex-age-jbt-nb-employment-by-sex-age-and-working-time-arrangement

该数据集包含36,828个观测值，涵盖了45个非洲国家从1991年至2025年的就业数据，涉及1个具体指标：按性别、年龄和工作时间安排的就业（千人）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过标准化处理，包括国家代码、性别分类、年龄组、工作时间安排等维度。数据集适用于表格分类、回归和时间序列预测任务，重点关注非洲地区的劳动力市场分析。--- license: 知识共享署名4.0协议（cc-by-4.0） language: - 英语（en） task_categories: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） multilinguality: 单语言（monolingual） size_categories: - 10000<n<100000 tags: - 表格数据（tabular） - 非洲（africa） - 国际劳工组织统计数据库（ILOSTAT） - 就业（employment） - 国际劳工组织（ILO） - 劳工（labour） pretty_name: "按性别、年龄和工作时间安排划分的就业人数（单位：千人）| 非洲（ILOSTAT）" --- # 按性别、年龄和工作时间安排划分的就业人数（单位：千人）| 非洲（ILOSTAT） 🌍 **36,828条观测数据** · **45个非洲国家** · **1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新封装*      ## 内容摘要 本数据集包含**45个非洲国家、1991至2025年间的36,828条就业（Employment）观测数据**，仅涵盖**1项独立指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，为全球领先的劳工统计权威来源。其整合了就业、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）体面工作目标等领域的指标，数据源自全国劳动力调查、家庭收入调查、机构调查以及行政记录。该数据库覆盖全球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。 - **来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_AGE_JBT_NB) - **发布方**：国际劳工组织（International Labour Organization, ILO） - **许可证**：[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：就业（Employment） ## 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=EMP_TEMP_SEX_AGE_JBT_NB`拉取数据，并筛选出非洲地区的ISO 3166-1 alpha-3国家代码对应的数据。ILOSTAT采用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；数据来源会在`source.label`列中标记，以确保可追溯性。 ## 地理覆盖范围 45个非洲国家，以下按观测条数排序展示部分国家： | 国家代码 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 3,600 | 2000 | 2024 | | `MUS` | 2,734 | 2001 | 2019 | | `EGY` | 2,640 | 2008 | 2023 | | `RWA` | 1,824 | 2014 | 2025 | | `MLI` | 1,584 | 2013 | 2024 | | `ZMB` | 1,536 | 2017 | 2024 | | `BWA` | 1,344 | 1996 | 2024 | | `GHA` | 1,248 | 1991 | 2024 | | `TZA` | 1,152 | 2001 | 2024 | | `AGO` | 1,152 | 2009 | 2025 | | `NAM` | 1,135 | 1994 | 2018 | | `SYC` | 1,092 | 2014 | 2024 | | `UGA` | 1,056 | 2010 | 2021 | | `NGA` | 1,051 | 2011 | 2024 | | `SEN` | 1,008 | 2011 | 2024 | | ... | 其余30个国家 | | | ## 指标（示例） - `EMP_TEMP_SEX_AGE_JBT_NB` — 按性别、年龄和工作时间安排划分的就业人数（单位：千人） ## 数据架构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家代码 | `AGO` | | `ref_area.label` | `string` | 英语国家名称 | `安哥拉` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英语来源名称 | `劳动力调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_TEMP_SEX_AGE_JBT_NB` | | `indicator.label` | `string` | 英语指标名称 | `按性别、年龄和工作时间安排划分的就业人数（缩略）` | | `sex` | `string` | 性别分解维度（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） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 第二分类变量（如适用） | `JBT_TIME_TOTAL` | | `classif2.label` | `string` | — | `工作时间安排：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） | `13984.984` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `float64` | — | `—` | | `note_classif.label` | `float64` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：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（缩略）` | ## 分解维度 以下列提供数据分解维度： - **`sex`**（共3个唯一值）：`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。 - 当同一国家×年份存在多个数据源时，本数据集采用国际劳工组织选定的“最优数据源”。 - 分解维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应分解时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-temp-sex-age-jbt-nb-employment-by-sex-age-and-working-time-arrangement") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EMP_TEMP_SEX_AGE_JBT_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_AGE_JBT_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_AGE_JBT_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_emp_temp_sex_age_jbt_nb_employment_by_sex_age_and_working_time_arrangement_2025, title = {按性别、年龄和工作时间安排划分的就业人数（单位：千人）| 非洲（ILOSTAT）}, author = {国际劳工组织（International Labour Organization, ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_AGE_JBT_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Africa重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-temp-sex-age-jbt-nb-employment-by-sex-age-and-working-time-arrangement}} } ## 许可证 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)协议发布。 原始数据版权归国际劳工组织（International Labour Organization, ILO）所有。使用本数据集时，请同时引用上述原始数据源以及Electric Sheep Africa的重新封装版本。 ## 关于Electric Sheep Electric Sheep Africa是Electric Sheep使命的一部分：旨在HuggingFace平台上构建统一的、适用于机器学习的非洲数据层。我们从权威开源数据源获取数据，对数据架构进行标准化处理，以Parquet格式打包发布，并采用统一的数据集卡片格式，使研究人员和开发者可以通过`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流水线获取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_AGE_JBT_NB_

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织核心统计数据库ILOSTAT，经Electric Sheep Africa团队系统化整理与标准化封装而成。原始数据涵盖1991年至2025年间45个非洲国家的劳动力市场统计，聚焦于按性别、年龄及工作时间安排分类的就业人数（以千人为单位），共计36,828条观测记录。构建过程遵循开放数据规范，将源数据统一转换为Parquet格式，并附加标准化元数据标签、来源溯源说明与使用指引，形成面向机器学习工作流的可复现数据集。

特点

数据集以表格型结构承载非洲区域跨国别、跨年度的就业统计信息，具备明确的地理与时间覆盖维度。其体量适中，介于一万至十万条记录之间，适合开展分类与回归分析。数据按性别、年龄组及工作时间安排等人口与劳动特征细分，为探究非洲劳动力市场结构性差异提供细粒度依据。所有字段以千人计量单位呈现，并保留缺失值以支持审慎的插补策略。数据集采用CC BY 4.0许可，便于学术研究与二次开发。

使用方法

研究者可借助Hugging Face datasets库直接加载该数据集，通过load_dataset函数获取数据对象，进而检视其分片结构、特征字段与样本内容。对于表格型数据，可便捷转换为Pandas DataFrame以进行后续统计建模或可视化分析。在建模前，建议先行检查各变量的缺失模式与单位定义，并依据国家、年份及指标字段与其他Electric Sheep Africa数据集进行关联。引用时应同时标注原始ILOSTAT来源与Electric Sheep Africa的元数据整理工作。

背景与挑战

背景概述

国际劳工组织统计数据库（ILOSTAT）长期作为全球劳动统计的核心来源，为分析就业结构、工时安排与人口特征之间的关联提供权威依据。Electric Sheep Africa于2026年将其中非洲区域按性别、年龄与工作时间安排分列的就业数据整理发布，覆盖1991至2025年间45个非洲国家的36,828条观测记录。该数据集以标准化元数据和便捷加载方式，回应了非洲劳动市场细分数据长期碎片化、可比性不足的问题，为性别与年龄维度的就业差异研究、工时制度演变分析及跨国比较提供了可复现的数据基础，亦推动了开放数据在非洲经济金融领域的应用。

当前挑战

该数据集所面向的领域问题在于精准刻画非洲各国不同性别、年龄群体在多种工作时间安排下的就业分布，其难点源于国家间统计口径、报告制度与数据更新频率的显著异质性。构建过程中，原始ILOSTAT数据存在指标定义与单位需逐一核验、部分国家与元数据字段缺失、时间序列跨度内口径调整等障碍，加之从元数据清单标准化为机器学习可用格式时需保留缺失值、明确地理标识并避免从标签臆断政策含义，这些均对数据清洗、对齐与可解释性提出了持续挑战。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉研究中，该数据集凭借其覆盖45个非洲国家、跨越1991至2025年的36828条观测记录，成为刻画非洲大陆就业结构变迁的经典面板数据来源。研究者通常以性别、年龄组与工作时间安排为分类维度，运用描述性统计与固定效应模型，揭示不同人口 subgroups 在正规与非正规就业、全职与兼职分布上的异质性。其表格化与文本化并存的模态特征，便于进行分组聚合、趋势检验与跨国比较分析，构成非洲劳动力市场实证研究的基础性素材。

解决学术问题

该数据集有效回应了非洲劳动统计中长期存在的数据碎片化与可比性不足问题。通过整合国际劳工组织统一口径的指标框架，它为学者探究性别就业差距、青年失业与老龄化劳动参与等议题提供了标准化证据。其长时序与多国覆盖的特征，使研究者能够分离时间趋势与国别固定效应，检验结构性转型假说，并评估工作时间安排变化对就业质量的影响，从而推动非洲劳动市场研究从个案描述走向跨国因果推断。

衍生相关工作

围绕该数据集及其母体ILOSTAT体系，已衍生出一系列经典研究。学者利用其构建非洲就业脆弱性指数，并与世界银行、联合国开发计划署的微观调查数据交叉验证，形成多源融合的劳动市场分析框架。Electric Sheep Africa在此基础上发布了系列非洲经济金融数据集，支持可复现笔记本与机器学习建模，促进了数据驱动的非洲发展经济学研究生态的形成，亦为后续跨国面板计量与政策评估文献奠定了数据基石。