electricsheepafrica/africa-ilo-emp-temp-sex-mjh-nb-employment-by-sex-and-multiple-job-holding-thousan

该数据集是一个关于非洲就业的表格数据集，包含2,278个观察值，覆盖47个非洲国家，时间跨度为1991年至2025年。数据聚焦于一个指标：EMP_TEMP_SEX_MJH_NB，即按性别和多份工作持有分类的就业数据（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT核心统计数据库，通过REST API获取并过滤为非洲国家代码，使用国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集包含多列，如国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、观测年份、观测值等，适用于表格分类、表格回归和时间序列预测等任务。数据为年度频率，并包含数据质量说明，如使用ILO选择的最佳来源，以及分类列的非空条件。license: 知识共享署名4.0（CC BY 4.0） language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语 size_categories: - 1000 < 样本量 < 10000 tags: - 表格数据 - 非洲 - ILOSTAT - 就业 - 国际劳工组织（ILO） - 劳动 pretty_name: "按性别与多重职业持有情况划分的就业人数（千人）| 非洲（ILOSTAT）" --- # 按性别与多重职业持有情况划分的就业人数（千人）| 非洲（ILOSTAT） 🌍 **共2278条观测样本** · **覆盖47个非洲国家** · **时间跨度1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## TL;DR 本数据集包含**覆盖47个非洲国家的就业相关数据**，共**2278条观测样本**，时间跨度为**1991–2025年**，涵盖**1项专属指标**。 ## 关于数据来源 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，为全球领先的劳动统计权威数据源。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体面工作目标等各类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计部门负责数据的标准化协调。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_MJH_NB) - **发布方**：国际劳工组织（ILO） - **许可证**：[知识共享署名4.0（CC BY 4.0）](https://creativecommons.org/licenses/by/4.0/) - **主题**：就业 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_TEMP_SEX_MJH_NB`拉取，并筛选出非洲地区的ISO3国家代码。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；数据来源信息将在`source.label`列中标记，以保证可追溯性。 ## 地理覆盖范围 **47个非洲国家** · 以下按样本量排序展示前10条数据： | 国家代码 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MUS` | 171 | 2005 | 2024 | | `ZAF` | 153 | 2008 | 2024 | | `EGY` | 108 | 2008 | 2024 | | `BWA` | 99 | 1996 | 2024 | | `MLI` | 99 | 2013 | 2024 | | `RWA` | 90 | 2014 | 2025 | | `AGO` | 90 | 2004 | 2025 | | `ZMB` | 84 | 2015 | 2024 | | `GHA` | 84 | 1991 | 2024 | | `UGA` | 77 | 2010 | 2021 | | `ZWE` | 77 | 2011 | 2024 | | `NGA` | 74 | 2011 | 2024 | | `TZA` | 72 | 2001 | 2024 | | `SEN` | 63 | 2015 | 2024 | | `BFA` | 62 | 2014 | 2024 | | ... | _32个其他国家_ | | | ## 指标（示例） - `EMP_TEMP_SEX_MJH_NB` — 按性别与多重职业持有情况划分的就业人数（千人） ## 数据架构 | 字段名 | 数据类型 | 字段说明 | 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（LFS）` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_TEMP_SEX_MJH_NB` | | `indicator.label` | `string` | 英语指标名称 | `按性别与多重职业持有情况划分的就业人数（千人）` | | `sex` | `string` | 按性别分解的维度（`SEX_T`=总计，`SEX_M`=男性，`SEX_F`=女性） | `SEX_T` | | `sex.label` | `string` | 无额外说明 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `MJH_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 无额外说明 | `多重职业持有者：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `13984.984` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | 无额外说明 | `序列中断` | | `note_indicator` | `string` | 无额外说明 | `I11:264` | | `note_indicator.label` | `string` | 无额外说明 | `序列中断：方法学已修订` | | `note_source` | `string` | 无额外说明 | `R1:3513` | | `note_source.label` | `string` | 无额外说明 | `存储库：国际劳工组织统计 - 微观数据` | ## 数据分解维度 以下字段提供数据分解维度： - **`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，但本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个来源时，将采用国际劳工组织选定的「最佳来源」数据。 - 分解维度字段（`sex`、`classif1`、`classif2`）仅在指标支持该类分解时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-temp-sex-mjh-nb-employment-by-sex-and-multiple-job-holding-thousan") 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_MJH_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_MJH_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_MJH_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_mjh_nb_employment_by_sex_and_multiple_job_holding_thousan_2025, title = {Employment by sex and multiple-job holding (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_MJH_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-temp-sex-mjh-nb-employment-by-sex-and-multiple-job-holding-thousan}} } ## 许可证 本数据集采用[知识共享署名4.0（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（ILO）所有。使用本数据集时，请同时引用上述原始来源与Electric Sheep Africa的重新整理版本。 ## 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。我们从权威开放数据源获取数据，对数据schema进行标准化，封装为Parquet格式，并发布为格式统一的数据集卡片，以便研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据使用。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026-05-25通过Electric Sheep流水线摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_MJH_NB_