electricsheepafrica/africa-ilo-une-tune-sex-eco-nb-unemployment-of-previously-employed-persons-by-sex

该数据集是一个关于非洲失业情况的统计数据集，专门关注先前就业人员按性别和先前经济活动划分的失业人数。数据集包含10,703个观测值，覆盖25个非洲国家（包括埃及、南非、毛里求斯、摩洛哥、安哥拉等），时间跨度为1970年至2025年。数据来源于国际劳工组织（ILO）的核心统计数据库ILOSTAT，通过其REST API获取并过滤为非洲国家代码。数据集包含一个核心指标：UNE_TUNE_SEX_ECO_NB（按性别和先前经济活动划分的先前就业人员的失业人数，单位为千）。数据维度包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、时间（年份）、观测值、观测状态等。数据经过ILO根据国际劳工统计学家会议（ICLS）定义进行标准化处理，来源信息在source.label列中可追溯。该数据集由Electric Sheep Africa重新打包发布，旨在为非洲提供统一的、适合机器学习的数据层。license: cc-by-4.0 language: - en task_categories: - tabular-classification - tabular-regression - time-series-forecasting multilinguality: monolingual size_categories: - 10K<n<100K tags: - tabular - africa - ilostat - unemployment - ilo - labour - employment - employment pretty_name: "按性别与前经济活动划分的曾就业人员失业情况（单位：千人 | 非洲（ILOSTAT））" # 按性别与前经济活动划分的曾就业人员失业情况（单位：千人 | 非洲（ILOSTAT）） 🌍 **10,703条观测数据** · **25个非洲国家** · **1970–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## TL;DR（简短摘要） 本数据集包含**25个非洲国家**1970年至2025年间的**10,703条失业（Unemployment）观测数据**，覆盖**1项独立指标**。 ## 数据源说明 **ILOSTAT**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，是全球领先的劳工统计权威来源。其收录涵盖就业、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）体面工作目标等多类指标，数据源自全国劳动力调查、家庭收入调查、机构调查与行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计司负责数据标准化工作。 - **原始数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_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**：失业问题 ## 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=UNE_TUNE_SEX_ECO_NB`拉取数据，并筛选出非洲地区的ISO3国家编码。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；数据来源信息会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 25个非洲国家 · 以下按数据行数排序的前10个国家示例： | 国家（ISO3编码） | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `EGY` | 2,853 | 1971 | 2024 | | `ZAF` | 2,198 | 2000 | 2024 | | `MUS` | 1,591 | 1995 | 2024 | | `MAR` | 750 | 1990 | 2008 | | `AGO` | 667 | 2004 | 2025 | | `RWA` | 377 | 2017 | 2021 | | `DZA` | 315 | 2001 | 2014 | | `BDI` | 266 | 1982 | 2014 | | `CAF` | 241 | 1988 | 1995 | | `BWA` | 166 | 1996 | 2006 | | `TUN` | 150 | 2010 | 2019 | | `TCD` | 150 | 1987 | 1990 | | `GHA` | 143 | 1991 | 2010 | | `CMR` | 140 | 1970 | 1986 | | `SLE` | 90 | 2004 | 2004 | | ... | _其余10个国家_ | | | ## 指标示例 - `UNE_TUNE_SEX_ECO_NB` — 按性别与前经济活动划分的曾就业人员失业情况（单位：千人） ## 数据字段架构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家编码 | `AGO` | | `ref_area.label` | `string` | 英文国家名称 | `安哥拉` | | `source` | `string` | ILOSTAT 数据源编码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文数据源名称 | `劳动力调查（LFS）` | | `indicator` | `string` | ILOSTAT 指标编码 | `UNE_TUNE_SEX_ECO_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别与前经济活动划分的曾就业人员失业情况（缩略）` | | `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（单位详见指标定义） | `655.15` | | `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` | — | `C5:1014` | | `note_classif.label` | `string` | — | `非标准经济活动：包含……` | | `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：ILO统计数据库 - 微观数据……` | ## 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` ## 数据质量与使用须知 - 本数据集为年度频率数据，部分指标同时发布月度或季度序列，此类数据未纳入本数据集。 - 当同一国家×年份存在多个数据源时，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时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-une-tune-sex-eco-nb-unemployment-of-previously-employed-persons-by-sex") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python kenya = df[df["ref_area"] == "KEN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "UNE_TUNE_SEX_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="UNE_TUNE_SEX_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "UNE_TUNE_SEX_ECO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_une_tune_sex_eco_nb_unemployment_of_previously_employed_persons_by_sex_2025, title = {按性别与前经济活动划分的曾就业人员失业情况（单位：千人 | 非洲（ILOSTAT））}, author = {国际劳工组织（ILO）}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_SEX_ECO_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Africa重新整理发布}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-une-tune-sex-eco-nb-unemployment-of-previously-employed-persons-by-sex}} } ## 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（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使命的一部分：旨在HuggingFace平台上构建统一的、适配机器学习的非洲地区数据层。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，打包为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：2026-05-26通过Electric Sheep流水线获取。原始数据源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=UNE_TUNE_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）的核心统计数据库ILOSTAT，由Electric Sheep Africa团队进行标准化再包装，整合了1970年至2025年间25个非洲国家关于曾就业人员失业状况的10300余条观测记录。构建过程以公开元数据为依托，对原始指标进行结构化提取与字段对齐，形成统一格式的Parquet文件，并附加标准化的发现级元数据、加载指引与来源注释，确保数据在非洲劳动经济研究中的可复用性与可追溯性。

特点

数据集聚焦于按性别及前经济活动类别划分的曾就业人员失业规模，覆盖非洲25国逾半个世纪的时间跨度，具备显著的长时序与跨区域比较价值。其以表格与文本双模态呈现，规模适中，适合开展分类与回归任务。元数据标注完整，包含许可证、来源、主题标签等信息，且保留缺失值以供分析者依研究需求自行处理，彰显了开放数据在劳动经济学领域的严谨性与灵活性。

使用方法

研究者可通过Hugging Face datasets库以一行代码加载该数据集，经ds获取数据分片与特征结构，并可便捷转换为Pandas数据框以开展探索性分析。使用时应优先查阅仓库文件与数据查看器，核实变量定义、单位及地理标识，对隐含地理信息保持审慎并记录假设。建议在建模前进行缺失值剖析与地理、时间及子群变量的剖面分析，亦可与其他Electric Sheep Africa数据集基于国家、年份及指标字段进行联结，以构建可复现的研究工作流。

背景与挑战

背景概述

非洲大陆的劳动力市场长期面临结构转型迟滞与就业脆弱性交织的困境，既有就业者向失业状态的频繁流转成为制约区域经济发展的关键症结。国际劳工组织（ILO）依托其全球劳工统计数据库（ILOSTAT），系统采集了1970年至2025年间25个非洲国家按性别与前任经济活动分类的失业人员数据，共计10,703条观测记录。Electric Sheep Africa于2026年将该数据集标准化发布至Hugging Face平台，以CC BY 4.0许可开放共享，为探究非洲性别差异化的失业动态及行业衰退传导机制提供了稀缺的跨国面板证据，对劳动经济学与非洲发展研究具有重要的实证支撑价值。

当前挑战

该数据集所应对的核心领域问题在于刻画非洲各国先前就业者失业规模随性别与来源行业的异质性演变，其难点源于非洲非正式经济占比高、统计口径参差及跨国可比性薄弱，传统失业统计难以捕捉此类流转特征。构建过程中，25国跨越五十五年的时间序列面临覆盖不均、指标定义随年份调整、缺失值分布非随机等障碍，元数据中地理字段与上游出版方信息的缺位进一步加剧溯源难度。如何在保留缺失机制的前提下实现跨国家、跨时期的可信比较，并避免从标签本身推断政策含义，构成该数据集在分析与建模中的持久挑战。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇处，该数据集充当着剖析非洲劳动力市场结构性变迁的关键棱镜。其经典使用场景在于以性别与既往经济活动为双重维度，对1970至2025年间25个非洲国家的再就业失业人口展开长时段面板分析。研究者可借助这些精细化的截面与时序数据，审视不同经济部门衰退后劳动力的失业滞留特征，进而刻画非洲大陆经济转型过程中性别差异化的失业风险图谱。

衍生相关工作

围绕该数据集，已衍生出若干具有方法示范意义的研究工作。部分学者将其与非洲各国GDP部门构成、贸易冲击等宏观变量匹配，构建失业持续性的溢出效应模型；亦有研究以该数据为基准，开发性别分层的失业流入流出率估算框架，并拓展至非正式部门再就业的对比分析。这些工作共同丰富了ILOSTAT数据体系在非洲情境下的应用生态，并催生了若干区域劳动力市场脆弱性指数。

数据集最近研究

最新研究方向

在非洲劳动力市场深度转型的背景下，该数据集为解析结构性失业与个体职业流动之间的关联提供了稀缺的跨国面板证据。当前研究前沿聚焦于性别维度下失业持续期的异质性，以及前经济活动的部门属性对再就业概率的非对称影响。伴随国际劳工组织对非正规就业测度框架的持续修订，相关热点议题亦延伸至数字经济扩张与青年失业回流的交互效应。该数据集覆盖二十五国逾半个世纪的观测值，使得研究者得以运用生存分析与因果推断方法，检验产业衰退冲击在性别间的传导差异，进而为非洲包容性就业政策的设计与评估提供实证基础，其 metadata-backed 结构亦推动了可复现研究范式的普及。