electricsheepafrica/africa-education-ghana
收藏资源简介：
该数据集提供了加纳医疗和教育服务空间可达性的见解。它使用开放工具和开放数据源（如openrouteservice和OpenStreetMap）创建。通过旅行时间等时线（表示汽车在给定时间或距离内可到达区域的多边形）与WorldPop人口数据（提供100米分辨率估计）叠加，计算从医院服务10到120分钟和学校5到50公里范围内的人口。分析单元基于geoboundaries国家边界，并在更细的行政级别（ADM 1-4）上汇总结果。数据集包含14列，如名称、ID、国家、行政级别、类别（教育、医院或初级医疗）、范围类型（距离或时间）、范围（以米或秒为单位）、人口、学龄人口等。数据集总行数为5,522，分为训练集（4,417行）和测试集（1,104行）。数据最后更新于2026-02-27，地理范围为加纳（GHA）。
annotations_creators: - 无注释 language_creators: - 外部采集 language: - 英语 license: CC BY-SA 4.0 multilinguality: - 单语言 size_categories: - 1000<n<10000 source_datasets: - 原创数据集 task_categories: - 表格分类 - 表格回归 - 其他 task_ids: [] tags: - 非洲 - 人道主义 - HDX（Humanitarian Data Exchange） - Electric Sheep Africa - 教育 - 医疗设施 - 交通 - GHA pretty_name: "加纳——可及性指标" dataset_info: 数据集详情: - 拆分名: train, 样本数: 4417 - 拆分名: test, 样本数: 1104 # 加纳——可及性指标 **发布方**: HeiGIT（海德堡地理信息技术研究所，Heidelberg Institute for Geoinformation Technology）· **数据源**: [HDX（Humanitarian Data Exchange）](https://data.humdata.org/dataset/ghana-accessibility-indicators) · **许可协议**: `cc-by-sa` · **最后更新时间**: 2026-02-27 --- ## 摘要 本数据集旨在揭示加纳境内医疗与教育服务的空间可及性现状。其构建依托开源免费工具与公开数据源，核心工具包括[openrouteservice](https://openrouteservice.org/)，主要数据源为[OpenStreetMap（OSM）](https://www.openstreetmap.org/)。 为评估教育与医疗服务的可及性，本研究采用出行时间等时线（travel-time isochrones）——即通过驾车方式在指定时长或距离范围内可抵达区域的多边形范围。我们将此类等时线与[WorldPop](https://www.worldpop.org/)发布的100米分辨率人口估算数据进行叠加分析，借此可计算距医院服务设施10至120分钟行程区间内，以及距学校5至50公里距离区间内的人口规模。本数据集的分析单元以[geoboundaries](https://www.geoboundaries.org/)提供的国家边界为基准，在数据可用的情况下，也会在更精细的行政层级（ADM 1至4）上对结果进行汇总。 ### 数据结构 - **name**: 区域或国家名称 - **iso**: ISO3国家代码 - **id**: 行政单元的唯一标识符 - **country**: ISO3国家代码 - **admin_level**: 行政单元层级 - **category**: 服务类别 — `education`（教育）、`hospitals`（医院）或`primary_healthcare`（基层医疗） - **range_type**: 服务覆盖范围计算方法 — `distance`（距离）或`time`（时间） - **range**: 生成多边形时使用的、距学校的距离（单位：米）或出行时间（单位：秒） - **population**: 指定范围内的总人口数 - **school_age_population**: 指定范围内的学龄人口数 - **school_age_population_share**: 学龄人口累计百分比 - **school_age_population_interval**: 当前距离区间内新增学龄人口数 - **school_age_population_interval_share**: 当前区间内新增学龄人口占比 - **population_share**: 总人口累计百分比 - **population_interval**: 当前距离区间内新增总人口数 - **population_interval_share**: 当前区间内新增总人口占比 本数据集是HDX平台上众多[HeiGIT发布数据集](https://data.humdata.org/organization/heidelberg-institute-for-geoinformation-technology)之一。更多相关信息可访问[HeiGIT官网](https://heigit.org/)。 我们期待了解您的应用场景！欢迎通过[communications@heigit.org](mailto:communications@heigit.org)联系我们，分享您的研究成果——我们将乐于推广您的工作。 ### 参考文献 - [Geldsetzer, P., Reinmuth, M., Ouma, P. O., Lautenbach, S. et al. (2020)](https://www.thelancet.com/journals/lanhl/article/PIIS2666-7568(20)30010-6/fulltext) - [Petricola, S., Reinmuth, M., Lautenbach, S. et al. (2022)](https://ij-healthgeographics.biomedcentral.com/articles/10.1186/s12942-022-00315-2) - [Klipper, I. G., Zipf, A., and Lautenbach, S. (2021)](https://agile-giss.copernicus.org/articles/2/4/2021/) - [Ruiz Sánchez, R., Reinmuth, M., Albornoz, C., Lautenbach, S., and Zipf, A. (2025)](https://agile-giss.copernicus.org/articles/6/10/2025/) ### 补充信息 - [Open Access Lens](https://giscience.github.io/open-access-lens/#/) ### 局限性说明 1. **OSM数据完整性**: 本分析依托OpenStreetMap（OSM）数据。尽管OSM是全球最完善的开源地图数据集，但不同区域的数据质量差异显著。在道路或设施未被标注的区域，可及性评估结果可能被低估。 2. **人口估算误差**: 人口数据源自WorldPop的自上而下约束式估算结果。此类数据基于人口普查预测与卫星影像构建统计模型，而非直接的人口普查计数，因此在局部像素尺度上可能存在误差。 3. **出行时间假设限制**: 等时线基于不同道路类型的标准车辆行驶速度计算得出，未考虑实时交通、季节性天气（如洪涝）或路面老化等因素。 4. **行政边界精度**: 行政边界数据源自geoBoundaries，其与官方政府划定边界或其他标准边界可能存在细微差异。 本数据集的每条记录代表国家层级的汇总数据。数据集最后一次在HDX平台更新的时间为2026-02-27。地理覆盖范围: **GHA（加纳）**。 *本数据集已由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)整理为适用于机器学习的Parquet格式。* --- ## 数据集特征 | | | |---|---| | **领域** | 公共卫生 | | **观测单元** | 国家层级汇总数据 | | **总记录数** | 5522条 | | **字段数** | 14个（5个数值型、9个分类型、0个日期时间型） | | **训练集拆分** | 4417条记录 | | **测试集拆分** | 1104条记录 | | **地理覆盖范围** | GHA（加纳） | | **发布方** | HeiGIT（海德堡地理信息技术研究所） | | **HDX平台最后更新时间** | 2026-02-27 | --- ## 字段说明 ### 地理类字段 `country`（GHA）、`admin_level`（ADM2、ADM1、ADM0）、`category`（education，即教育）、`range_type`（DISTANCE，即距离）、`population_type`（school_age，即学龄人口；total，即总人口）等共4个额外字段。 ### 标识符与元数据字段 `name`（如Ablekuma Central Municipal、Nanumba North、Nkoranza South）、`id`（如2480657B99533750399286、2480657B57712569843933、2480657B38880944597072）、`esa_source`（HDX）、`esa_processed`（2026-04-27）。 ### 其他字段 `range`（取值范围为5000.0–50000.0）。 --- ## 快速上手 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-education-ghana") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() --- ## 字段Schema | 字段名 | 数据类型 | 缺失率 | 取值范围/示例值 | |---|---|---|---| | `name` | 字符串型 | 0.0% | Ablekuma Central Municipal、Nanumba North、Nkoranza South | | `id` | 字符串型 | 0.0% | 2480657B99533750399286、2480657B57712569843933、2480657B38880944597072 | | `country` | 字符串型 | 0.0% | GHA | | `admin_level` | 字符串型 | 0.0% | ADM2、ADM1、ADM0 | | `category` | 字符串型 | 0.0% | education | | `range_type` | 字符串型 | 0.0% | DISTANCE | | `range` | 64位整型 | 0.0% | 5000.0 – 50000.0（均值27493.6617） | | `population_type` | 字符串型 | 0.0% | school_age、total | | `population` | 64位整型 | 0.0% | 0.0 – 27668447.0（均值191407.2957） | | `population_share` | 64位浮点型 | 0.0% | 0.0 – 100.0（均值72.3588） | | `population_interval` | 64位整型 | 0.0% | 0.0 – 19007241.0（均值21763.0715） | | `population_interval_share` | 64位浮点型 | 0.0% | 0.0 – 100.0（均值8.5812） | | `esa_source` | 字符串型 | 0.0% | HDX | | `esa_processed` | 字符串型 | 0.0% | 2026-04-27 | --- ## 数值型字段统计汇总 | 字段名 | 最小值 | 最大值 | 均值 | 中位数 | |---|---|---|---|---| | `range` | 5000.0 | 50000.0 | 27493.6617 | 25000.0 | | `population` | 0.0 | 27668447.0 | 191407.2957 | 47152.5 | | `population_share` | 0.0 | 100.0 | 72.3588 | 81.15 | | `population_interval` | 0.0 | 19007241.0 | 21763.0715 | 1792.5 | | `population_interval_share` | 0.0 | 100.0 | 8.5812 | 2.87 | --- ## 数据整理流程 原始数据通过CKAN API从HDX平台下载，并转换为Parquet格式。字段名统一转换为小写蛇形命名法。常见缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）被统一替换为`NaN`。删除了1个缺失率超过80%的字段：`iso`。本数据集以固定随机种子（42）按80/20的比例划分为训练集与测试集，并保存为Snappy压缩的Parquet格式。 --- ## 额外局限性说明 - 本数据源自HeiGIT（海德堡地理信息技术研究所），未由Electric Sheep Africa进行独立验证。 - 自动化清洗流程无法修正原始数据收集中的错报值、定义不一致或抽样偏差问题。 - 有关发布方的方法论说明与注意事项，请参阅[原始HDX数据集页面](https://data.humdata.org/dataset/ghana-accessibility-indicators)。 --- ## 引用格式 bibtex @dataset{hdx_africa_education_ghana, title = {Ghana - Accessibility Indicators}, author = {HeiGIT (Heidelberg Institute for Geoinformation Technology)}, year = {2026}, url = {https://data.humdata.org/dataset/ghana-accessibility-indicators}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} } --- *[Electric Sheep Africa](https://huggingface.co/electricsheepafrica) — 非洲机器学习数据集基础设施。尼日利亚拉各斯。*
