electricsheepafrica/africa-ilo-ear-ehra-sex-age-cur-nb-average-hourly-earnings-of-employees-by-sex-and-ag

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的非洲国家员工平均小时收入数据，按性别、年龄和货币分类。数据集涵盖36个非洲国家，时间跨度为1991年至2024年，包含11,338个观测值和1个核心指标（EAR_EHRA_SEX_AGE_CUR_NB）。数据通过ILOSTAT REST API获取，并过滤为非洲国家代码，经过ILO的统计部门根据国际劳工统计学家会议（ICLS）定义进行标准化处理。数据集提供了详细的元数据，包括国家代码、数据来源、指标分类、观察年份、观测值及其状态等列，适用于表格分类、回归和时间序列预测等任务。数据以年度频率发布，并包含数据质量说明，如使用ILO选择的最佳来源处理多源数据，且分类列仅在指标发布细分数据时非空。license: CC BY 4.0 language: - 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 size_categories: - 10000 < n < 100000 tags: - 表格数据 - 非洲 - ILOSTAT - 薪资 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "按性别、年龄与货币划分的非洲雇员平均时薪（ILOSTAT）" # 按性别、年龄与货币划分的非洲雇员平均时薪（ILOSTAT） 🌍 **11,338条观测值** · **36个非洲国家** · **1991–2024年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理*      ## 摘要（TL;DR） 本数据集包含覆盖36个非洲国家、时间跨度为1991至2024年的**11,338条薪资数据观测值**，仅包含1项核心指标。 ## 原始数据源说明 **ILOSTAT（国际劳工组织统计数据库）**是国际劳工组织的中央统计数据库，也是全球领先的劳工统计权威来源。其汇集了就业、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、机构调查与行政记录，覆盖全球200余个经济体，由国际劳工组织（ILO）统计司负责数据标准化工作。 - **原始来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_AGE_CUR_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**：薪资 ## 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=EAR_EHRA_SEX_AGE_CUR_NB`拉取原始数据，并筛选出非洲地区的ISO3国家编码对应的样本。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处理；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 36个非洲国家，以下为按观测行数排序的前13个国家及其余21个国家汇总： | 国家（ISO3编码） | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `MUS` | 1,656 | 2001 | 2024 | | `EGY` | 1,152 | 2008 | 2024 | | `ZAF` | 1,008 | 2000 | 2015 | | `MLI` | 690 | 2013 | 2024 | | `ZMB` | 567 | 2017 | 2024 | | `UGA` | 501 | 2010 | 2021 | | `TZA` | 495 | 2001 | 2024 | | `GHA` | 476 | 1991 | 2024 | | `RWA` | 432 | 2014 | 2024 | | `BWA` | 432 | 2019 | 2024 | | `AGO` | 429 | 2019 | 2024 | | `NAM` | 360 | 2012 | 2018 | | `NGA` | 288 | 2011 | 2024 | | `SEN` | 282 | 2019 | 2024 | | `LBR` | 273 | 2010 | 2017 | | ... | 其余21个国家 | | | ## 指标示例 - `EAR_EHRA_SEX_AGE_CUR_NB` — 按性别、年龄与货币划分的雇员平均时薪 ## 数据架构 | 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 来源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文来源名称 | `LFS - 就业调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAR_EHRA_SEX_AGE_CUR_NB` | | `indicator.label` | `string` | 英文指标名称 | `Average hourly earnings of employees …` | | `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` | 维度标签 | `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` | 分类标签 | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `CUR_TYPE_LCU` | | `classif2.label` | `string` | 分类标签 | `货币：当地货币` | | `time` | `int64` | 观测年份 | `2024` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，详见指标定义） | `634.277` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | 状态标签 | `序列中断` | | `note_classif` | `float64` | 分类备注 | `—` | | `note_classif.label` | `float64` | 分类备注标签 | `—` | | `note_indicator` | `string` | 指标备注 | `T30:2` | | `note_indicator.label` | `string` | 指标备注标签 | `货币：安哥拉 - 宽扎（AOA）` | | `note_source` | `string` | 来源备注 | `R1:3513` | | `note_source.label` | `string` | 来源备注标签 | `存储库：ILO统计司 - 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个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集采用年度频率，部分指标另有月度或季度序列，本数据集未收录此类数据。 - 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“最优来源”数据。 - 细分维度字段（`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-ear-ehra-sex-age-cur-nb-average-hourly-earnings-of-employees-by-sex-and-ag") 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"] == "EAR_EHRA_SEX_AGE_CUR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAR_EHRA_SEX_AGE_CUR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAR_EHRA_SEX_AGE_CUR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_ear_ehra_sex_age_cur_nb_average_hourly_earnings_of_employees_by_sex_and_ag_2024, title = {按性别、年龄与货币划分的非洲雇员平均时薪（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_AGE_CUR_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-ear-ehra-sex-age-cur-nb-average-hourly-earnings-of-employees-by-sex-and-ag}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。 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、适配机器学习的非洲地区数据层。我们从权威开源数据源拉取数据，对数据架构进行标准化处理，打包为Parquet格式，并以统一的数据集卡片形式发布，使研究人员与开发者仅需通过`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：2026-05-27通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAR_EHRA_SEX_AGE_CUR_NB_

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织（ILO）旗下的ILOSTAT权威统计数据库，旨在提供非洲大陆雇员平均小时工资的精细结构化数据。研究团队通过调用ILOSTAT的REST API接口，以特定指标代码EAR_EHRA_SEX_AGE_CUR_NB为锚点，精准提取了覆盖非洲36个国家的原始数据。为确保地理聚焦，数据集依据ISO 3166-1 alpha-3标准对非洲国家代码进行了严格过滤。随后，所有原始资料经由HuggingFace平台上的Electric Sheep Africa管道进行重封装与规范化处理，最终以Parquet格式高效存储，形成了包含11,338条观测记录的标准化数据集，充分体现了从官方数据库到机器学习就绪数据集的完整构建逻辑。

特点

数据集的核心亮点在于其多维度的精细拆分与广泛的时空覆盖。从时间维度看，它囊括了1991年至2024年长达三十余年的年度观测数据，为纵向趋势分析提供了坚实基础。在空间维度上，数据集覆盖了毛里求斯、埃及、南非等36个非洲国家，展现了显著的地域广度。尤为独特的是其结构化拆分能力，数据不仅按性别（男性、女性、总计）进行分层，更通过classif1与classif2字段提供了年龄组与货币类型（如本币）的交叉分类，使得研究者可以深入剖析不同人口学特征下的工资差异。此外，所有指标均附有详尽的数据来源标签与观测状态标识，确保了数据的可追溯性与高质量。

使用方法

数据集的使用极为便捷，完美契合现代机器学习工作流。用户可通过HuggingFace的datasets库直接调用load_dataset函数一键加载，并轻松转换为Pandas的DataFrame格式进行后续分析。具体应用上，研究者既可针对单一国家（如肯尼亚）进行切片分析，探究其特定性别或年龄组的工资走势；亦可利用时间字段对特定指标进行时序建模，洞察工资水平的长期变迁。更高级的应用在于，通过透视表功能将数据重塑为国家×年份的宽表矩阵，便于开展跨国家比较与面板数据计量分析。加载后的数据字段清晰，包含国家代码、指标值、分类维度等结构化列，可直接输入给机器学习模型用于回归预测或分类任务。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）的统计数据库ILOSTAT整理，并由Electric Sheep Africa于2024年重新打包发布，旨在提供非洲36个国家1991年至2024年间按性别、年龄和货币划分的雇员平均小时工资数据，共计11,338条观测记录。作为劳动经济学与区域发展研究的关键资源，该数据集聚焦于非洲大陆薪酬结构的系统性量化，填补了该地区精细化劳动收入数据的空白。其发布为分析非洲劳动力市场中的性别薪酬差异、年龄分层效应及货币政策影响提供了高时间分辨率的数据基础，有效支撑了可持续发展目标（SDGs）中体面劳动与经济增长指标的监测与评估，在学术界与国际发展机构中具有显著影响力。

当前挑战

该数据集所解决的领域核心挑战在于非洲劳动力市场长期存在的薪酬数据碎片化与可比性缺失问题。由于各国统计能力、定义标准（如ICLS国际标准）及数据采集周期不一致，跨国的薪酬结构与性别平等分析常因数据口径不统一而受阻。构建过程中，主要挑战包括：从ILOSTAT REST API的异构数据源中筛选并清洗36个国家的非标准化调查微数据，处理因调查类型（如劳动力调查、企业调查）不同导致的统计口径差异；对年度频率数据中存在的序列中断、异常值及来源标签的追溯性标注，确保时间序列分析的可靠性；以及在多重分类维度（性别、年龄、货币类型）下实现数据的结构化整合，以供机器学习的表格分类与时间序列预测任务直接使用。

常用场景

经典使用场景

在劳动经济学与区域发展研究中，该数据集承载着揭示非洲大陆薪酬动态的关键使命。研究者常利用其跨越36个国家、长达三十余年的小时工资观测值，构建面板数据模型以剖析性别收入差距的演变轨迹，或采用时间序列分析方法捕捉宏观经济政策对劳动力市场回报的冲击效应。数据集提供的按性别与年龄的精细分层，使得交叉分析得以深描不同人口群体在非洲多样化货币环境下的收入异质性，为评估国际劳工标准在非洲本土的落实成效奠定了坚实的数据基础。

解决学术问题

该数据集有效填补了非洲区域薪酬统计的长期空白，使得学者得以系统性地探究性别工资差距在低中高收入国家间的收敛或发散模式，以及年龄与教育对劳动报酬的动态调节作用。它解决了传统研究中因数据碎片化而难以开展跨国比较的痛点，为验证人力资本理论、歧视经济学假说以及制度因素对工资决定机制的影响提供了统一的计量框架。其存在深刻推动了关于非洲大陆劳动力市场一体化进程的量化评估，并为国际组织制定更具针对性的体面劳动政策提供了不可替代的经验证据。

衍生相关工作

该数据集衍生出一系列聚焦非洲劳动市场的经典计量经济研究，包括利用固定效应模型分解性别工资差异的鲍尔丁-朗格夫斯-斯旺类型研究、构建基尼系数与泰尔指数以追踪非洲各国收入不平等长期趋势的比较劳动力分析，以及将小时工资数据与ILO其他就业指标融合后形成的非洲体面劳动综合评估框架。此外，数据集的年度时间跨度和跨国结构还支撑了多个关于非洲大陆自贸区成立前后薪酬收敛性的前沿实证工作，以及基于机器学习的非洲劳动力市场早期预警系统原型开发。