electricsheepafrica/africa-disability-angola

该数据集包含来自世界卫生组织数据门户的数据，覆盖了以下类别：空气污染、儿童死亡率、痴呆诊断、治疗和护理、环境与健康、食品安全、全球痴呆观察站、全球健康估计：预期寿命和主要死因及残疾、全球酒精与健康信息系统、全球患者安全观察站、HIV、健康融资、卫生系统、健康税、卫生人力、肝炎、免疫覆盖和疫苗可预防疾病、疟疾、孕产妇和生殖健康、心理健康、被忽视的热带疾病、非传染性疾病、营养、口腔健康、优先卫生技术、物质使用障碍资源、道路安全、性传播感染、物质使用障碍服务覆盖、烟草控制、结核病、全民健康覆盖、SDG目标3.8、疫苗可预防传染病、暴力预防、水、卫生和卫生设施、世界卫生统计。数据集中的每一行代表一级行政单位的观察数据。数据最后更新于HDX的日期为2026年4月15日，地理范围为安哥拉。annotations_creators: - 无注释 language_creators: - 公开获取 language: - 英语 license: - 其他许可 multilinguality: - 单语言 size_categories: - 10000 < 样本数 < 100000 source_datasets: - 原创数据集 task_categories: - 表格分类 task_ids: - 无 tags: - 非洲 - 人道主义 - HDX（Humanitarian Data Exchange，人道主义数据交换平台） - Electric Sheep Africa（电羊非洲团队） - 残疾 - 疾病 - 环境 - 健康 - 指标 - 疟疾 - 孕产妇健康 - 心理健康 - AGO（安哥拉国家代码） pretty_name: "安哥拉——健康指标数据集" dataset_info: splits: - name: 训练集 num_examples: 15461 - name: 测试集 num_examples: 3865 --- # 安哥拉——健康指标数据集 **发布方：** 世界卫生组织（World Health Organization，WHO） · **来源：** [HDX（Humanitarian Data Exchange，人道主义数据交换平台）](https://data.humdata.org/dataset/who-data-for-ago) · **许可：** `hdx-other` · **更新时间：** 2026-04-15 --- ## 摘要 本数据集包含来自WHO的[数据门户](https://www.who.int/gho/en/)的相关数据，涵盖以下类别： 空气污染、儿童死亡率、痴呆症诊断、治疗与照护、环境与健康、食品安全、全球痴呆症观测站（Global Dementia Observatory，GDO）、全球健康估算：预期寿命与主要死亡及残疾原因、全球酒精与健康信息系统、全球患者安全观测站、艾滋病病毒（HIV）、卫生筹资、卫生系统、健康税、卫生人力、肝炎、免疫接种覆盖与疫苗可预防疾病、疟疾、孕产妇与生殖健康、心理健康、被忽视的热带病、非传染性疾病、营养、口腔健康、优先卫生技术、物质使用障碍资源、道路安全、性传播感染、物质使用障碍服务覆盖、烟草控制、结核病、全民健康覆盖（Universal Health Coverage，UHC）、可持续发展目标（Sustainable Development Goals，SDG）3.8指标、疫苗可预防传染病、暴力预防、水、环境卫生与个人卫生（Water, Sanitation and Hygiene，WASH）、世界卫生统计。 如需获取各指标元数据的链接，请参阅资源描述。 本数据集的每一行均代表一级行政单元的观测数据。本数据集最近一次在HDX平台更新的时间为2026年4月15日。地理覆盖范围：**AGO（安哥拉国家代码）**。 *本数据集由[Electric Sheep Africa（电羊非洲团队）](https://huggingface.co/electricsheepafrica)整理为适合机器学习的Parquet格式。* --- ## 数据集特征 | | | |---|---| | **领域** | 粮食安全与营养 | | **观测单元** | 一级行政单元观测数据 | | **总行数** | 19327 | | **列数** | 19列（6列数值型、13列分类型、0列日期时间型） | | **训练集划分** | 15461条数据 | | **测试集划分** | 3865条数据 | | **地理覆盖范围** | AGO | | **发布方** | 世界卫生组织 | | **HDX平台最后更新时间** | 2026-04-15 | --- ## 变量 **地理相关字段** — `gho_display`（<5岁儿童死亡数（按死因分类）、<5岁儿童死亡原因分布（百分比）、每1000活产儿死亡数）、`year_display`（取值范围1961.0–2030.0）、`startyear`（取值范围1961.0–2030.0）、`endyear`（取值范围1961.0–2030.0）、`region_code`（AFR）及其他4个字段。 **结果/测量字段** — `value`。 **标识符/元数据字段** — `gho_code`（MORT_100、MORT_300、MORT_200）、`dimension_code`（SEX_BTSX、SEX_FMLE、SEX_MLE）、`dimension_name`（男女合计、女性、男性）、`esa_source`、`esa_processed`。 **其他字段** — `gho_url`（示例链接：https://www.who.int/data/gho/data/indicators/indicator-details/GHO/number-of-deaths、https://www.who.int/data/gho/data/indicators/indicator-details/GHO/deaths-per-1-000-live-births、https://www.who.int/data/gho/data/indicators/indicator-details/GHO/distribution-of-causes-of-death-among-children-aged-5-years-%28-%29）、`numeric`（取值范围-0.0012–13706452507.0）、`low`（取值范围-0.0381–1202556.196）、`high`（取值范围0.0–2029345.865）。 --- ## 快速入门 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-disability-angola") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() --- ## 数据结构 | 列名 | 数据类型 | 缺失率 | 取值范围/示例值 | |---|---|---|---| | `gho_code` | 字符串（object） | 0.0% | MORT_100、MORT_300、MORT_200 | | `gho_display` | 字符串（object） | 0.0% | <5岁儿童死亡数（按死因分类）、<5岁儿童死亡原因分布（百分比）、每1000活产儿死亡数 | | `gho_url` | 字符串（object） | 0.0% | 示例链接：https://www.who.int/data/gho/data/indicators/indicator-details/GHO/number-of-deaths、https://www.who.int/data/gho/data/indicators/indicator-details/GHO/deaths-per-1-000-live-births、https://www.who.int/data/gho/data/indicators/indicator-details/GHO/distribution-of-causes-of-death-among-children-aged-5-years-%28-%29 | | `year_display` | 整数型（int64） | 0.0% | 1961.0 – 2030.0（均值2009.6312） | | `startyear` | 整数型（int64） | 0.0% | 1961.0 – 2030.0（均值2009.6284） | | `endyear` | 整数型（int64） | 0.0% | 1961.0 – 2030.0（均值2009.6312） | | `region_code` | 字符串（object） | 0.0% | AFR | | `region_display` | 字符串（object） | 0.0% | 非洲 | | `country_code` | 字符串（object） | 0.0% | AGO | | `country_display` | 字符串（object） | 0.0% | 安哥拉 | | `dimension_type` | 字符串（object） | 11.5% | SEX、RESIDENCEAREATYPE、TOBACCO_INDICATOR | | `dimension_code` | 字符串（object） | 11.5% | SEX_BTSX、SEX_FMLE、SEX_MLE | | `dimension_name` | 字符串（object） | 11.6% | 男女合计、女性、男性 | | `numeric` | 浮点型（float64） | 11.7% | -0.0012 – 13706452507.0（均值2441759.4275） | | `value` | 字符串（object） | 0.1% | 无 | | `low` | 浮点型（float64） | 38.2% | -0.0381 – 1202556.196（均值8703.0279） | | `high` | 浮点型（float64） | 38.2% | 0.0 – 2029345.865（均值19049.0574） | | `esa_source` | 字符串（object） | 0.0% | 无 | | `esa_processed` | 字符串（object） | 0.0% | 无 | --- ## 数值型字段统计摘要 | 列名 | 最小值 | 最大值 | 均值 | 中位数 | |---|---|---|---|---| | `year_display` | 1961.0 | 2030.0 | 2009.6312 | 2012.0 | | `startyear` | 1961.0 | 2030.0 | 2009.6284 | 2012.0 | | `endyear` | 1961.0 | 2030.0 | 2009.6312 | 2012.0 | | `numeric` | -0.0012 | 13706452507.0 | 2441759.4275 | 20.954 | | `low` | -0.0381 | 1202556.196 | 8703.0279 | 14.1087 | | `high` | 0.0 | 2029345.865 | 19049.0574 | 33.9 | --- ## 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。对列名进行了小写转换与蛇形命名标准化处理。将常见的缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）统一替换为`NaN`。删除了578条完全重复的行。采用固定随机种子（42）将数据集按80/20的比例划分为训练集与测试集，并保存为Snappy压缩格式的Parquet文件。 --- ## 数据集局限性 - 本数据集原始数据来源于世界卫生组织，未经过Electric Sheep Africa的独立验证。 - 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。 - 以下列的缺失率超过20%，在建模过程中需谨慎使用：`low`、`high`。 - 如需查看发布方的方法说明与免责声明，请参阅[原始HDX数据集页面](https://data.humdata.org/dataset/who-data-for-ago)。 --- ## 引用格式 bibtex @dataset{hdx_africa_disability_angola, title = {Angola - Health Indicators}, author = {World Health Organization}, year = {2026}, url = {https://data.humdata.org/dataset/who-data-for-ago}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} } --- *[Electric Sheep Africa（电羊非洲团队）](https://huggingface.co/electricsheepafrica) — 非洲机器学习数据集基础设施。尼日利亚拉各斯。*