electricsheepafrica/africa-ilo-pop-3wbl-sex-wbl-rt-youth-participation-rate-in-work-based-learning-by

该数据集包含非洲青年工作本位学习参与率的统计数据，按性别和学员类型划分（每1000人）。它涵盖了37个非洲国家，时间范围为2003年至2025年，共1,934个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤非洲国家代码。数据集包括指标“POP_3WBL_SEX_WBL_RT”，用于衡量青年参与工作本位学习的比率，并提供分类维度如性别（总计、男性、女性）和学员类型。数据模式包含国家代码、年份、观测值、数据来源、状态标志等列，适用于表格分类、回归和时间序列预测任务。数据质量注意事项包括数据为年度频率、使用ILO选择的“最佳来源”以及分类列的非空条件。数据集由Electric Sheep Africa重新打包，便于机器学习使用，遵循CC-BY-4.0许可证。许可证：CC BY 4.0 语言： - 英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言属性：单语言 样本规模： - 1000 < 样本量 < 10000 标签： - 表格数据 - 非洲 - ILOSTAT - 基于工作的学习（work-based learning） - ILO（国际劳工组织） - 劳工 - 就业 友好名称："按性别与受训者类型划分的基于工作的学习（work-based learning）青年参与率（每千人 | 非洲（ILOSTAT））" # 按性别与受训者类型划分的基于工作的学习（work-based learning）青年参与率（每千人 | 非洲（ILOSTAT）） 🌍 **1,934 条观测值** · **37 个非洲国家** · **2003–2025** · *由 [Electric Sheep Africa](https://huggingface.co/electricsheepafrica) 重新整理*      ## TL;DR 本数据集包含覆盖37个非洲国家、时间跨度为2003至2025年的**1934条基于工作的学习（work-based learning）观测数据**，仅涉及**1项独特指标**。 ## 关于数据源 **ILOSTAT（国际劳工组织中央统计数据库）** 是国际劳工组织（ILO）的核心统计数据库，为全球领先的劳工统计权威来源。其收录的指标涵盖就业、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（Sustainable Development Goals, SDG）体面工作相关指标——数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录。该数据库覆盖200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WBL_SEX_WBL_RT) - **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**：基于工作的学习（work-based learning） ## 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=POP_3WBL_SEX_WBL_RT`拉取原始数据，并筛选出非洲地区的ISO3国家编码子集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）制定的标准对原始调查微观数据进行规范化处理；数据来源的详细信息将存储在`source.label`列中，以保证数据可追溯性。 ## 地理覆盖范围 37个非洲国家，以下按观测条数排序展示部分样本国家： | 国家 | 观测条数 | 首年 | 末年 | |---------|-----:|-----------:|----------:| | `ZMB` | 146 | 2018 | 2024 | | `UGA` | 123 | 2010 | 2021 | | `GHA` | 115 | 2015 | 2024 | | `TUN` | 108 | 2012 | 2019 | | `BWA` | 108 | 2019 | 2024 | | `MLI` | 102 | 2019 | 2024 | | `SYC` | 92 | 2014 | 2024 | | `ZWE` | 84 | 2019 | 2024 | | `RWA` | 84 | 2020 | 2025 | | `KEN` | 81 | 2019 | 2022 | | `BFA` | 78 | 2018 | 2023 | | `COD` | 62 | 2012 | 2020 | | `TZA` | 60 | 2014 | 2024 | | `BEN` | 54 | 2012 | 2022 | | `COM` | 54 | 2014 | 2021 | | ... | _其余22个国家_ | | | ## 指标（示例） - `POP_3WBL_SEX_WBL_RT` — 按性别与受训者类型划分的基于工作的学习（work-based learning）青年参与率（每千人） ## 数据结构 | 列名 | 数据类型 | 描述 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `BDI` | | `ref_area.label` | `string` | 英文国家名称 | `Burundi` | | `source` | `string` | ILOSTAT 数据源代码（如劳动力调查） | `BB:7040` | | `source.label` | `string` | 英文数据源名称 | `HIES - 生活水平调查` | | `indicator` | `string` | ILOSTAT 指标代码 | `POP_3WBL_SEX_WBL_RT` | | `indicator.label` | `string` | 英文指标名称 | `Youth participation rate in work-base…` | | `sex` | `string` | 按性别分组（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | 分组标签 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `WBL_PMT_TOTAL` | | `classif1.label` | `string` | 分类变量标签 | `Type of trainee (Paid or unpaid): Tot…` | | `time` | `int64` | 观测年份 | `2020` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `14.98` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态标签 | `Unreliable` | | `note_indicator` | `string` | 指标相关注释 | `I11:264` | | `note_indicator.label` | `string` | 注释说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 数据源相关注释 | `R1:3513` | | `note_source.label` | `string` | 注释说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 分解维度 以下列提供数据的分解维度： - **`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，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数据源时，将采用国际劳工组织选定的「最优数据源」。 - 分解维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应分组时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-pop-3wbl-sex-wbl-rt-youth-participation-rate-in-work-based-learning-by") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "POP_3WBL_SEX_WBL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_3WBL_SEX_WBL_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_3WBL_SEX_WBL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_pop_3wbl_sex_wbl_rt_youth_participation_rate_in_work_based_learning_by_2025, title = {Youth participation rate in work-based learning by sex and type of trainee (per 1000 perso | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WBL_SEX_WBL_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-pop-3wbl-sex-wbl-rt-youth-participation-rate-in-work-based-learning-by}} } ## 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的重新整理工作。 ## 关于Electric Sheep Africa Electric Sheep Africa是Electric Sheep使命的组成部分：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通过`load_dataset()`函数在数秒内启动数据分析工作。 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管道摄入。源URL: https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_3WBL_SEX_WBL_RT_