electricsheepafrica/africa-ilo-emp-temp-sex-ste-ins-nb-employment-by-sex-status-in-employment-and-public

这是一个关于非洲就业的表格数据集，包含按性别、就业状态和公共/私营部门划分的就业数据（以千计）。数据集涵盖48个非洲国家，时间跨度为1991年至2025年，包含20,135个观测值和1个主要指标（EMP_TEMP_SEX_STE_INS_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过REST API获取并过滤到非洲地区，经过重新打包以适用于机器学习任务。数据集包括国家代码、年份、性别分类、就业状态、机构部门等列，并包含数据质量注释和来源信息。许可证：CC BY 4.0 语言： - 英语 任务类别： - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言属性：单语言（monolingual） 样本规模类别： - 10000 < 样本数 < 100000 标签： - 表格数据（tabular） - 非洲（africa） - ILOSTAT（ilostat） - 就业（employment） - 国际劳工组织（ILO） - 劳动（labour） 友好名称："按性别、就业身份及公/私营部门划分的就业人数（千人） | 非洲（ILOSTAT）" # 按性别、就业身份及公/私营部门划分的就业人数（千人） | 非洲（ILOSTAT） 🌍 **20135条观测样本** · **48个非洲国家** · **1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## 核心摘要 本数据集包含覆盖**48个非洲国家、时间跨度为1991至2025年**的**就业数据**，共计**20135条观测样本**，仅包含**1项独立指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（International Labour Organization，ILO）的核心统计数据库，也是全球领先的劳动统计权威数据源。该库整合了就业、失业、薪酬、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）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录。其覆盖范围超过200个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_STE_INS_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**：就业 ## 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=EMP_TEMP_SEX_STE_INS_NB`获取，并筛选出非洲国家的ISO 3166-1 alpha-3（ISO3）国家代码对应的数据。ILOSTAT采用国际劳工统计学家会议（ICLS，International Conference of Labour Statisticians）的定义对原始调查微观数据进行标准化协调；数据来源信息将在`source.label`列中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖48个非洲国家，以下按观测样本数量排序展示Top10国家： | 国家代码 | 观测样本数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 1753 | 2000 | 2024 | | `MUS` | 1524 | 2003 | 2024 | | `TUN` | 1178 | 2005 | 2021 | | `EGY` | 1090 | 2008 | 2024 | | `GHA` | 891 | 1991 | 2024 | | `AGO` | 834 | 2004 | 2025 | | `MLI` | 780 | 2013 | 2024 | | `RWA` | 707 | 2014 | 2025 | | `SYC` | 664 | 2014 | 2024 | | `ZWE` | 619 | 2011 | 2024 | | `ZMB` | 585 | 2015 | 2024 | | `TZA` | 581 | 2001 | 2024 | | `UGA` | 567 | 2010 | 2021 | | `CIV` | 551 | 1998 | 2022 | | `SEN` | 546 | 2011 | 2024 | | ... | 其余33个国家 | | | ## 指标示例 - `EMP_TEMP_SEX_STE_INS_NB` — 按性别、就业身份及公/私营部门划分的就业人数（千人） ## Schema（数据结构） | 列名 | 数据类型 | 说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国家代码 | `AGO` | | `ref_area.label` | `string` | 英文国家名称 | `Angola` | | `source` | `string` | ILOSTAT来源代码（例如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文来源名称 | `LFS - Employment Survey` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_TEMP_SEX_STE_INS_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employment by sex, status in employme…` | | `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` | 无补充说明 | `Total` | | `classif1` | `string` | 第一分类变量（涵盖年龄、教育程度、就业身份等） | `STE_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 无补充说明 | `Status in employment (Aggregate): Total` | | `classif2` | `string` | 第二分类变量（按需启用） | `INS_SECTOR_TOTAL` | | `classif2.label` | `string` | 无补充说明 | `Institutional sector: Total` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位需参照对应指标定义） | `13984.984` | | `obs_status` | `string` | 观测状态标记（例如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 无补充说明 | `Unreliable` | | `note_classif` | `string` | 无补充说明 | `C2:6257` | | `note_classif.label` | `string` | 无补充说明 | `Nonstandard status in employment grou…` | | `note_indicator` | `string` | 无补充说明 | `I11:264` | | `note_indicator.label` | `string` | 无补充说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 无补充说明 | `R1:3513` | | `note_source.label` | `string` | 无补充说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 数据细分维度 以下列提供数据细分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集采用年度频率。部分指标同时发布月度或季度序列，但未包含在本数据集中。 - 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」。 - 细分维度列（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-temp-sex-ste-ins-nb-employment-by-sex-status-in-employment-and-public") 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可视化 python sample = (df[df["indicator"] == "EMP_TEMP_SEX_STE_INS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_STE_INS_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_STE_INS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_emp_temp_sex_ste_ins_nb_employment_by_sex_status_in_employment_and_public_2025, title = {Employment by sex, status in employment and public/private sector (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_STE_INS_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-temp-sex-ste-ins-nb-employment-by-sex-status-in-employment-and-public}} } ## 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数据源及Electric Sheep Africa的重新整理版本。 ## 关于Electric Sheep Africa Electric Sheep Africa 是Electric Sheep项目的一部分，该项目旨在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schema进行标准化，以Parquet格式打包，并发布格式统一的数据集卡片，使研究人员和开发者可以通过`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年5月25日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_STE_INS_NB_