electricsheepafrica/africa-ilo-emp-temp-sex-eco-ins-nb-employment-by-sex-economic-activity-and-public-pri

该数据集包含73,855个观测值，涉及非洲48个国家的就业数据，时间跨度为1991年至2025年，覆盖1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，重点关注按性别、经济活动和公共/私营部门细分的就业情况（以千计）。数据集包括国家代码、年份、指标值、数据来源、分类变量（如性别、经济活动和机构部门）以及数据质量注释。数据经过ILO的统计部门标准化处理，适用于表格分类、回归和时间序列预测等任务。数据集由Electric Sheep Africa重新包装，以Parquet格式提供，便于机器学习研究使用。--- 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 样本量区间: - 10000 < n < 100000 标签: - 表格数据 - 非洲 - ILOSTAT - 就业 - 国际劳工组织（ILO） - 劳工 友好名称: "按性别、经济活动及公共/私营部门划分的就业人数（千人）| 非洲（ILOSTAT）" --- # 按性别、经济活动及公共/私营部门划分的就业人数（千人）| 非洲（ILOSTAT） 🌍 **73,855 条观测值** · **48 个非洲国家** · **1991–2025 年** · *由 [Electric Sheep Africa](https://huggingface.co/electricsheepafrica) 重新整理发布*      ## 简短摘要 本数据集包含**73,855 条就业相关观测值**，覆盖**48 个非洲国家**，时间跨度为**1991–2025 年**，仅包含**1 个核心指标**。 ## 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）的中央统计数据库，为全球领先的劳工统计权威来源。其整合了就业、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协调。 - **数据源地址**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_ECO_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 REST API（`https://rplumber.ilo.org/data/indicator?id=EMP_TEMP_SEX_ECO_INS_NB`）拉取原始数据，并筛选出非洲地区的 ISO3 国家代码对应的样本。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协调；数据来源信息将在 `source.label` 字段中标记，以保证可追溯性。 ## 地理覆盖范围 本数据集覆盖 48 个非洲国家，以下按观测行数排序展示部分样本： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 6,770 | 2000 | 2024 | | `MUS` | 5,918 | 2003 | 2024 | | `EGY` | 4,975 | 2008 | 2024 | | `TUN` | 3,680 | 2005 | 2021 | | `GHA` | 3,250 | 1991 | 2024 | | `AGO` | 3,217 | 2004 | 2025 | | `SYC` | 2,791 | 2014 | 2024 | | `RWA` | 2,747 | 2014 | 2025 | | `MLI` | 2,720 | 2013 | 2024 | | `ZMB` | 2,581 | 2015 | 2024 | | `ZWE` | 2,390 | 2011 | 2024 | | `TZA` | 2,277 | 2001 | 2024 | | `SEN` | 2,061 | 2011 | 2024 | | `BWA` | 2,058 | 2006 | 2024 | | `UGA` | 1,921 | 2010 | 2021 | | ... | _另有33个国家_ | | | ## 指标示例 - `EMP_TEMP_SEX_ECO_INS_NB` — 按性别、经济活动及公共/私营部门划分的就业人数（千人） ## 数据字段结构 | 字段名 | 数据类型 | 字段说明 | 示例值 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3 国家代码 | `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 | `劳动力调查（LFS）` | | `indicator` | `string` | ILOSTAT 指标代码 | `EMP_TEMP_SEX_ECO_INS_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别、经济活动划分的就业人数……` | | `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` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `ECO_SECTOR_TOTAL` | | `classif1.label` | `string` | — | `经济活动（大类行业）：总计` | | `classif2` | `string` | 可选第二分类变量 | `INS_SECTOR_TOTAL` | | `classif2.label` | `string` | — | `机构部门：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位见指标定义） | `13984.984` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `string` | — | `C5:1869` | | `note_classif.label` | `string` | — | `非标准经济活动：包含……` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `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 - 数据为年度频率。部分指标同时发布月度或季度序列，但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”。 - 细分字段（`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-emp-temp-sex-eco-ins-nb-employment-by-sex-economic-activity-and-public-pri") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 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_ECO_INS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_ECO_INS_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_ECO_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_eco_ins_nb_employment_by_sex_economic_activity_and_public_pri_2025, title = {按性别、经济活动及公共/私营部门划分的就业人数（千人）| 非洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_ECO_INS_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-emp-temp-sex-eco-ins-nb-employment-by-sex-economic-activity-and-public-pri}} } ## 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 项目的组成部分：该项目旨在为 HuggingFace 平台构建统一的、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，对其 schema 进行标准化处理，打包为 Parquet 格式，并以统一的数据集卡片发布，使研究人员与开发者可通过 `load_dataset()` 函数在数秒内启动数据使用。 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 ingested。源 URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_ECO_INS_NB_