electricsheepafrica/africa-ilo-how-xees-sex-age-ins-nb-mean-weekly-hours-actually-worked-per-employee-by

该数据集包含28,478个观测值，覆盖41个非洲国家，时间跨度为1991年至2025年，主要指标为员工按性别、年龄和公共/私营部门划分的平均每周实际工作小时数。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并经过处理，适用于表格分类、回归和时间序列预测等任务。数据集包含国家代码、年份、性别、年龄组、部门分类等维度，并提供了数据质量说明和使用示例。license: CC-BY-4.0 language: - 英语 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 < 样本数 < 100000 tags: - 表格数据 - 非洲 - ILOSTAT - 工作时长 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "按性别、年龄及公私部门划分的雇员实际周均工作时长 | 非洲（ILOSTAT）" --- # 按性别、年龄及公私部门划分的雇员实际周均工作时长 | 非洲（ILOSTAT） 🌍 **28478条观测数据** · **41个非洲国家** · **1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## 快速概览 本数据集包含覆盖41个非洲国家、时间跨度为1991–2025年的**28478条工作时长数据观测记录**，仅包含**1项独立指标**。 ## 数据源说明 **国际劳工组织统计数据库（ILOSTAT）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计权威来源。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。其覆盖范围涵盖200余个经济体，由国际劳工组织统计部门负责数据的标准化整合。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_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**：工作时长 ## 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=HOW_XEES_SEX_AGE_INS_NB`拉取数据，并筛选出非洲地区的ISO 3166-1 alpha-3国家编码对应的样本。ILOSTAT采用国际劳工统计学家会议（ICLS）的定义对原始调查微观数据进行标准化整合；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖41个非洲国家，以下为按观测条数排序的前15个国家： | 国家代码 | 观测条数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 3,375 | 2000 | 2024 | | `MUS` | 2,736 | 2003 | 2024 | | `EGY` | 2,183 | 2008 | 2024 | | `RWA` | 1,330 | 2014 | 2025 | | `MLI` | 1,274 | 2013 | 2024 | | `SYC` | 1,215 | 2014 | 2024 | | `GHA` | 1,066 | 1991 | 2024 | | `ZMB` | 1,041 | 2017 | 2024 | | `UGA` | 966 | 2010 | 2021 | | `TZA` | 947 | 2001 | 2024 | | `ZWE` | 941 | 2014 | 2024 | | `AGO` | 939 | 2019 | 2025 | | `BWA` | 935 | 2006 | 2024 | | `SEN` | 933 | 2015 | 2024 | | `KEN` | 794 | 1999 | 2022 | | ... | _其余26个国家_ | | | ## 指标（示例） - `HOW_XEES_SEX_AGE_INS_NB` — 按性别、年龄及公私部门划分的雇员实际周均工作时长 ## 数据结构 | 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数据源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文数据源名称 | `劳动力调查（LFS）` | | `indicator` | `string` | ILOSTAT指标代码 | `HOW_XEES_SEX_AGE_INS_NB` | | `indicator.label` | `string` | 英文指标名称 | `雇员实际周均工作时长……` | | `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` | 性别细分维度说明 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | 第一分类变量说明 | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `INS_SECTOR_TOTAL` | | `classif2.label` | `string` | 第二分类变量说明 | `机构部门：总计` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，详见指标定义） | `49.3` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 观测状态说明 | `不可靠` | | `note_classif` | `float64` | 分类变量备注 | `—` | | `note_classif.label` | `float64` | 分类变量备注说明 | `—` | | `note_indicator` | `string` | 指标备注 | `I11:264` | | `note_indicator.label` | `string` | 指标备注说明 | `序列中断：方法学已修订` | | `note_source` | `string` | 数据源备注 | `R1:3513` | | `note_source.label` | `string` | 数据源备注说明 | `存储库：国际劳工组织统计部-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数据。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”。 - 仅当指标支持对应细分维度时，`sex`、`classif1`、`classif2`等细分字段才会有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-how-xees-sex-age-ins-nb-mean-weekly-hours-actually-worked-per-employee-by") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "HOW_XEES_SEX_AGE_INS_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_XEES_SEX_AGE_INS_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_XEES_SEX_AGE_INS_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_how_xees_sex_age_ins_nb_mean_weekly_hours_actually_worked_per_employee_by_2025, title = {Mean weekly hours actually worked per employee by sex, age and public/private sector | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_INS_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-how-xees-sex-age-ins-nb-mean-weekly-hours-actually-worked-per-employee-by}} } ## 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平台上构建面向非洲的统一、可直接用于机器学习的数据层。我们从权威开源数据源拉取数据，标准化数据结构，封装为Parquet格式，并发布格式统一的数据集卡片，以便研究人员和开发者仅需调用`load_dataset()`即可在数秒内启动研究工作。 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数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_XEES_SEX_AGE_INS_NB_

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，聚焦非洲地区41个国家1991至2025年间雇员平均每周实际工作小时数。通过调用ILOSTAT REST API接口，获取指标代码为HOW_XEES_SEX_AGE_INS_NB的原始数据，并依据非洲ISO3国家代码进行地理过滤。数据经ILO基于国际劳动统计学家会议（ICLS）定义进行协调统一，涵盖性别、年龄段及公共/私营部门等分类维度，共计28,478条观测记录。Electric Sheep Africa团队对数据进行了重新封装，以Parquet格式发布，确保机器学习就绪的标准化结构。

使用方法

数据集可通过HuggingFace Datasets库便捷加载：使用load_dataset函数直接获取训练集，并转换为Pandas DataFrame进行后续分析。用户可按国家代码筛选特定区域数据，如提取肯尼亚的观测值；也可针对单一指标进行时间序列可视化，通过排序和绘图揭示变化趋势。此外，支持数据透视操作，将数据重塑为国家×年份矩阵，便于跨国家比较与面板数据分析。数据集以CC-BY-4.0许可发布，引用时需注明ILO原始来源及Electric Sheep Africa的封装贡献。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa重新打包，聚焦于非洲41个国家1991至2025年间按性别、年龄及公共/私营部门划分的员工平均每周实际工时（HOW_XEES_SEX_AGE_INS_NB）。作为ILOSTAT数据库的子集，其核心研究问题在于揭示非洲劳动力市场中工时分布的异质性，为评估体面劳动目标（SDG 8）提供量化依据。数据集涵盖28,478条观测，整合了多国劳动力调查等官方来源，通过ILO统一的统计方法（ICLS定义）进行标准化，极大提升了跨区域可比性，对发展经济学、劳动社会学及政策分析领域具有重要参考价值。

当前挑战

所解决的领域问题在于填补非洲工时数据的碎片化与可比性缺失——长期缺乏高分辨率、标准化且按人口特征细分的面板数据，使得跨国时序分析、性别差异研究及公共政策评估难以深入。构建过程中面临多重挑战：首先，各国数据采集频率与质量参差，1991至2025年间部分国家仅有零星年份记录；其次，需处理来自不同调查（如劳动力调查）的源数据异质性，ILO虽筛选“最佳来源”，但不可靠观测值（obs_status标志）与序列断裂（note_indicator标注）仍常见；此外，国家覆盖率不均，南非与毛里求斯等拥有较密观测，而大量国家仅少量记录，影响模型泛化能力。

常用场景

经典使用场景

该数据集广泛应用于非洲劳动经济学的实证研究，特别是在分析不同性别、年龄及公共/私营部门间劳动者实际周工作小时数的差异时，成为核心数据支撑。研究者常将其与宏观劳动力调查数据结合，构建面板数据模型，以揭示非洲各国劳动力市场的结构性特征。经典用法包括跨国家、跨时间段的描述性统计分析，以及利用时间序列方法考察工作时长的长期趋势与周期性波动。

解决学术问题

该数据集有效填补了非洲地区劳动时间统计长期存在的碎片化与不一致性缺口，为解答‘非洲劳动力市场性别分工如何随时间演变’、‘公共与私营部门工作强度的差异是否随经济发展收敛’等关键学术问题提供了可靠依据。其高维度的分类标签（性别、年龄、部门）使研究者能够深入剖析劳动供给决策中的异质性，推动了发展经济学与劳动经济学关于非洲大陆体面劳动、性别平等与劳动力市场制度比较的实证研究。

实际应用

在实际应用层面，该数据集为国际劳工组织（ILO）及非洲各国劳动部门评估劳动政策效果提供了数据基础，例如用以监测最低工资政策或职业安全法规对实际工作小时数的影响。企业人力规划与跨国商业分析中，该数据有助于优化非洲市场的用工成本预算与合规性评估。此外，非政府组织可利用该数据集识别劳动权益风险较高的群体，从而精准设计干预措施，推动非洲大陆体面劳动目标的实现。

数据集最近研究

最新研究方向

该数据集聚焦于非洲大陆雇员平均每周实际工作时间的细粒度分析，通过性别、年龄及公共/私营部门的多维交叉视角，为劳动经济学与时序预测研究提供了稀缺的高质量数据基础。当前前沿方向之一是利用该长跨度面板数据（1991-2025）结合机器学习模型，探究非洲各国劳动供给模式的结构性变迁及其与可持续发展目标（SDG 8体面工作）的关联。另一个热点方向是将其融入非洲劳动力市场的区域比较研究，特别是在非正规就业普遍、数据零散的环境下，该数据集通过ILOSTAT标准化流程整合了41国的权威调查，为量化政策冲击（如疫情后工时恢复差异）和跨部门劳动效率评估提供了可复现的实证支撑。其时间序列与分类回归的双重属性，也使其成为研究性别平等、青年就业等非洲发展议程中关键议题的宝贵工具。