electricsheepafrica/africa-education-namibia

该数据集提供了纳米比亚各地医疗保健和教育服务空间可达性的洞察。它使用免费开源工具（如openrouteservice）和开放数据源（主要是OpenStreetMap）创建。为了评估教育和医疗保健的可达性，数据集利用旅行时间等时线（即表示在给定时间或距离内驾车可到达区域的多边形）与WorldPop人口数据（提供100米分辨率估计）叠加。这允许计算距离医院服务10到120分钟和距离学校5到50公里范围内的人口。分析单位基于geoboundaries的国界，并在可用时在更细的行政级别（ADM 1-4）上汇总结果。数据集包含变量如地区名称、ISO国家代码、唯一标识符、行政级别、服务类别（教育、医院或初级医疗）、范围类型（距离或时间）、范围值（米或秒）、总人口、学龄人口数量、学龄人口比例、人口份额等。annotations_creators: - 无标注 language_creators: - 采集所得 language: - 英语 license: cc-by-sa-4.0 multilinguality: - 单语言 size_categories: - 1K<n<10K source_datasets: - 原创数据集 task_categories: - 表格分类 - 表格回归 - 其他 task_ids: [] tags: - 非洲 - 人道主义 - HDX - Electric Sheep Africa - 教育 - 医疗设施 - 交通 - 纳米比亚 pretty_name: "纳米比亚——可达性指标" dataset_info: splits: - name: 训练集 num_examples: 1872 - name: 测试集 num_examples: 468 # 纳米比亚——可达性指标 **发布方**：HeiGIT（海德堡地理信息技术研究所）· **数据来源**：[人类数据交换平台（HDX）](https://data.humdata.org/dataset/namibia-accessibility-indicators) · **许可协议**：`cc-by-sa` · **最后更新时间**：2026-02-27 --- ## 摘要 本数据集旨在揭示纳米比亚境内医疗与教育服务的空间可达性情况。本数据集依托开源工具（如[openrouteservice](https://openrouteservice.org/)）与开放数据源（主要为[OpenStreetMap（OSM）](https://www.openstreetmap.org/)）构建完成。 为评估教育与医疗服务的可达性，本研究采用旅行时间等时线——即表征驾车在指定时间或距离内可抵达区域的多边形——作为分析手段。我们将等时线与[WorldPop](https://www.worldpop.org/)的100米分辨率人口估算数据进行叠加分析，以此计算距医疗服务设施10至120分钟车程范围内、距学校5至50公里范围内的人口总量。本数据集的分析单元以[geoboundaries](https://www.geoboundaries.org/)提供的国家边界为基准，若数据可用，还会按更精细的行政级别（ADM 1至4）对结果进行汇总。 数据结构： - **name**：区域或国家名称 - **iso**：ISO3国家代码 - **id**：行政单元唯一标识符 - **country**：ISO3国家代码 - **admin_level**：行政单元级别 - **category**：服务类别 — `education`（教育）、`hospitals`（医院）或`primary_healthcare`（基层医疗） - **range_type**：服务区划定方法 — `distance`（距离）或`time`（时间） - **range**：生成多边形时所用的距学校距离（单位：米）或出行时间（单位：秒） - **population**：指定范围内的总人口数 - **school_age_population**：指定范围内的学龄人口数 - **school_age_population_share**：学龄人口累计占比 - **school_age_population_interval**：当前距离区间内新增的学龄人口数 - **school_age_population_interval_share**：当前区间内新增学龄人口的占比 - **population_share**：总人口累计占比 - **population_interval**：当前距离区间内新增的总人口数 - **population_interval_share**：当前区间内新增总人口的占比 本数据集是HeiGIT在HDX平台发布的众多数据集之一，更多相关信息可访问[HeiGIT官网](https://heigit.org/)查询。 我们期待了解您的应用场景！欢迎通过[[e-mail]](mailto:[e-mail])联系我们，分享您的研究成果，我们将乐于协助推广您的工作。 参考文献： - [Geldsetzer, P., Reinmuth, M., Ouma, P. O., Lautenbach, S. 等 (2020)](https://www.thelancet.com/journals/lanhl/article/PIIS2666-7568(20)30010-6/fulltext) - [Petricola, S., Reinmuth, M., Lautenbach, S. 等 (2022)](https://ij-healthgeographics.biomedcentral.com/articles/10.1186/s12942-022-00315-2) - [Klipper, I. G., Zipf, A., Lautenbach, S. (2021)](https://agile-giss.copernicus.org/articles/2/4/2021/) - [Ruiz Sánchez, R., Reinmuth, M., Albornoz, C., Lautenbach, S., Zipf, A. (2025)](https://agile-giss.copernicus.org/articles/6/10/2025/) 补充信息： - [Open Access Lens](https://giscience.github.io/open-access-lens/#/) **局限性**： * **OSM数据完整性**：本分析基于OpenStreetMap（OSM）数据。尽管OSM是全球最完善的开源地图数据集，但不同区域的数据质量差异显著。在道路或设施未被标注的区域，可达性估算结果可能偏低。 * **人口估算误差**：人口数据来源于WorldPop的自上而下约束式估算结果，其基于人口普查投影与卫星影像构建的统计模型，而非直接的人口普查计数，因此在局部像素级别可能存在误差。 * **出行时间假设局限**：等时线的计算基于不同道路类型的标准车辆行驶速度，未考虑实时交通、季节性天气（如洪涝）或路面破损等因素。 * **边界精度问题**：行政边界数据来源于geoBoundaries，其与官方政府划定的边界或其他标准可能存在细微差异。 本数据集的每一行均为国家层级的聚合数据。数据集最后一次在HDX平台更新的时间为2026-02-27，地理覆盖范围：**NAM（纳米比亚）**。 *本数据集已由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)整理为适用于机器学习的Parquet格式。* --- ## 数据集特征 | | | |---|---| | **领域** | 公共卫生 | | **观测单元** | 国家层级聚合数据 | | **总数据行数** | 2,340 | | **列数** | 14（5列数值型，9列分类型，0列日期时间型） | | **训练集划分** | 1,872行 | | **测试集划分** | 468行 | | **地理覆盖范围** | NAM | | **发布方** | HeiGIT（海德堡地理信息技术研究所） | | **HDX平台最后更新时间** | 2026-02-27 | --- ## 变量说明 **地理类变量** — `country`（国家代码，值为NAM）、`admin_level`（行政级别，可选ADM2、ADM1、ADM0）、`category`（服务类别）、`range_type`（可达性计算方式，可选DISTANCE）、`population_type`（人口类型，可选school_age、total）等共9类变量。 **标识符与元数据类变量** — `name`（区域名称，例如Luderitz、Karas、Kalahari）、`id`（行政单元唯一标识符，例如8085530B86358564716630）、`esa_source`（HDX）、`esa_processed`（2026-04-27）。 **其他变量** — `range`（取值范围为5000.0–50000.0）。 --- ## 快速入门 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-education-namibia") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() --- ## 数据Schema | 列名 | 数据类型 | 空值占比 | 取值范围/示例值 | |---|---|---|---| | `name` | 字符串 | 0.0% | Luderitz, Karas, Kalahari | | `id` | 字符串 | 0.0% | 8085530B86358564716630, 8085530B72153402463843, 8085530B71951838310116 | | `country` | 字符串 | 0.0% | NAM | | `admin_level` | 字符串 | 0.0% | ADM2, ADM1, ADM0 | | `category` | 字符串 | 0.0% | education | | `range_type` | 字符串 | 0.0% | DISTANCE | | `range` | 64位整数 | 0.0% | 5000.0 – 50000.0（均值为27500.0） | | `population_type` | 字符串 | 0.0% | school_age, total | | `population` | 64位整数 | 0.0% | 22.0 – 1900195.0（均值为29338.6064） | | `population_share` | 64位浮点数 | 0.0% | 0.89 – 100.0（均值为55.5838） | | `population_interval` | 64位整数 | 0.0% | 0.0 – 1368977.0（均值为3451.8329） | | `population_interval_share` | 64位浮点数 | 0.0% | 0.0 – 100.0（均值为6.7706） | | `esa_source` | 字符串 | 0.0% | HDX | | `esa_processed` | 字符串 | 0.0% | 2026-04-27 | --- ## 数值型变量统计摘要 | 列名 | 最小值 | 最大值 | 均值 | 中位数 | |---|---|---|---|---| | `range` | 5000.0 | 50000.0 | 27500.0 | 27500.0 | | `population` | 22.0 | 1900195.0 | 29338.6064 | 7310.0 | | `population_share` | 0.89 | 100.0 | 55.5838 | 51.63 | | `population_interval` | 0.0 | 1368977.0 | 3451.8329 | 124.0 | | `population_interval_share` | 0.0 | 100.0 | 6.7706 | 0.87 | --- ## 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。列名被转换为小写并统一为蛇形命名法。常见的缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）被统一替换为`NaN`。删除了1列缺失值占比超过80%的列：`iso`。数据集以固定随机种子（42）按80/20的比例划分为训练集与测试集，并保存为Snappy压缩的Parquet格式。 --- ## 局限性补充 - 本数据集源自HeiGIT（海德堡地理信息技术研究所），未经Electric Sheep Africa的独立验证。 - 自动化清洗流程无法修正原始数据集中的错误上报值、定义不一致或采样偏差问题。 - 如需了解发布方的方法论说明与注意事项，请参阅[原始HDX数据集页面](https://data.humdata.org/dataset/namibia-accessibility-indicators)。 --- ## 引用格式 bibtex @dataset{hdx_africa_education_namibia, title = {Namibia - Accessibility Indicators}, author = {HeiGIT (Heidelberg Institute for Geoinformation Technology)}, year = {2026}, url = {https://data.humdata.org/dataset/namibia-accessibility-indicators}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} } --- *[Electric Sheep Africa](https://huggingface.co/electricsheepafrica) — 非洲机器学习数据集基础设施，尼日利亚拉各斯。*