electricsheepafrica/africa-ilo-eap-teap-sex-age-cbr-nb-labour-force-by-sex-age-and-place-of-birth-thousan

该数据集包含按性别、年龄和出生地划分的劳动力数据（以千计），覆盖非洲36个国家，时间跨度为1991年至2025年，共有11,074个观察值，涉及一个指标（EAP_TEAP_SEX_AGE_CBR_NB）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过重新包装以便于机器学习使用。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 样本量范围： - 10000 < 样本量 < 100000 标签： - 表格数据 - 非洲 - 国际劳工组织统计数据库（ILOSTAT） - 国际移民存量 - 国际劳工组织（ILO） - 劳动力 - 就业 美观名称："按性别、年龄和出生地划分的劳动力（千人） | 非洲（ILOSTAT）" --- # 按性别、年龄和出生地划分的劳动力（千人） | 非洲（ILOSTAT） 🌍 **11,074条观测值** · **36个非洲国家** · **1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理*      ## 核心摘要 本数据集包含**11,074条观测值**，涵盖**36个非洲国家**在**1991–2025年**期间的**国际移民存量**相关数据，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，也是全球领先的劳动力统计权威来源。其收录的指标覆盖就业、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（SDG）的体面工作目标等领域，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部门负责数据的标准化整合。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_TEAP_SEX_AGE_CBR_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**：国际移民存量 ## 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=EAP_TEAP_SEX_AGE_CBR_NB`拉取原始数据，并筛选出非洲国家的ISO 3166-1 alpha-3国家代码对应的条目。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；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 覆盖36个非洲国家，以下为按行数排序的前15个国家示例： | 国家 | 行数 | 首年 | 末年 | |---------|-----:|-----------:|----------:| | `GHA` | 950 | 1991 | 2024 | | `ZMB` | 646 | 2017 | 2024 | | `RWA` | 644 | 2014 | 2025 | | `AGO` | 642 | 2009 | 2025 | | `UGA` | 593 | 2010 | 2024 | | `MWI` | 574 | 2005 | 2024 | | `ZWE` | 511 | 2014 | 2024 | | `TZA` | 452 | 2008 | 2024 | | `CPV` | 441 | 2009 | 2022 | | `BFA` | 399 | 2015 | 2024 | | `LBR` | 394 | 2010 | 2017 | | `BEN` | 373 | 2011 | 2024 | | `EGY` | 349 | 2008 | 2011 | | `GMB` | 343 | 2012 | 2025 | | `MLI` | 316 | 2020 | 2024 | | ... | 其余21个国家 | | | ## 指标（示例） - `EAP_TEAP_SEX_AGE_CBR_NB` — 按性别、年龄和出生地划分的劳动力（千人） ## 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 | `Angola` | | `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 | `LFS - Employment Survey` | | `indicator` | `string` | ILOSTAT 指标代码 | `EAP_TEAP_SEX_AGE_CBR_NB` | | `indicator.label` | `string` | 英文指标名称 | `Labour force by sex, age and place of birth (thousands)` | | `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` | 维度对应说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | 分类变量说明 | `Age (Youth, adults): 15+` | | `classif2` | `string` | 可选第二分类变量 | `CBR_BIR_TOTAL` | | `classif2.label` | `string` | 分类变量说明 | `Place of birth: Total` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `15606.68` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 状态说明 | `Unreliable` | | `note_classif` | `float64` | 分类变量备注 | `—` | | `note_classif.label` | `string` | 备注说明 | `—` | | `note_indicator` | `string` | 指标相关备注 | `I11:264` | | `note_indicator.label` | `string` | 备注说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 数据源相关备注 | `R1:3513` | | `note_source.label` | `string` | 备注说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 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，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维度时才会非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-eap-teap-sex-age-cbr-nb-labour-force-by-sex-age-and-place-of-birth-thousan") 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数据 python sample = (df[df["indicator"] == "EAP_TEAP_SEX_AGE_CBR_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EAP_TEAP_SEX_AGE_CBR_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EAP_TEAP_SEX_AGE_CBR_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_eap_teap_sex_age_cbr_nb_labour_force_by_sex_age_and_place_of_birth_thousan_2025, title = {按性别、年龄和出生地划分的劳动力（千人） | 非洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_TEAP_SEX_AGE_CBR_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Africa重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-eap-teap-sex-age-cbr-nb-labour-force-by-sex-age-and-place-of-birth-thousan}} } ## 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使命的一部分：旨在在HuggingFace平台上构建统一的、适配机器学习的非洲数据层。我们从权威开源数据源获取数据，对其schema进行标准化处理，打包为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通过`load_dataset()`即可在数秒内开始工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026-05-26通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EAP_TEAP_SEX_AGE_CBR_NB_

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织（ILO）的ILOSTAT中央统计数据库，由Electric Sheep Africa团队在Hugging Face平台上进行工程化再包装而成。其构建依托于非洲区域官方劳动力统计的既有汇编资料，涵盖36个非洲国家自1991年至2025年间的国际移民劳动力存量数据，累计形成11,074条观测记录，每一条目皆以千人计量单位记录按性别、年龄及出生地划分的劳动力规模。团队以标准化元数据框架对原始来源进行索引与格式转换，生成Parquet文件，并在README中保留数据来源、许可及缺失字段等溯源信息，使原本分散的统计资料成为可直接用于分析的结构化资产。

使用方法

研究者可通过Hugging Face的datasets库以单行代码加载该数据，进而检视数据集各分片的特征结构并预览样本。当返回对象为表格型Dataset时，可借助to_pandas方法转换为数据框以便执行统计分析。使用前应先行审视仓库内数据文件的实际模式、行数与缺失状况，确认变量定义与计量单位后再行建模。若需扩展分析，可依据国别、年份与指标字段与其他Electric Sheep Africa数据集进行联结，并在可复现笔记本中同时标注原始来源与再包装仓库的出处信息。

背景与挑战

背景概述

伴随全球化进程加速，国际移民与劳动力市场的交互关系日益成为发展经济学与劳动经济学的核心议题。非洲作为移民流动活跃且劳动力结构多元的大陆，其按性别、年龄及出生地细分的劳动力数据对于理解人口迁徙与就业格局具有关键价值。该数据集由Electric Sheep Africa于2026年基于国际劳工组织统计数据库（ILOSTAT）整理发布，涵盖36个非洲国家、1991至2025年间共计11074条观测记录，以千人单位呈现不同出生地群体的劳动力规模。作为面向机器学习应用的公开资源，其为非洲劳动市场分析、移民经济研究与政策模拟提供了结构化、可复用的数据基础。

当前挑战

该数据集所应对的核心领域难题在于，非洲各国劳动力统计长期存在口径不一、性别与年龄维度交叉分类缺失以及出生地信息记录不完整等结构性缺陷，导致难以进行跨国与跨时段的系统比较。在构建过程中，数据整合面临源数据分散于多国统计机构、指标定义与单位换算存在异质性、部分国家年份缺失严重等障碍，且出生地变量与劳动力状态的联合分布信息在原始调查中往往稀疏或未予标准化编码。此外，移民身份与就业状态的时序可比性受政策变动与统计方法调整影响，使得缺失值处理与变量对齐成为下游建模不可回避的技术挑战。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉研究中，该数据集最为经典的使用场景在于剖析非洲各国劳动力市场中性别与年龄分层结构，并置于出生地差异的维度下加以考察。研究者可借助其跨国、跨年度的面板特征，构建按性别与年龄组划分的劳动参与率曲线，进而识别不同出生地群体在就业供给上的结构性差异。此类分析往往依托于对1991年至2025年间36个非洲国家的观测数据，追踪国际移民存量与本土劳动力之间的动态关联，为理解非洲区域内人口流动与劳动资源配置提供量化基础。

解决学术问题

该数据集有效回应了非洲劳动统计领域长期存在的若干学术难题，包括跨国劳动力数据口径不一、性别与年龄维度信息稀疏，以及出生地属性与就业指标难以匹配等困境。通过标准化整理ILOSTAT来源的指标，它为检验移民背景对劳动参与的影响、评估不同人口群体的就业脆弱性，以及开展跨国比较研究提供了可复现的数据支撑。其意义在于推动非洲劳动力市场研究从描述性统计向因果推断与政策评估延伸，并为全球劳动统计数据库的非洲区域覆盖补齐关键拼图。

实际应用

在政策制定与国际组织实务中，该数据集可用于监测非洲各国劳动力供给的性别与年龄结构变化，辅助识别移民群体在就业市场中的融入程度与潜在排斥风险。国际劳工组织、区域发展银行及各国劳工部门可据此设计针对青年、女性及跨境移民的就业促进项目，并评估既有劳动政策在不同出生地群体间的实施效果。同时，该数据亦能服务于企业用工规划、人口流动趋势预测及社会保障体系的压力测试，为非洲人力资源开发提供实证依据。

数据集最近研究

最新研究方向

在全球劳动力市场结构性转型与非洲人口红利议题交织的背景下，该数据集以性别、年龄与出生地三重维度刻画非洲36国1991至2025年间的劳动力规模，为国际移民与本土就业的交互机制研究提供了稀缺的纵向证据。当前前沿方向聚焦于跨境迁移者与本地劳动力在年龄—性别分层中的替代或互补效应，尤其关注青年与女性移民群体的劳动参与率变动如何重塑接收国的人力资本结构。围绕非洲大陆自由贸易区推进与移民治理政策协调等热点，该数据集支撑对劳动力流动壁垒、非正规就业分布及人口出生地异质性的实证检验，对制定包容性就业政策与区域一体化战略具有重要的参考价值。