electricsheepafrica/africa-ilo-pop-xwap-sex-age-cct-nb-working-age-population-by-sex-age-and-citizenship

该数据集包含非洲45个国家1991年至2025年间的国际移民存量数据，共有12,955个观测值，核心指标为“按性别、年龄和公民身份划分的劳动年龄人口（千人）”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过统一处理，涵盖人口统计分类，如性别（总计、男性、女性）、年龄组和公民身份，并包括数据来源、观测状态和质量注释等信息。数据集以表格形式组织，适用于表格分类、回归和时间序列预测等任务。license: 知识共享署名4.0协议（cc-by-4.0） language: - en（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（monolingual） size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据（tabular） - 非洲（africa） - ilostat - 国际移民存量（international-migrant-stock） - ilo - 劳动（labour） - 就业（employment） pretty_name: "按性别、年龄和公民身份划分的劳动年龄人口（千人）| 非洲（ILOSTAT）" # 按性别、年龄和公民身份划分的劳动年龄人口（千人）| 非洲（ILOSTAT） 🌍 **12955条观测值** · **45个非洲国家** · **1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新封装*      ## 核心摘要 本数据集包含覆盖45个非洲国家、时间跨度为1991至2025年的**12955条`国际移民存量`观测数据**，仅涉及**1个核心指标**。 ## 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）的中央统计数据库，是全球领先的劳动统计权威来源。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（SDG）体面工作目标等各类指标，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，覆盖全球200余个经济体，由国际劳工组织统计司负责数据统一协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XWAP_SEX_AGE_CCT_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 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=POP_XWAP_SEX_AGE_CCT_NB`拉取，并筛选出非洲地区的ISO 3166-1 alpha-3国家代码。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）定义对原始调查微观数据进行统一协调；数据溯源信息将在`source.label`列中标记。 ## 地理覆盖范围 45个非洲国家，下表按行数排序展示前10个国家的相关信息： | 国家 | 行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `GHA` | 915 | 1991 | 2024 | | `SYC` | 876 | 2014 | 2024 | | `MLI` | 839 | 2013 | 2024 | | `BWA` | 805 | 1996 | 2024 | | `RWA` | 790 | 2014 | 2025 | | `NAM` | 600 | 1994 | 2018 | | `SEN` | 581 | 2011 | 2024 | | `ZWE` | 513 | 2014 | 2024 | | `CIV` | 486 | 2012 | 2022 | | `ZMB` | 483 | 2017 | 2024 | | `TZA` | 470 | 2001 | 2024 | | `GMB` | 359 | 2012 | 2025 | | `BFA` | 319 | 2018 | 2023 | | `BEN` | 267 | 2019 | 2024 | | `COD` | 259 | 2005 | 2020 | | ... | _另有30个国家_ | | | ## 指标（示例） - `POP_XWAP_SEX_AGE_CCT_NB` — 按性别、年龄和公民身份划分的劳动年龄人口（千人） ## 数据架构 | 列名 | 数据类型 | 描述 | 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`（安哥拉） | | `source` | `string` | ILOSTAT数据源代码（如劳动力调查） | `BB:16199` | | `source.label` | `string` | 英文数据源名称 | `HIES - 支出、收入调查……` | | `indicator` | `string` | ILOSTAT指标代码 | `POP_XWAP_SEX_AGE_CCT_NB` | | `indicator.label` | `string` | 英文指标名称 | `Working-age population by sex, age an…`（按性别、年龄和……划分的劳动年龄人口） | | `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` | — | `Total`（总计） | | `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` | — | `Age (Youth, adults): 15+`（年龄（青年、成人）：15岁及以上） | | `classif2` | `string` | 可选第二分类变量 | `CCT_CIT_TOTAL` | | `classif2.label` | `string` | — | `Citizenship: Total`（公民身份：总计） | | `time` | `int64` | 观测年份 | `2019` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `14655.781` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable`（不可靠） | | `note_classif` | `float64` | — | `—` | | `note_classif.label` | `float64` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised`（序列中断：方法已修订） | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…`（存储库：ILO统计司-微观数据……） | ## 细分维度 以下列提供数据细分维度： - **`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，部分指标也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”。 - 细分列（`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-pop-xwap-sex-age-cct-nb-working-age-population-by-sex-age-and-citizenship") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家数据 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "POP_XWAP_SEX_AGE_CCT_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="POP_XWAP_SEX_AGE_CCT_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "POP_XWAP_SEX_AGE_CCT_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_pop_xwap_sex_age_cct_nb_working_age_population_by_sex_age_and_citizenship_2025, title = {按性别、年龄和公民身份划分的劳动年龄人口（千人）| 非洲（ILOSTAT)}, author = {国际劳工组织（ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XWAP_SEX_AGE_CCT_NB}, publisher = {HuggingFace数据集平台，由Electric Sheep Africa重新封装}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-pop-xwap-sex-age-cct-nb-working-age-population-by-sex-age-and-citizenship}} } ## 许可证 本数据集采用[cc-by-4.0](https://creativecommons.org/licenses/by/4.0/)协议发布。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的重新封装工作。 ## 关于Electric Sheep Electric Sheep Africa是Electric Sheep使命的一部分：旨在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，标准化数据架构，封装为Parquet格式，并发布格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动开发工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026年5月26日通过Electric Sheep流水线摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=POP_XWAP_SEX_AGE_CCT_NB_

搜集汇总

数据集介绍

构建方式

该数据集立足于国际劳工组织（ILO）统计数据库的权威框架，聚焦非洲区域劳动年龄人口的结构性观测。其构建依托于ILOSTAT所汇集的多国劳动力调查与人口登记资料，由Electric Sheep Africa团队对原始数据进行抽取、清洗与格式重塑，将国际移民存量相关的劳动年龄人口按性别、年龄组及公民身份身份维度予以系统化整理，最终以Parquet列式存储格式承载。数据覆盖45个非洲国家，时间跨度自1991年延续至2025年，共含12,955条观测记录，并配以标准化的元数据清单与来源注释，以支撑可复现的非洲数据探索与跨域分析工作。

特点

数据集以表格化与文本模态并存的方式呈现，核心特征在于其多维分层的人口刻画能力，即同时纳入性别、年龄与公民身份三类人口属性，从而为审视非洲劳动力供给结构中的国别差异与移民身份效应提供细粒度视角。数据规模处于万级至十万级区间，采用Parquet格式便于高效读取与压缩存储，且附带标准化元数据标签、加载指引与来源说明。值得留意的是，该数据集在元数据层面尚存国家与上游发布方等字段的记录空白，部分地理信息需依赖标题或来源元数据加以推证，因此在解释变量含义与单位时仍需回归原始来源材料予以校准。

使用方法

使用该数据集时，可借助Hugging Face的datasets库以标准加载接口获取数据，随后通过Dataset对象检查各字段类型与样本内容，并在需要时转换为Pandas数据框以开展表格分析。鉴于数据采取单一分割的组织形式，研究者应在建模前先行审视模式结构、缺失值分布及变量定义，避免在未确认口径的情况下直接填充。若需与其他Electric Sheep Africa数据集联动，应显式使用国家、年份及指标字段进行连接，并在分析文档中记录地理假设与缺失值处理规则，以保障研究流程可复现、结论可追溯。

背景与挑战

背景概述

非洲劳动力市场长期面临结构转型与跨境人口流动的双重压力，准确刻画劳动年龄人口的性别、年龄与公民身份构成，是理解区域就业格局与移民经济效应的前提。国际劳工组织（ILO）统计数据库ILOSTAT作为全球劳动统计的权威来源，为相关研究提供了跨国可比的数据基础。该数据集由Electric Sheep Africa于2026年前后基于ILOSTAT公开资料整理发布，覆盖45个非洲国家、1991至2025年间共计12,955条观测，聚焦劳动年龄人口按性别、年龄与公民身份的分布特征，为非洲劳动经济与移民研究提供了可直接加载的结构化分析资源，对区域劳动力供给评估与政策制定具有参考价值。

当前挑战

该数据集所应对的核心领域问题在于刻画移民身份与劳动年龄人口结构之间的关联，此类分析需克服非洲国家统计体系在公民身份分类口径上的显著异质性。构建过程中，来自ILOSTAT的原始数据存在跨年度、跨国别的指标定义不一致问题，部分国家的公民身份维度缺失或粒度不一，且面板数据在早期年份的覆盖率偏低，易造成估计偏差。此外，元数据中上游发布机构与国别字段尚存缺口，单位换算（千人）与年龄分组标准需在建模前仔细核验，否则将影响跨国比较与趋势推断的可靠性。

常用场景

经典使用场景

在劳动经济学与移民研究的交汇地带，该数据集凭借对45个非洲国家1991至2025年间按性别、年龄及公民身份细分的劳动年龄人口规模的系统记录，成为剖析非洲劳动力市场结构与国际移民存量动态的基础性数据资源。研究者可依托其跨国、跨时段的纵向观测，精准识别不同国籍群体在非洲各国劳动年龄人口中的占比演变，进而开展劳动力供给潜力的比较分析。该数据集亦常被用于构建面板数据模型，以考察移民身份与性别、年龄等人口属性对劳动参与率的交互影响，为理解非洲区域内人口流动与就业格局提供实证支撑。

实际应用

在实际应用层面，该数据集为国际组织、政府部门及研究机构评估非洲各国劳动力供给潜力提供了关键参考。政策制定者可借助按公民身份与年龄分组的劳动年龄人口数据，优化就业促进项目与职业培训资源的配置，尤其针对青年与移民群体设计精准的干预措施。企业与人资机构亦可利用该数据研判特定非洲国家的劳动力市场规模与结构变化，辅助投资选址与人力规划决策。同时，该数据集支持与Electric Sheep Africa目录中其他社会经济数据集进行联结，拓展了跨国劳动力市场监测与预警的应用边界。

衍生相关工作

围绕该数据集，Electric Sheep Africa已衍生出一系列标准化的非洲公共数据产品，涵盖国际移民存量、就业与失业统计等多个主题，形成相互关联的开放数据生态。研究者基于该数据构建了非洲劳动力市场面板分析框架，并开发了与ILOSTAT原始指标对接的数据管道，推动了非洲劳动统计数据的可复现研究。这些衍生工作不仅扩展了数据集的跨领域应用，也促进了非洲人口与就业数据的标准化整合，为后续机器学习建模和政策评估提供了可扩展的数据基础。