electricsheepafrica/africa-ilo-emp-temp-sex-ste-nb-employment-by-sex-and-status-in-employment-thousan

该数据集包含非洲52个国家从1982年至2025年的就业数据，重点关注按性别和就业状态分类的就业人数（以千计）。数据集包含10,644个观测值，涵盖1个核心指标（EMP_TEMP_SEX_STE_NB），数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，经过统一处理并过滤为非洲国家。数据集适用于表格分类、回归或时间序列预测等任务，提供了详细的元数据列，如国家代码、年份、性别分类、观测值及数据质量标志等。license: CC BY 4.0（创作共用署名4.0国际协议） language: - en 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: - 表格型数据 - 非洲 - ILOSTAT（国际劳工组织统计数据库） - 就业 - ILO（国际劳工组织） - 劳动 pretty_name: "按性别与就业身份划分的就业人数（千人）| 非洲（ILOSTAT）" --- # 按性别与就业身份划分的就业人数（千人）| 非洲（ILOSTAT） 🌍 **10644条观测样本** · **覆盖52个非洲国家** · **时间跨度1982–2025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52个非洲国家的**就业相关数据**，共**10644条观测样本**，时间跨度为**1982–2025年**，仅包含**1项核心指标**。 ## 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）的官方中央统计数据库，是全球领先的劳动统计权威来源。其收录涵盖就业、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（SDG）体面劳动目标等多类指标，数据来源于全国劳动力调查、住户收入调查、企业调查与行政记录，覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_STE_NB) - **发布方**：国际劳工组织（International Labour Organization, 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的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_TEMP_SEX_STE_NB`拉取原始数据，并筛选出非洲地区的ISO 3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整合；数据来源信息已在`source.label`字段中标记，确保可追溯性。 ## 地理覆盖范围 覆盖52个非洲国家，以下为按样本量排序的前15个国家（剩余37国未完全展示）： | 国家代码 | 样本量 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `EGY` | 816 | 1993 | 2024 | | `MUS` | 740 | 1990 | 2024 | | `ZAF` | 666 | 2000 | 2024 | | `MAR` | 573 | 1982 | 2022 | | `TUN` | 513 | 1989 | 2021 | | `ZMB` | 418 | 1990 | 2024 | | `MLI` | 360 | 2006 | 2024 | | `AGO` | 360 | 2004 | 2025 | | `ZWE` | 327 | 1994 | 2024 | | `RWA` | 317 | 1996 | 2025 | | `GHA` | 309 | 1991 | 2024 | | `SYC` | 300 | 2011 | 2024 | | `TZA` | 282 | 1991 | 2024 | | `SEN` | 279 | 1991 | 2024 | | `BWA` | 264 | 1984 | 2024 | | ... | 其余37国 | | | ## 指标（示例） - `EMP_TEMP_SEX_STE_NB` — 按性别与就业身份划分的就业人数（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 | `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 | `EMP_TEMP_SEX_STE_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employment by sex and status in emplo…` | | `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` | 维度说明 | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `STE_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 分类维度说明 | `Status in employment (Aggregate): Total` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `13984.984` | | `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` | `string` | 分类备注 | `C2:6257` | | `note_classif.label` | `string` | 备注说明 | `Nonstandard status in employment grou…` | | `note_indicator` | `string` | 指标备注 | `I11:264` | | `note_indicator.label` | `string` | 备注说明 | `Break in series: Methodology revised` | | `note_source` | `string` | 数据源备注 | `R1:3513` | | `note_source.label` | `string` | 备注说明 | `Repository: ILO-STATISTICS - Micro da…` | ## 细分维度 本数据集通过以下字段实现数据细分： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集为年度频率数据，部分指标同时发布月度或季度序列，但未包含在此数据集中。 - 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有非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-temp-sex-ste-nb-employment-by-sex-and-status-in-employment-thousan") df = ds["train"].to_pandas() print(df.head()) ### 单国家数据筛选 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_TEMP_SEX_STE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_SEX_STE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_SEX_STE_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_ste_nb_employment_by_sex_and_status_in_employment_thousan_2025, title = {Employment by sex and status in employment (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_STE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-temp-sex-ste-nb-employment-by-sex-and-status-in-employment-thousan}} } ## 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与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HuggingFace平台上构建统一的、适配机器学习的非洲地区数据层。我们从权威开源数据源获取数据，对数据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，以便研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026年5月25日通过Electric Sheep数据管道摄取。源数据URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_SEX_STE_NB