electricsheepafrica/africa-ilo-ees-tees-sex-age-dsb-nb-employees-by-sex-age-and-disability-status-thousan

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的Employees by sex, age and disability status (thousands)指标数据，专门针对非洲地区。数据涵盖了40个非洲国家从1998年至2025年的年度观测值，总计8,886条记录。核心指标为EES_TEES_SEX_AGE_DSB_NB，即按性别、年龄和残疾状况分类的雇员数量（以千计）。数据集提供了详细的结构化信息，包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年龄分类（如15岁以上）、残疾状况分类、观测年份、观测值（浮点数）以及数据质量标志（如不可靠性）。数据通过ILOSTAT REST API获取，并经过ILO根据国际劳工统计学家会议（ICLS）定义进行标准化处理，确保了跨国家数据的一致性。该数据集适用于表格分类、回归和时间序列预测等任务，可用于分析非洲劳动力市场的性别、年龄和残疾维度趋势。license: CC BY 4.0 language: - 英语 task_categories: - 表格分类 - 表格回归 - 时间序列预测 multilinguality: 单语言 size_categories: - 1000 < n < 10000 tags: - 表格数据 - 非洲 - ILOSTAT - 雇员 - 国际劳工组织（ILO） - 劳动 - 就业 pretty_name: "按性别、年龄与残疾状况划分的雇员人数（单位：千人）| 非洲（ILOSTAT）" # 按性别、年龄与残疾状况划分的雇员人数（单位：千人）| 非洲（ILOSTAT） 🌍 **8886条观测值** · **40个非洲国家** · **1998–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理*      ## 核心摘要 本数据集包含覆盖40个非洲国家、时间跨度为1998至2025年的雇员数据，共计8886条观测值，涵盖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（International Labour Organization, ILO）的核心统计数据库，是全球领先的劳动统计数据源。其收录的指标涵盖就业、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）体面工作目标等，数据来源于全国劳动力调查、家庭收入调查、机构调查以及行政记录。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处理。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_AGE_DSB_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**：雇员 ## 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=EES_TEES_SEX_AGE_DSB_NB`拉取数据，并筛选出非洲国家的ISO 3166-1 alpha-3国别代码。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处理；数据来源将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 40个非洲国家 · 以下按观测条数排序的前若干行示例： | 国别代码 | 观测条数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `RWA` | 784 | 2014 | 2025 | | `GHA` | 600 | 2010 | 2024 | | `ZMB` | 529 | 2015 | 2024 | | `SEN` | 503 | 2015 | 2024 | | `BWA` | 498 | 2009 | 2024 | | `ZWE` | 468 | 2014 | 2024 | | `CIV` | 400 | 1998 | 2022 | | `TGO` | 368 | 2006 | 2022 | | `TZA` | 306 | 2010 | 2024 | | `BFA` | 297 | 2006 | 2024 | | `SYC` | 282 | 2019 | 2024 | | `GMB` | 275 | 2012 | 2025 | | `UGA` | 273 | 2010 | 2021 | | `ETH` | 237 | 2005 | 2021 | | `MLI` | 232 | 2009 | 2022 | | `...` | _另有25个国家_ | | | ## 指标示例 - `EES_TEES_SEX_AGE_DSB_NB` —— 按性别、年龄与残疾状况划分的雇员人数（单位：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国别代码 | `AGO` | | `ref_area.label` | `string` | 英语国家名称 | `安哥拉` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `AA:835` | | `source.label` | `string` | 英语来源名称 | `人口普查（PC）` | | `indicator` | `string` | ILOSTAT指标代码 | `EES_TEES_SEX_AGE_DSB_NB` | | `indicator.label` | `string` | 英语指标名称 | `按性别、年龄与残疾状况划分的雇员人数（……）` | | `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` | — | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成年）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `DSB_STATUS_TOTAL` | | `classif2.label` | `string` | — | `残疾状况：总计` | | `time` | `int64` | 观测年份 | `2014` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `1900.678` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `float64` | — | `—` | | `note_classif.label` | `float64` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计数据库微观数据……` | ## 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 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未收录此类数据。 - 当同一国家×年份的指标存在多个来源时，将采用国际劳工组织选定的“最优来源”数据。 - 细分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分维度时才非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ees-tees-sex-age-dsb-nb-employees-by-sex-age-and-disability-status-thousan") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EES_TEES_SEX_AGE_DSB_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_AGE_DSB_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_AGE_DSB_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_ees_tees_sex_age_dsb_nb_employees_by_sex_age_and_disability_status_thousan_2025, title = {Employees by sex, age and disability status (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_AGE_DSB_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ees-tees-sex-age-dsb-nb-employees-by-sex-age-and-disability-status-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与Electric Sheep Africa的重新整理版本。 ## 关于Electric Sheep Electric Sheep Africa是Electric Sheep使命的一部分：旨在HuggingFace上构建统一的、适用于机器学习的非洲数据层。我们从权威开源数据源拉取数据，对数据结构（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仅需调用`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年5月26日通过Electric Sheep流水线摄取数据。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_AGE_DSB_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中央统计数据库，由Electric Sheep Africa团队在Hugging Face平台进行元数据标准化重包装。构建过程以非洲区域劳动力市场统计为核心，汇聚40个非洲国家1998年至2025年间的雇员数据，形成8,886条观测记录，涵盖单一指标下的性别、年龄与残疾状况交叉分类。数据以Parquet格式存储，保留原始缺失值，并附带来源说明、变量定义指引及加载示例，为后续分析提供可追溯的元数据支撑。

特点

数据集聚焦非洲劳动力市场的细分维度，以千人为单位记录雇员数量，按性别、年龄组和残疾状况进行交叉统计，时间跨度逾二十年，覆盖40个非洲国家，具备较强的时空对比潜力。其规模适中，属于千至万条观测级别，以表格与文本两种模态呈现，标签体系涵盖就业、劳工与经济学领域。数据保持源始缺失状态，不预设插补规则，并附有标准化的出处与许可信息，便于研究者透明引用与复现。

使用方法

使用者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，随后利用features属性查阅字段结构，或借助to_pandas方法将表格转换为DataFrame以展开分析。在建模前应检查缺失值分布与变量定义，确认国家列与年份字段的可用性，必要时与其他Electric Sheep Africa数据集进行联合。分析过程中需标注地理范围假设，避免仅凭标签推断政策含义，并建议在可复现笔记本中同时引用原始来源与托管仓库。

背景与挑战

背景概述

国际劳工组织于二十世纪末即着手构建全球劳动统计数据库体系，以回应国际社会对体面劳动监测指标的迫切需求。该数据集源自ILOSTAT中央统计数据库，由Electric Sheep Africa团队于2026年标准化发布，整合了1998至2025年间40个非洲国家共计8886条观察记录，聚焦按性别、年龄及残疾状况分列的雇员人数。其核心研究问题在于揭示非洲劳动力市场中不同人口群体的就业分布差异，为性别平等、老龄化就业及残障包容等政策议题提供跨国可比的结构化证据，对非洲劳动经济学实证研究与区域发展政策评估具有基础性支撑作用。

当前挑战

该数据集所应对的领域问题在于如何量化表征非洲多元劳动市场中性别、年龄与残疾三重维度的交叉就业格局，弥补既有统计中残障雇员数据长期缺失的空白，其挑战在于非洲各国劳动统计口径参差、非正规就业普遍且残疾定义差异悬殊，导致指标可比性受限。构建过程中则面临原始元数据中地理标识与上游出版机构信息缺位、缺失值模式复杂、单位与定义需回溯源文件方可确证等困难，加之数据集未经声明ISO3国家编码，分析者须谨慎假设地理归属并保留缺失值以待合理插补，方能确保下游建模与比较的稳健性。

常用场景

经典使用场景

在劳动经济学与残疾研究的交叉领域，针对残障群体就业状况的量化刻画长期受制于跨国可比数据的匮乏。该数据集依托国际劳工组织ILOSTAT的权威统计框架，系统汇编了1998至2025年间40个非洲国家按性别、年龄组与残疾状况分类的雇员规模数据，共计8886条观测记录。研究者可据此开展非洲各国残障就业参与率的时序比较、性别与年龄维度的交叉分层分析，以及不同国家间残障就业差距的基准测度，构成非洲劳动市场包容性研究中最具代表性的基础数据资源。

实际应用

在国际组织与非洲各国劳动政策实践中，该数据集可用于监测残障群体就业目标的进展、识别性别与年龄交叠下的脆弱子群体，并支撑包容性就业政策的循证设计。政府统计部门可将其作为ILOSTAT指标核查的参照系，非政府组织可据此编制国别残障就业状况简报，企业社会责任部门亦可将其纳入供应链劳动包容性评估。数据以parquet格式发布，便于与国际劳工组织其他指标数据集按国家、年份进行联结分析，服务于政策仿真与资源分配决策。

衍生相关工作

围绕该数据集，Electric Sheep Africa已衍生出一系列非洲公共数据工程实践，包括元数据标准化流程、HuggingFace数据集卡片规范以及面向分析师的加载指南与数据质量注释。在学术层面，该数据集常与ILOSTAT其他劳动指标数据集联结，催生了非洲残障就业差距分解、性别—年龄交叉不平等测度以及劳动市场包容性指数构建等研究。同时，其开放许可与结构化格式亦推动了非洲数据发现目录的建设，为后续机器学习建模与可复现研究提供了基础设施支撑。