electricsheepafrica/africa-unhcr-population-data-for-swz

--- annotations_creators: - no-annotation language_creators: - found language: - en license: cc-by-4.0 multilinguality: - monolingual size_categories: - n<1K source_datasets: - original task_categories: - tabular-classification - tabular-regression task_ids: [] tags: - africa - humanitarian - hdx - electric-sheep-africa - asylum-seekers - internally-displaced-persons-idp - population - refugees - stateless-persons - swz pretty_name: "Eswatini - Data on forcibly displaced populations and stateless persons" dataset_info: splits: - name: train num_examples: 130 - name: test num_examples: 32 --- # Eswatini - Data on forcibly displaced populations and stateless persons **Publisher:** UNHCR - The UN Refugee Agency · **Source:** [HDX](https://data.humdata.org/dataset/unhcr-population-data-for-swz) · **License:** `cc-by-igo` · **Updated:** 2026-02-25 --- ## Abstract Data collated by UNHCR, containing information about forcibly displaced populations and stateless persons, spanning across more than 70 years of statistical activities. The data includes the countries / territories of asylum and origin. Specific resources are available for end-year population totals, demographics, asylum applications, decisions, and solutions availed by refugees and IDPs (resettlement, naturalisation or returns). Each row in this dataset represents first-level administrative unit observations. Data was last updated on HDX on 2026-02-25. Geographic scope: **SWZ**. *Curated into ML-ready Parquet format by [Electric Sheep Africa](https://huggingface.co/electricsheepafrica).* --- ## Dataset Characteristics | | | |---|---| | **Domain** | Demographics and population | | **Unit of observation** | First-level administrative unit observations | | **Rows (total)** | 163 | | **Columns** | 14 (8 numeric, 6 categorical, 0 datetime) | | **Train split** | 130 rows | | **Test split** | 32 rows | | **Geographic scope** | SWZ | | **Publisher** | UNHCR - The UN Refugee Agency | | **HDX last updated** | 2026-02-25 | --- ## Variables **Geographic** — `year` (range 1994.0–2025.0), `country_of_origin_code` (SWZ), `country_of_asylum_code` (CAN, USA, GBR), `country_of_origin_name` (Eswatini), `country_of_asylum_name` (Canada, United States of America, United Kingdom of Great Britain and Northern Ireland) and 4 others. **Identifier / Metadata** — `refugees` (range 0.0–148.0), `esa_source` (HDX), `esa_processed` (2026-04-04). **Other** — `other_people_in_need_of_international_protection` (range 0.0–0.0), `others_of_concern_to_unhcr` (range 0.0–12.0). --- ## Quick Start ```python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-unhcr-population-data-for-swz") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() ``` --- ## Schema | Column | Type | Null % | Range / Sample Values | |---|---|---|---| | `year` | int64 | 0.0% | 1994.0 – 2025.0 (mean 2016.319) | | `country_of_origin_code` | object | 0.0% | SWZ | | `country_of_asylum_code` | object | 0.0% | CAN, USA, GBR | | `country_of_origin_name` | object | 0.0% | Eswatini | | `country_of_asylum_name` | object | 0.0% | Canada, United States of America, United Kingdom of Great Britain and Northern Ireland | | `refugees` | int64 | 0.0% | 0.0 – 148.0 (mean 16.6871) | | `asylum_seekers` | int64 | 0.0% | 0.0 – 404.0 (mean 18.6442) | | `other_people_in_need_of_international_protection` | int64 | 0.0% | 0.0 – 0.0 (mean 0.0) | | `internally_displaced_persons` | int64 | 0.0% | 0.0 – 0.0 (mean 0.0) | | `stateless_persons` | int64 | 0.0% | 0.0 – 0.0 (mean 0.0) | | `others_of_concern_to_unhcr` | int64 | 0.0% | 0.0 – 12.0 (mean 0.3865) | | `host_community` | int64 | 0.0% | 0.0 – 0.0 (mean 0.0) | | `esa_source` | object | 0.0% | HDX | | `esa_processed` | object | 0.0% | 2026-04-04 | --- ## Numeric Summary | Column | Min | Max | Mean | Median | |---|---|---|---|---| | `year` | 1994.0 | 2025.0 | 2016.319 | 2018.0 | | `refugees` | 0.0 | 148.0 | 16.6871 | 5.0 | | `asylum_seekers` | 0.0 | 404.0 | 18.6442 | 5.0 | | `other_people_in_need_of_international_protection` | 0.0 | 0.0 | 0.0 | 0.0 | | `internally_displaced_persons` | 0.0 | 0.0 | 0.0 | 0.0 | | `stateless_persons` | 0.0 | 0.0 | 0.0 | 0.0 | | `others_of_concern_to_unhcr` | 0.0 | 12.0 | 0.3865 | 0.0 | | `host_community` | 0.0 | 0.0 | 0.0 | 0.0 | --- ## Curation Raw data was downloaded from HDX via the CKAN API and converted to Parquet. Column names were lowercased and standardised to snake_case. Common missing-value markers (`N/A`, `null`, `none`, `-`, `unknown`, `no data`, `#N/A`) were unified to `NaN`. The dataset was split 80/20 into train and test partitions using a fixed random seed (42) and saved as Snappy-compressed Parquet. --- ## Limitations - Data originates from UNHCR - The UN Refugee Agency and has not been independently validated by ESA. - Automated cleaning cannot correct for misreported values, definitional inconsistencies, or sampling bias in the original collection. - Refer to the [original HDX dataset page](https://data.humdata.org/dataset/unhcr-population-data-for-swz) for the publisher's own methodology notes and caveats. --- ## Citation ```bibtex @dataset{hdx_africa_unhcr_population_data_for_swz, title = {Eswatini - Data on forcibly displaced populations and stateless persons}, author = {UNHCR - The UN Refugee Agency}, year = {2026}, url = {https://data.humdata.org/dataset/unhcr-population-data-for-swz}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} } ``` --- *[Electric Sheep Africa](https://huggingface.co/electricsheepafrica) — Africa's ML dataset infrastructure. Lagos, Nigeria.*annotations_creators: - 无标注 language_creators: - 现有数据源采集 language: - 英语（en） license: cc-by-4.0 multilinguality: - 单语言 size_categories: - 样本量不足1000 source_datasets: - 原始数据集 task_categories: - 表格分类任务（tabular-classification） - 表格回归任务（tabular-regression） task_ids: [] tags: - 非洲（africa） - 人道主义（humanitarian） - HDX（人道主义数据交换） - electric-sheep-africa（非洲电羊） - 寻求庇护者（asylum-seekers） - 国内流离失所者（internally-displaced-persons-idp） - 人口（population） - 难民（refugees） - 无国籍人士（stateless-persons） - swz（斯威士兰国家代码） pretty_name: "斯威士兰——被迫流离失所人口与无国籍人士数据" dataset_info: splits: - name: train num_examples: 130 - name: test num_examples: 32 --- # 斯威士兰——被迫流离失所人口与无国籍人士数据集 **发布方：** 联合国难民署（UNHCR - The UN Refugee Agency） · **数据来源：** [HDX（人道主义数据交换平台）](https://data.humdata.org/dataset/unhcr-population-data-for-swz) · **许可证：** `cc-by-igo` · **最后更新：** 2026-02-25 --- ## 摘要 本数据集由联合国难民署整理，涵盖超过70年的统计活动数据，包含被迫流离失所人口与无国籍人士的相关信息，涵盖庇护国与来源国/地区的信息。数据包含年末人口总数、人口结构、庇护申请、审批结果以及为难民和国内流离失所者提供的解决方案（重新安置、入籍或自愿遣返）等专项内容。 本数据集每一行代表一级行政单元的观测记录。数据最后一次在HDX平台更新的时间为2026-02-25。地理覆盖范围：**SWZ（斯威士兰国家代码）**。 *本数据集由[非洲电羊（Electric Sheep Africa）](https://huggingface.co/electricsheepafrica)整理为机器学习可用的Parquet格式。* --- ## 数据集特征 | 类别 | 详情 | |---|---| | **领域** | 人口与人口统计学 | | **观测单元** | 一级行政单元观测数据 | | **总记录数** | 163 | | **字段数量** | 14（8个数值型字段、6个分类型字段、0个日期时间型字段） | | **训练集划分** | 130条记录 | | **测试集划分** | 32条记录 | | **地理覆盖范围** | SWZ（斯威士兰） | | **发布方** | 联合国难民署（UNHCR - The UN Refugee Agency） | | **HDX平台最后更新时间** | 2026-02-25 | --- ## 字段说明 ### 地理类字段 `year`（年份，取值范围1994.0–2025.0）、`country_of_origin_code`（来源国代码，取值为SWZ）、`country_of_asylum_code`（庇护国代码，取值为CAN、USA、GBR）、`country_of_origin_name`（来源国名称，为斯威士兰）、`country_of_asylum_name`（庇护国名称，为加拿大、美利坚合众国、大不列颠及北爱尔兰联合王国）以及其余4个字段。 ### 标识符与元数据类字段 `refugees`（难民人数，取值范围0.0–148.0）、`esa_source`（数据来源，为HDX）、`esa_processed`（数据处理时间，2026-04-04）。 ### 其他字段 `other_people_in_need_of_international_protection`（其他需要国际保护的人员，取值范围0.0–0.0）、`others_of_concern_to_unhcr`（联合国难民署关注的其他群体，取值范围0.0–12.0）。 --- ## 快速入门 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-unhcr-population-data-for-swz") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() --- ## 数据Schema | 字段名 | 数据类型 | 空值占比 | 取值范围/示例值 | |---|---|---|---| | `year` | int64 | 0.0% | 1994.0 – 2025.0（均值2016.319） | | `country_of_origin_code` | object | 0.0% | SWZ | | `country_of_asylum_code` | object | 0.0% | CAN、USA、GBR | | `country_of_origin_name` | object | 0.0% | 斯威士兰 | | `country_of_asylum_name` | object | 0.0% | 加拿大、美利坚合众国、大不列颠及北爱尔兰联合王国 | | `refugees` | int64 | 0.0% | 0.0 – 148.0（均值16.6871） | | `asylum_seekers` | int64 | 0.0% | 0.0 – 404.0（均值18.6442） | | `other_people_in_need_of_international_protection` | int64 | 0.0% | 0.0 – 0.0（均值0.0） | | `internally_displaced_persons` | int64 | 0.0% | 0.0 – 0.0（均值0.0） | | `stateless_persons` | int64 | 0.0% | 0.0 – 0.0（均值0.0） | | `others_of_concern_to_unhcr` | int64 | 0.0% | 0.0 – 12.0（均值0.3865） | | `host_community` | int64 | 0.0% | 0.0 – 0.0（均值0.0） | | `esa_source` | object | 0.0% | HDX | | `esa_processed` | object | 0.0% | 2026-04-04 | --- ## 数值型字段统计摘要 | 字段名 | 最小值 | 最大值 | 均值 | 中位数 | |---|---|---|---|---| | `year` | 1994.0 | 2025.0 | 2016.319 | 2018.0 | | `refugees` | 0.0 | 148.0 | 16.6871 | 5.0 | | `asylum_seekers` | 0.0 | 404.0 | 18.6442 | 5.0 | | `other_people_in_need_of_international_protection` | 0.0 | 0.0 | 0.0 | 0.0 | | `internally_displaced_persons` | 0.0 | 0.0 | 0.0 | 0.0 | | `stateless_persons` | 0.0 | 0.0 | 0.0 | 0.0 | | `others_of_concern_to_unhcr` | 0.0 | 12.0 | 0.3865 | 0.0 | | `host_community` | 0.0 | 0.0 | 0.0 | 0.0 | --- ## 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。字段名统一转换为小写蛇形命名法。将常见的缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）统一替换为`NaN`。采用固定随机种子（42）将数据集按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。 --- ## 数据集局限性 - 数据源自联合国难民署，未经过非洲电羊（ESA）的独立验证。 - 自动化清洗无法修正原始数据收集过程中存在的错报、定义不一致或抽样偏差问题。 - 如需了解发布方的方法说明与注意事项，请参阅[原始HDX数据集页面](https://data.humdata.org/dataset/unhcr-population-data-for-swz)。 --- ## 引用格式 bibtex @dataset{hdx_africa_unhcr_population_data_for_swz, title = {Eswatini - Data on forcibly displaced populations and stateless persons}, author = {UNHCR - The UN Refugee Agency}, year = {2026}, url = {https://data.humdata.org/dataset/unhcr-population-data-for-swz}, note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)} } --- *[非洲电羊（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。*

搜集汇总

数据集介绍

构建方式

在人口统计学与人道主义研究领域，数据集的构建往往依赖于权威机构的长期统计工作。本数据集由联合国难民署（UNHCR）系统性地收集与整理，涵盖了跨越七十余年的被迫流离失所人口及无国籍人士的统计数据。原始数据通过人道主义数据交换平台（HDX）的CKAN接口获取，随后由Electric Sheep Africa团队进行标准化处理，包括将列名转换为蛇形命名法、统一缺失值标记为NaN，并采用固定随机种子将数据按80:20的比例划分为训练集与测试集，最终以Snappy压缩的Parquet格式存储，确保了数据的机器可读性与结构一致性。

特点

该数据集聚焦于斯威士兰（Eswatini）的被迫流离失所人口状况，以行政区划为基本观测单元，共包含163条记录与14个变量。其时间跨度从1994年至2025年，涵盖了难民、寻求庇护者、国内流离失所者及无国籍人士等多个关键人口类别。数据维度兼具地理属性（如来源国与庇护国代码）与数值统计（如各类人口数量），且所有字段均无缺失值，展现出高度的完整性与规范性。这种细粒度的时空覆盖为深入分析特定区域的人口流动模式提供了扎实的数据基础。

使用方法

在机器学习与数据分析实践中，该数据集适用于表格分类与回归任务，尤其适合探索人口动态的预测模型或影响因素分析。用户可通过Hugging Face的datasets库直接加载数据集，并便捷地转换为Pandas DataFrame以进行后续处理。数据已预分为训练集（130行）与测试集（32行），便于快速构建与评估模型。研究者可基于年份、庇护国等特征，对难民数量等目标变量进行建模，同时应参考原始HDX页面的方法论说明，以充分理解数据收集的背景与潜在限制。

背景与挑战

背景概述

在人口统计学与人道主义研究领域，对被迫流离失所者和无国籍人口的动态进行精准追踪，是评估全球保护需求与制定干预政策的核心基础。由联合国难民署（UNHCR）主导创建的Eswatini被迫流离失所人口与无国籍者数据集，汇集了跨越七十余年的统计活动记录，涵盖了难民、寻求庇护者、国内流离失所者等多类人群的详细信息。该数据集由Electric Sheep Africa于近期重新整理并发布，旨在将原始人道主义数据转化为适用于机器学习任务的表格格式，其地理范围聚焦于斯威士兰（SWZ）及其相关的庇护国。这一举措不仅延续了联合国难民署在难民数据标准化方面的长期努力，也为利用计算社会科学方法分析非洲人口流动模式提供了结构化资源。

当前挑战

该数据集致力于解决人道主义数据分析中，对被迫流离失所人群规模、构成与趋势进行可靠预测与分类的挑战。具体而言，其核心任务涉及基于行政单元观测数据，对难民流动、庇护申请结果等关键指标进行回归或分类建模，这要求模型能够处理小样本、不平衡分布以及跨年份的时序依赖性。在构建过程中，数据集面临多重挑战：原始数据可能存在报告不一致、定义差异或抽样偏差，而自动化清洗流程难以修正这些深层的质量问题；同时，数据规模相对有限，总样本量仅百余条，且部分类别数值为零值，这对机器学习模型的泛化能力与稳健性构成了显著考验。此外，数据来源于官方统计，其本身的收集方法论与覆盖范围局限亦可能引入系统性误差。

常用场景

经典使用场景

在人口统计学与人道主义研究领域，该数据集为分析埃斯瓦蒂尼（斯威士兰）的被迫流离失所者与无国籍者状况提供了关键数据支撑。其经典应用场景聚焦于构建时间序列模型，以追踪1994年至2025年间难民、寻求庇护者等群体的年度变化趋势。研究人员利用该数据集进行跨年度的纵向分析，揭示不同收容国（如加拿大、美国、英国）对埃斯瓦蒂尼流离失所人口的接纳模式，从而评估国际保护体系的动态演变。

解决学术问题

该数据集有效解决了人道主义研究中关于被迫迁移群体规模估算与分布特征的核心学术问题。通过提供标准化的行政单位观测数据，它支持学者探究难民流动的驱动因素、收容国的政策差异以及无国籍状态的长期影响。其意义在于填补了非洲地区特定国家流离失所人口精细化数据的空白，为验证迁移理论、评估国际公约实施效果提供了实证基础，推动了人口学与社会学交叉研究的量化进展。

衍生相关工作

围绕该数据集衍生的经典工作主要包括两类研究方向：一是基于机器学习的被迫迁移预测模型，如利用回归算法估算未来难民规模；二是比较政策分析研究，通过对比不同收容国的数据评估庇护制度效能。相关成果常发表于《难民研究杂志》等国际期刊，部分学者进一步将其与宏观经济指标融合，构建难民安置与区域发展的关联模型，拓展了人道主义数据科学的方法论体系。