electricsheepafrica/africa-ilo-ees-tees-sex-ocu-geo-nb-employees-by-sex-occupation-and-rural-urban-areas

该数据集包含来自国际劳工组织（ILO）ILOSTAT数据库的“按性别、职业和农村/城市区域划分的雇员（千人）”数据，专注于非洲地区。它涵盖了43个非洲国家从1994年至2025年的26,551条观察记录，包含一个核心指标（EES_TEES_SEX_OCU_GEO_NB）。数据通过ILOSTAT REST API获取，并经过过滤以仅包括非洲国家，采用国际劳工统计学家会议（ICLS）定义进行标准化。数据集提供了详细的分类维度，如性别（总计、男性、女性）、职业技能水平和地区类型，并包含数据来源、观察状态和注释等信息。数据以年度频率发布，适用于表格分类、回归和时间序列预测等任务。该数据集由Electric Sheep Africa重新打包，旨在为非洲提供统一的、机器学习就绪的数据层。license: 知识共享署名4.0（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: - 10K<n<100K tags: - 表格数据 - 非洲 - ILOSTAT（国际劳工组织统计数据库） - 雇员 - 国际劳工组织（ILO） - 劳工 - 就业 pretty_name: "按性别、职业及城乡地区划分的雇员人数（千人） | 非洲（ILOSTAT）" # 按性别、职业及城乡地区划分的雇员人数（千人） | 非洲（ILOSTAT） 🌍 **26,551条观测值** · **43个非洲国家** · **1994–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新打包*      ## TL;DR 本数据集包含覆盖43个非洲国家、时间跨度为1994至2025年的雇员数据，共计**26,551条观测值**，涉及**1项独立指标**。 ## 关于数据源 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（ILO）的核心统计数据库，也是全球领先的劳工统计数据来源。该库整合了就业、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）体面工作目标等领域的指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录。其覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化协调。 - **数据来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_GEO_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[知识共享署名4.0（CC-BY-4.0）](https://creativecommons.org/licenses/by/4.0/) - **研究主题**：雇员 ## 数据采集方法 本数据集直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EES_TEES_SEX_OCU_GEO_NB`拉取数据，并筛选出非洲地区的ISO 3166-1 alpha-3国家代码对应的样本。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协调；数据来源会在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 43个非洲国家，以下按观测行数排序的前10个国家示例： | 国家代码 | 观测行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 2,634 | 2008 | 2024 | | `EGY` | 2,010 | 2009 | 2024 | | `AGO` | 1,572 | 2004 | 2025 | | `GHA` | 1,338 | 2000 | 2024 | | `MLI` | 1,293 | 2013 | 2024 | | `RWA` | 1,276 | 2014 | 2025 | | `ZMB` | 1,262 | 2015 | 2024 | | `NAM` | 1,046 | 1994 | 2018 | | `ZWE` | 995 | 2011 | 2024 | | `UGA` | 899 | 2010 | 2021 | | `SEN` | 870 | 2015 | 2024 | | `TZA` | 813 | 2001 | 2020 | | `KEN` | 710 | 1999 | 2022 | | `NGA` | 692 | 2011 | 2024 | | `CIV` | 567 | 2016 | 2022 | | ... | _另有28个国家_ | | | ## 指标（示例） - `EES_TEES_SEX_OCU_GEO_NB` — 按性别、职业及城乡地区划分的雇员人数（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 | `EES_TEES_SEX_OCU_GEO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employees by sex, occupation and rura…` | | `sex` | `string` | 按性别拆分（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `OCU_SKILL_TOTAL` | | `classif1.label` | `string` | — | `Occupation (Skill level): Total` | | `classif2` | `string` | 可选第二分类变量 | `GEO_COV_NAT` | | `classif2.label` | `string` | — | `Area type: National` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参考指标定义） | `3788.156` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `Break in series: Methodology revised` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `Repository: ILO-STATISTICS - Micro da…` | ## 拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3个唯一值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 本数据集采用年度频率数据，部分指标另有月度或季度序列，但未纳入本数据集。 - 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”。 - 拆分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分维度时才会有非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ees-tees-sex-ocu-geo-nb-employees-by-sex-occupation-and-rural-urban-areas") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选 python kenya = df[df["ref_area"] == "KEN"] ### 生成单指标时间序列 python sample = (df[df["indicator"] == "EES_TEES_SEX_OCU_GEO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_OCU_GEO_NB") ### 构建国家-年份交叉矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_OCU_GEO_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用 bibtex @misc{africa_ilo_ees_tees_sex_ocu_geo_nb_employees_by_sex_occupation_and_rural_urban_areas_2025, title = {Employees by sex, occupation and rural / urban areas (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_GEO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ees-tees-sex-ocu-geo-nb-employees-by-sex-occupation-and-rural-urban-areas}} } ## 许可协议 本数据集基于[知识共享署名4.0（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的重新打包版本。 ## 关于Electric Sheep Africa Electric Sheep Africa是Electric Sheep项目的一部分，该项目旨在HuggingFace平台上构建面向非洲的统一、适配机器学习的数据集层。我们从权威开放数据源拉取数据，标准化数据结构，以Parquet格式打包，并发布格式统一的数据集卡片，使研究人员和开发者可通过`load_dataset()`函数在数秒内启动工作。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流水线采集，源地址：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_OCU_GEO_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中央统计数据库（ILOSTAT）的原始汇编，由Electric Sheep Africa团队进行工程化重组与标准化封装。构建过程以非洲区域劳动力市场统计为核心，提取涵盖43个非洲国家、1994年至2025年间的雇员数据，合计26,551条观测记录。原始数据经格式统一后转化为Parquet列式存储，并配备标准化的元数据描述、来源溯源说明及面向分析场景的上下文注释，最终以Hugging Face数据集仓库形式发布，形成可复现、可引用的开放数据资源。

特点

数据集聚焦于按性别、职业类别及城乡区域划分的雇员数量统计，单位为千人，具备鲜明的多维分层特征。其覆盖范围横跨非洲大陆43个国家，时间序列自1994年延伸至2025年，兼具空间广度与时间纵深。数据以表格与文本双模态呈现，体积处于一万至十万条区间，适用于分类与回归任务。数据集采用CC BY 4.0许可协议，附有明确的溯源信息与质量提示，强调在建模前需核对变量定义、单位及缺失值处理规则，避免仅凭标签推断政策含义。

使用方法

研究者可通过Hugging Face的datasets库以load_dataset函数直接加载该数据集，获取默认分割后利用features属性检视字段结构，并通过切片操作预览样本记录。若需进行统计分析，可将表格型分割转换为Pandas数据框以便进一步处理。使用过程中应优先查阅仓库中的数据文件以确认实际模式与行数，利用显式的国家、年份和指标字段与其他Electric Sheep Africa数据集进行连接。建议在建模前系统评估缺失值分布，保留原始缺失状态直至确立合理的插补规则，并构建可复现的分析笔记以引用原始来源与仓库出处。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于构建全球劳动力市场的可比性统计基准，ILOSTAT即为其核心数据库，承载着跨国、跨时间的就业与劳动条件指标。在此背景下，Electric Sheep Africa于2026年将ILOSTAT中关于非洲地区按性别、职业及城乡地域划分的雇员数据（以千人为单位）加以工程化整理，形成本数据集。该数据集涵盖1994至2025年间43个非洲国家的26,551条观测，旨在为非洲劳动力结构变迁、性别就业差距及城乡二元经济等议题提供可复现的实证基础，其开放许可与标准化元数据亦有助于降低非洲数据获取门槛，推动区域比较研究。

当前挑战

该数据集所应对的核心领域问题在于非洲劳动力市场统计的碎片化与可比性不足：如何在不同国家、年份与统计口径间建立一致的雇员规模度量，并揭示性别、职业及城乡维度的结构性差异，长期以来受制于缺失值、定义漂移及地理编码不统一。构建过程中，数据整理者面临源元数据缺环（如国家与上游出版方字段缺失）、指标定义未在卡片中完整披露、部分地理信息仅隐含于标题或来源元数据等挑战，需在保留原始缺失值的前提下审慎推断，避免因标签误读而扭曲政策含义，这要求分析者在建模前严格核验变量单位与方法论。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇处，该数据集凭借其精细的性别、职业与城乡维度交叉分类，成为剖析非洲劳动力市场结构性差异的经典工具。研究者通常将其用于测算不同性别与职业类别下城乡就业分布的基尼系数或泰尔指数，进而刻画撒哈拉以南非洲地区非农就业的性别隔离与空间不均衡格局。数据集覆盖43个非洲国家、逾三十年跨度，使面板回归与双重差分设计得以实施，用以检验城镇化进程对女性在专业与管理岗位中占比的因果效应。

解决学术问题

长期以来，非洲劳动统计面临性别与城乡维度数据稀疏、口径不一的问题，制约了关于就业公平与结构转型的实证检验。该数据集通过标准化ILOSTAT指标并统一为千人计量单位，缓解了跨国比较中量纲与定义不一致的痼疾，使学者能够回答女性在正规就业中的边缘化是否随经济发展而收敛、城乡职业分布差异是否由行业结构而非性别歧视驱动等核心问题。其意义在于为非洲劳动力市场的一体化分析提供了可复现的数据基础设施，推动了发展经济学中关于性别红利与空间不平等理论的实证进展。

衍生相关工作

该数据集催生了一系列围绕非洲劳动力市场性别与空间异质性的经典研究。部分学者将其与非洲家庭调查网络数据链接，构建多层级模型检验教育回报的城乡梯度；另有研究利用其时间序列特征，采用合成控制法评估特定国家结构性改革对职业隔离的冲击。Electric Sheep Africa基于此数据集衍生的元数据清单与标准化卡片，亦被用于训练劳动统计领域的自动元数据补全模型，推动了开放数据在非洲经济研究中的可发现性与互操作性，形成了从数据到政策评估的知识链条。