electricsheepafrica/africa-world-bank-gender-indicators-for-guinea

--- annotations_creators: - no-annotation language_creators: - found language: - en license: cc-by-4.0 multilinguality: - monolingual size_categories: - 1K<n<10K source_datasets: - original task_categories: - tabular-classification - tabular-regression task_ids: [] tags: - africa - humanitarian - hdx - electric-sheep-africa - gender - indicators - gin pretty_name: "Guinea - Gender" dataset_info: splits: - name: train num_examples: 3701 - name: test num_examples: 925 --- # Guinea - Gender **Publisher:** World Bank Group · **Source:** [HDX](https://data.humdata.org/dataset/world-bank-gender-indicators-for-guinea) · **License:** `cc-by` · **Updated:** 2026-03-27 --- ## Abstract Contains data from the World Bank's [data portal](http://data.worldbank.org/). There is also a [consolidated country dataset](https://data.humdata.org/dataset/world-bank-combined-indicators-for-guinea) on HDX. Gender equality is a core development objective in its own right. It is also smart development policy and sound business practice. It is integral to economic growth, business growth and good development outcomes. Gender equality can boost productivity, enhance prospects for the next generation, build resilience, and make institutions more representative and effective. In December 2015, the World Bank Group Board discussed our new Gender Equality Strategy 2016-2023, which aims to address persistent gaps and proposed a sharpened focus on more and better gender data. The Bank Group is continually scaling up commitments and expanding partnerships to fill significant gaps in gender data. The database hosts the latest sex-disaggregated data and gender statistics covering demography, education, health, access to economic opportunities, public life and decision-making, and agency. Each row in this dataset represents country-level aggregates. Data was last updated on HDX on 2026-03-27. Geographic scope: **GIN**. *Curated into ML-ready Parquet format by [Electric Sheep Africa](https://huggingface.co/electricsheepafrica).* --- ## Dataset Characteristics | | | |---|---| | **Domain** | Public health | | **Unit of observation** | Country-level aggregates | | **Rows (total)** | 4,627 | | **Columns** | 8 (2 numeric, 6 categorical, 0 datetime) | | **Train split** | 3,701 rows | | **Test split** | 925 rows | | **Geographic scope** | GIN | | **Publisher** | World Bank Group | | **HDX last updated** | 2026-03-27 | --- ## Variables **Geographic** — `country_name` (Guinea), `country_iso3` (GIN), `year` (range 1960.0–2025.0). **Outcome / Measurement** — `value` (range 0.0–1963865.0). **Identifier / Metadata** — `indicator_name` (Age population, age 03, female, Age population, age 05, female, Age population, age 00, male), `indicator_code` (SP.POP.AG03.FE.IN, SP.POP.AG05.FE.IN, SP.POP.AG00.MA.IN), `esa_source` (HDX), `esa_processed` (2026-04-11). --- ## Quick Start ```python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-world-bank-gender-indicators-for-guinea") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() ``` --- ## Schema | Column | Type | Null % | Range / Sample Values | |---|---|---|---| | `country_name` | object | 0.0% | Guinea | | `country_iso3` | object | 0.0% | GIN | | `year` | int64 | 0.0% | 1960.0 – 2025.0 (mean 2000.11) | | `indicator_name` | object | 0.0% | Age population, age 03, female, Age population, age 05, female, Age population, age 00, male | | `indicator_code` | object | 0.0% | SP.POP.AG03.FE.IN, SP.POP.AG05.FE.IN, SP.POP.AG00.MA.IN | | `value` | float64 | 0.0% | 0.0 – 1963865.0 (mean 36735.6533) | | `esa_source` | object | 0.0% | HDX | | `esa_processed` | object | 0.0% | 2026-04-11 | --- ## Numeric Summary | Column | Min | Max | Mean | Median | |---|---|---|---|---| | `year` | 1960.0 | 2025.0 | 2000.11 | 2003.0 | | `value` | 0.0 | 1963865.0 | 36735.6533 | 41.4125 | --- ## 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 World Bank Group 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/world-bank-gender-indicators-for-guinea) for the publisher's own methodology notes and caveats. --- ## Citation ```bibtex @dataset{hdx_africa_world_bank_gender_indicators_for_guinea, title = {Guinea - Gender}, author = {World Bank Group}, year = {2026}, url = {https://data.humdata.org/dataset/world-bank-gender-indicators-for-guinea}, 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: - 现有资源采集 language: - 英语 license: cc-by-4.0 multilinguality: - 单语言 size_categories: - 1000 < 样本量 < 10000 source_datasets: - 原始数据集 task_categories: - 表格分类 - 表格回归 task_ids: [] tags: - 非洲 - 人道主义 - HDX - 非洲电羊（Electric Sheep Africa） - 性别 - 指标 - GIN pretty_name: "几内亚 - 性别指标" dataset_info: splits: - name: 训练集 num_examples: 3701 - name: 测试集 num_examples: 925 # 几内亚 - 性别指标 **发布方：** 世界银行集团 · **来源：** [人道主义数据交换（HDX）](https://data.humdata.org/dataset/world-bank-gender-indicators-for-guinea) · **许可：** `cc-by` · **最后更新：** 2026-03-27 --- ## 摘要 本数据集包含来自世界银行[数据门户](http://data.worldbank.org/)的公开数据。人道主义数据交换（HDX）平台上还提供了一份[整合版国家数据集](https://data.humdata.org/dataset/world-bank-combined-indicators-for-guinea)。 性别平等本身就是核心发展目标，同时也是明智的发展政策与稳健的商业实践。它与经济增长、商业发展及良好的发展成果密不可分。性别平等能够提升生产力，为下一代创造更优前景，增强韧性，并让治理机构更具代表性与实效性。2015年12月，世界银行集团董事会审议通过了《2016-2023年性别平等战略》，该战略旨在解决长期存在的性别数据缺口，并提出进一步聚焦于获取更多、更优质的性别数据。世行集团正持续加大投入并拓展合作，以填补性别数据的重大缺口。本数据库收录了最新的分性别统计数据与性别指标，涵盖人口统计、教育、健康、经济机会获取、公共生活与决策参与以及个人自主权等领域。 本数据集的每一行均代表国家级汇总数据。该数据集在HDX平台的最后更新时间为2026-03-27。地理覆盖范围：**GIN**。 *本数据集由[非洲电羊（Electric Sheep Africa）](https://huggingface.co/electricsheepafrica)整理为适配机器学习的Parquet格式。* --- ## 数据集特征 | | | |---|---| | **领域** | 公共卫生 | | **观测单元** | 国家级汇总数据 | | **总行数** | 4,627 | | **列数** | 8（2个数值型，6个分类型，0个日期时间型） | | **训练集划分** | 3,701条数据 | | **测试集划分** | 925条数据 | | **地理覆盖范围** | GIN | | **发布方** | 世界银行集团 | | **HDX最后更新时间** | 2026-03-27 | --- ## 变量说明 **地理类** — `country_name`（国家名称：几内亚），`country_iso3`（国家ISO3代码：GIN），`year`（年份范围：1960.0–2025.0）。 **结果/测量类** — `value`（数值范围：0.0–1963865.0）。 **标识符/元数据类** — `indicator_name`（指标名称：0-3岁女性人口数、0-5岁女性人口数、0岁男性人口数），`indicator_code`（指标代码：SP.POP.AG03.FE.IN、SP.POP.AG05.FE.IN、SP.POP.AG00.MA.IN），`esa_source`（数据来源：HDX），`esa_processed`（数据处理日期：2026-04-11）。 --- ## 快速上手 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-world-bank-gender-indicators-for-guinea") train = ds["train"].to_pandas() test = ds["test"].to_pandas() print(train.shape) train.head() --- ## 数据结构 | 列名 | 数据类型 | 空值占比 | 取值范围/示例值 | |---|---|---| | `country_name` | 字符串（object） | 0.0% | 几内亚 | | `country_iso3` | 字符串（object） | 0.0% | GIN | | `year` | 64位整数（int64） | 0.0% | 1960.0 – 2025.0（均值：2000.11） | | `indicator_name` | 字符串（object） | 0.0% | 0-3岁女性人口数、0-5岁女性人口数、0岁男性人口数 | | `indicator_code` | 字符串（object） | 0.0% | SP.POP.AG03.FE.IN、SP.POP.AG05.FE.IN、SP.POP.AG00.MA.IN | | `value` | 64位浮点数（float64） | 0.0% | 0.0 – 1963865.0（均值：36735.6533） | | `esa_source` | 字符串（object） | 0.0% | HDX | | `esa_processed` | 字符串（object） | 0.0% | 2026-04-11 | --- ## 数值型变量统计摘要 | 列名 | 最小值 | 最大值 | 均值 | 中位数 | |---|---|---|---|---| | `year` | 1960.0 | 2025.0 | 2000.11 | 2003.0 | | `value` | 0.0 | 1963865.0 | 36735.6533 | 41.4125 | --- ## 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。列名统一转换为小写并标准化为蛇形命名法（snake_case）。将常见的缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）统一替换为`NaN`。本数据集以固定随机种子（42）按照80/20的比例划分为训练集与测试集，并以Snappy压缩格式保存为Parquet文件。 --- ## 数据集局限性 - 本数据集源自世界银行集团，未经过非洲电羊（ESA）的独立验证。 - 自动化清洗流程无法修正原始数据收集阶段的错报值、定义不一致或抽样偏差问题。 - 如需了解发布方的方法论说明与注意事项，请参阅[原始HDX数据集页面](https://data.humdata.org/dataset/world-bank-gender-indicators-for-guinea)。 --- ## 引用格式 bibtex @dataset{hdx_africa_world_bank_gender_indicators_for_guinea, title = {几内亚 - 性别指标}, author = {世界银行集团}, year = {2026}, url = {https://data.humdata.org/dataset/world-bank-gender-indicators-for-guinea}, note = {由非洲电羊（Electric Sheep Africa，https://huggingface.co/electricsheepafrica）重新打包以适配机器学习场景} } --- *[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

在性别与发展研究领域，高质量数据的系统性整合对于政策制定至关重要。该数据集源于世界银行集团发布的官方性别指标，由Electric Sheep Africa团队通过HDX平台的CKAN API获取原始数据，并经过标准化处理转化为机器学习友好的格式。构建过程中，字段名称被统一转换为蛇形命名法，常见的缺失值标记被规范为NaN，确保了数据的一致性。随后，采用固定随机种子将总计4627条记录按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，为后续分析提供了结构清晰且可直接调用的数据基础。

特点

该数据集聚焦于几内亚的性别统计领域，涵盖了从1960年至2025年长达数十年的国家层面聚合数据。其核心特征体现在以八列结构化字段完整呈现人口、健康等多维指标，包括地理标识、年份、指标名称与代码以及具体数值。数据规模适中，包含3701条训练样本与925条测试样本，所有字段均无缺失值，保证了分析的完整性。特别值得注意的是，指标代码如SP.POP.AG03.FE.IN等遵循世界银行标准体系，使得数据具备良好的国际可比性与时序连续性，为深入探究性别平等的发展轨迹提供了可靠依据。

使用方法

在应用该数据集进行机器学习建模或统计分析时，用户可通过Hugging Face的datasets库便捷加载。使用load_dataset函数并指定相应路径即可获取已分割的训练集与测试集，进而利用to_pandas方法转换为DataFrame以进行后续处理。该数据集适用于表格分类与回归任务，例如基于历史指标预测性别相关趋势或进行区域发展评估。用户需注意数据源自世界银行，虽经清洗但未独立验证，因此建议结合原始发布方的方法论说明进行解读，以确保分析结论的稳健性与政策相关性。

背景与挑战

背景概述

性别平等作为核心发展目标，不仅关乎社会正义，亦是驱动经济增长与提升机构效能的关键要素。世界银行集团于2016年启动的性别平等战略（2016-2023），旨在通过强化性别数据收集与分析，系统性应对全球范围内持续存在的性别差距。在此背景下，'africa-world-bank-gender-indicators-for-guinea'数据集应运而生，由世界银行集团联合人道主义数据交换平台（HDX）共同构建，并由Electric Sheep Africa于2026年重新整理为机器学习可用格式。该数据集聚焦几内亚，汇集了自1960年至2025年间的国家级性别统计指标，涵盖人口结构、教育、健康及经济机会等多个维度，为深入探究该国性别动态提供了翔实的数据基础，对公共政策制定与发展研究具有重要参考价值。

当前挑战

该数据集致力于解决性别发展指标分析与预测中的复杂挑战，其核心在于从多维时间序列数据中识别性别差距的演变模式与驱动因素，并构建能够精准预测未来趋势的统计或机器学习模型。然而，数据构建过程面临显著障碍：原始数据来源于世界银行的宏观统计，可能存在报告不一致、定义差异或抽样偏差等问题，自动化清洗流程难以彻底纠正这些深层次的数据质量问题。此外，数据集仅涵盖几内亚单一国家，地理范围有限，限制了其结论在更广泛区域的可推广性。指标虽涉及多个领域，但变量维度相对较少，可能无法全面捕捉影响性别平等的复杂社会经济交互作用，为模型构建与因果推断带来内在约束。

常用场景

经典使用场景

在性别平等与发展经济学的研究领域中，该数据集作为几内亚国家层面性别指标的标准化集合，常被用于构建时间序列分析模型。研究者利用其涵盖1960年至2025年的跨年度数据，通过回归或分类方法，探索不同性别在人口结构、教育及健康等维度的历史演变规律与未来趋势预测，为理解性别动态提供了坚实的实证基础。

解决学术问题

该数据集有效应对了发展研究中性别数据碎片化与可比性不足的挑战。通过整合世界银行权威发布的性别统计指标，它使得学者能够系统性地检验性别平等与经济增长、人力资本积累之间的因果关系，并评估公共政策干预的长期效果，从而深化了对性别包容性发展机制的理论认识。

衍生相关工作

围绕该数据集衍生的经典工作，多集中于利用机器学习技术进行性别发展指标的预测与缺口分析。例如，部分研究构建了基于时序特征的预测模型，以预估未来性别比例变化；另一些工作则应用聚类算法，将几内亚的性别指标模式与其他非洲国家进行比较，从而揭示区域性的性别发展差异与共性规律。