electricsheepafrica/africa-ilo-ees-tees-sex-ifl-eco-nb-employees-by-sex-informal-formal-job-and-economic

该数据集包含49,528个观测值，涉及非正规经济数据，覆盖45个非洲国家，时间跨度为2000年至2025年，包含1个不同的指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，这是一个全球领先的劳动力统计来源，涵盖就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标体面工作目标等指标。数据集具体指标为按性别、非正规/正规工作和经济活动划分的雇员（千），提供了按性别、工作性质和经济活动分类的雇员数据。数据以年度频率发布，经过ILO的统计部门协调处理，使用国际劳工统计学家会议（ICLS）定义进行标准化。数据集还包括地理覆盖、数据质量注意事项和Python使用示例。许可证：CC BY 4.0 语言： - 英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言类型：单语言 样本规模：10000 < 样本量 < 100000 标签： - 表格数据 - 非洲 - ILOSTAT - 非正规经济 - ILO - 劳工 - 就业 美观名称："分性别、正规/非正规就业及经济活动的雇员人数（千人）| 非洲（ILOSTAT）" # 分性别、正规/非正规就业及经济活动的雇员人数（千人）| 非洲（ILOSTAT） 🌍 **49528条观测数据** · **45个非洲国家** · **2000–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## 核心摘要 本数据集包含覆盖45个非洲国家、时间跨度为2000至2025年的**49528条非正规经济相关观测数据**，仅包含1项明确指标。 ## 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，为全球领先的劳工统计权威来源。其收录指标涵盖就业、失业、薪酬、工作时长、童工、非正规经济、社会保障、职业伤害及可持续发展目标（SDG）体面工作目标等领域，数据来源于全国劳动力调查、家庭收入调查、机构调查及行政记录。该数据库覆盖全球200余个经济体，由国际劳工组织统计部门负责数据标准化处理。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_IFL_ECO_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**：非正规经济 ## 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_IFL_ECO_NB`拉取数据，并筛选出非洲地区的ISO 3166-1 alpha-3国家代码对应数据。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；数据来源信息将在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 45个非洲国家，以下为按数据行数排序的前15个国家示例： | 国家代码 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 6,872 | 2000 | 2024 | | `EGY` | 3,702 | 2008 | 2024 | | `MUS` | 3,455 | 2012 | 2024 | | `RWA` | 2,653 | 2017 | 2025 | | `AGO` | 2,520 | 2004 | 2025 | | `MLI` | 2,237 | 2013 | 2024 | | `ZMB` | 2,151 | 2017 | 2024 | | `ZWE` | 2,108 | 2011 | 2024 | | `SEN` | 1,918 | 2011 | 2024 | | `UGA` | 1,647 | 2010 | 2021 | | `BWA` | 1,636 | 2019 | 2024 | | `NAM` | 1,508 | 2012 | 2018 | | `CIV` | 1,463 | 2012 | 2022 | | `SYC` | 1,136 | 2019 | 2024 | | `GMB` | 1,086 | 2012 | 2025 | | ... | 另有30个国家 | | | ## 指标（示例） - `EES_TEES_SEX_IFL_ECO_NB` — 分性别、正规/非正规就业及经济活动的雇员人数（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`（安哥拉） | | `ref_area.label` | `string` | 英文国家名称 | `Angola`（安哥拉） | | `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 - 就业调查` | | `indicator` | `string` | ILOSTAT指标代码 | `EES_TEES_SEX_IFL_ECO_NB` | | `indicator.label` | `string` | 英文指标名称 | `Employees by sex, informal/formal job…` | | `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`（总计） | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `IFL_NATURE_TOTAL` | | `classif1.label` | `string` | 分类变量说明 | `Nature of job: Total`（就业性质：总计） | | `classif2` | `string` | 可选第二分类变量 | `ECO_SECTOR_TOTAL` | | `classif2.label` | `string` | 第二分类变量说明 | `Economic activity (Broad sector): Total`（经济活动（大类）：总计） | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位参见指标定义） | `3788.156` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | 状态标记说明 | `Unreliable`（不可靠） | | `note_classif` | `string` | 分类备注代码 | `C5:1869` | | `note_classif.label` | `string` | 分类备注说明 | `Nonstandard economic activity: Includ…`（非标准经济活动：包含……） | | `note_indicator` | `string` | 指标备注代码 | `I11:264` | | `note_indicator.label` | `string` | 指标备注说明 | `Break in series: Methodology revised`（序列中断：方法修订） | | `note_source` | `string` | 数据源备注代码 | `R1:3513` | | `note_source.label` | `string` | 数据源备注说明 | `Repository: ILO-STATISTICS - Micro da…`（存储库：ILO统计 - 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，本数据集未包含此类数据。 - 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填充非空值。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ees-tees-sex-ifl-eco-nb-employees-by-sex-informal-formal-job-and-economic") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "EES_TEES_SEX_IFL_ECO_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EES_TEES_SEX_IFL_ECO_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EES_TEES_SEX_IFL_ECO_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_ifl_eco_nb_employees_by_sex_informal_formal_job_and_economic_2025, title = {Employees by sex, informal/formal job and economic activity (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_IFL_ECO_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ees-tees-sex-ifl-eco-nb-employees-by-sex-informal-formal-job-and-economic}}} ## 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及Electric Sheep Africa的重新整理版本。 ## 关于Electric Sheep Africa Electric Sheep Africa是Electric Sheep使命的一部分：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，并发布为统一格式的数据集卡片，以便研究人员和开发者通过`load_dataset()`函数在数秒内开始使用数据。 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数据管道摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EES_TEES_SEX_IFL_ECO_NB_

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织统计数据库（ILOSTAT）的原始记录，由Electric Sheep Africa团队以元数据驱动的方式重新封装为Hugging Face数据集。构建过程中，工程团队对ILOSTAT中关于非洲地区非正规与正规就业的统计指标进行抽取，统一以千人为计量单位，覆盖45个非洲国家2000至2025年间共49,528条观测记录，并以Parquet格式存储。数据整理遵循标准化元数据框架，保留原始来源的指标定义与单位说明，同时补充面向分析场景的加载指引和溯源注释，使数据集具备可复现的表格分析基础。

特点

数据集聚焦于非洲劳动力市场中按性别、就业正规性与经济活动类别划分的雇员规模，时间跨度达二十余年，国别覆盖广泛，总量处于万级观测区间。其突出特征在于以非正规经济为核心主题，将性别维度与就业形态交叉呈现，便于刻画不同经济部门中正规与非正规就业的结构差异。数据以表格与文本双模态组织，配合统一的元数据标签和Parquet格式，确保跨平台加载与列式查询效率。数据集采用CC BY 4.0许可，允许在署名前提下自由使用与再分发。

使用方法

研究者可借助Hugging Face datasets库直接加载该数据集，通过调用load_dataset函数获取数据对象，随后检查其特征结构并查看初始样本。对于需要表格化处理的场景，可将首个数据划分转换为Pandas数据框，以便进行缺失值剖析、变量分布概览和分组统计。分析时应优先识别显式的国家、年份与指标字段，并与其他Electric Sheep Africa数据集在统一的地理和时间键上进行连接。建模之前建议保留缺失值直至确立合理的插补规则，并在下游引用中同时标注原始ILOSTAT来源与Hugging Face仓库地址。

背景与挑战

背景概述

非正规经济就业的测度长期构成劳动统计的难点，国际劳工组织（ILO）主导的ILOSTAT数据库为此提供了跨国可比的基础统计。Electric Sheep Africa于2026年将该机构数据中的非洲子集进行标准化整理，发布涵盖45个非洲国家、2000至2025年间49,528条观测记录的数据集，以性别、非正规/正规就业及经济活动部门为交叉维度，记录就业人数（千人）。该数据集填补了非洲非正规就业结构化证据的空白，为劳动经济学家、发展政策研究者及国际组织提供了可复现的分析基础，对监测非洲劳动力市场结构转型与非正规经济规模具有重要参考价值。

当前挑战

该数据集所回应的领域问题，在于非正规就业的界定与测度本身即存在跨国口径差异，非正规部门与非正规就业的概念边界在不同国家的调查实践中并不统一，致使纵向与横向比较面临效度威胁；同时，经济活动部门分类的粒度不一致，可能削弱跨行业分析的可靠性。在构建层面，数据源自ILOSTAT多年度、多来源的汇总统计，如何将异质性的国别调查结果整合为统一的国别—年份—性别—就业形态面板结构，并妥善处理缺失值与元数据缺口，构成主要技术挑战。此外，非正规就业在部分国家依赖抽样估算，其测量误差与覆盖偏差亦需在分析中加以审慎对待。

常用场景

经典使用场景

在劳动经济学与非正规经济研究领域，该数据集凭借其对非洲四十五国、逾二十五年跨度的性别分列就业观测，成为刻画非正规与正规部门劳动力配置的经典面板数据源。研究者通常以其为基础，构建按性别、经济活动类别与就业形态交叉分类的就业矩阵，藉此检视非正规就业的性别差异及其随时间的演变轨迹。

实际应用

在国际组织与非洲各国劳工部门的实务场景中，该数据集被用于监测体面劳动指标的进展、识别女性非正规就业的脆弱性群体，并为社会保障扩面、技能培训投向及就业促进项目设计提供量化依据。其标准化格式亦便于与国民账户、人口普查等外部数据对接，支撑跨部门的政策模拟与影响评估。

衍生相关工作

围绕该数据集衍生的经典工作包括非洲非正规经济规模估算、性别就业差距分解以及劳动力市场分割的跨国比较研究。Electric Sheep Africa的数据集目录进一步将其与劳动力参与率、行业就业等系列指标关联，催生了面向政策分析的自动化工作流与可复现笔记本，推动了非洲劳动统计数据的开放与再利用。