electricsheepafrica/africa-ilo-emp-nifl-sex-ste-nb-informal-employment-by-sex-and-status-in-employmen

该数据集包含来自45个非洲国家的5,278条非正规经济观测数据，时间跨度为1999年至2025年，涵盖1个独特指标。具体指标为按性别和就业状况划分的非正规就业人数（千计），数据来源于国际劳工组织（ILO）的ILOSTAT统计数据库，涵盖就业状况、性别分类和年度统计信息。yaml 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 样本量范围: - 1000 < 样本量 < 10000 标签: - 表格数据 - 非洲 - ILOSTAT - 非正规经济 - 国际劳工组织（ILO） - 劳动力 - 就业 友好名称: "按性别和就业身份划分的非正规就业人数（千人）| 非洲（ILOSTAT）" # 按性别和就业身份划分的非正规就业人数（千人）| 非洲（ILOSTAT） 🌍 **5278条观测数据** · **45个非洲国家** · **1999–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理*      ## 简短摘要 本数据集包含覆盖45个非洲国家、时间跨度为1999至2025年的**5278条非正规经济相关观测数据**，仅包含1项独立指标。 ## 数据源简介 **ILOSTAT**是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，是全球领先的劳动力统计权威来源。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）的体面工作目标等，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协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_STE_NB) - **发布方**：国际劳工组织（ILO） - **许可协议**：[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题**：非正规经济 ## 数据处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=EMP_NIFL_SEX_STE_NB`获取，并筛选出非洲国家的ISO 3166-1 alpha-3国别代码。ILOSTAT依据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协调；数据来源会在`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，以下按数据行数排序展示前10个国家： | 国家 | 数据行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 666 | 2000 | 2024 | | `MUS` | 347 | 2012 | 2024 | | `EGY` | 312 | 2008 | 2024 | | `AGO` | 285 | 2004 | 2025 | | `MLI` | 275 | 2013 | 2024 | | `RWA` | 243 | 2017 | 2025 | | `SEN` | 222 | 2011 | 2024 | | `ZWE` | 197 | 2011 | 2024 | | `UGA` | 193 | 2010 | 2021 | | `ZMB` | 192 | 2017 | 2024 | | `CIV` | 180 | 2012 | 2022 | | `NAM` | 144 | 2012 | 2018 | | `NER` | 110 | 2011 | 2022 | | `BFA` | 106 | 2018 | 2024 | | `SYC` | 104 | 2019 | 2024 | | ... | _其余30个国家_ | | | ## 指标示例 - `EMP_NIFL_SEX_STE_NB` — 按性别和就业身份划分的非正规就业人数（千人） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 alpha-3国别代码 | `AGO` | | `ref_area.label` | `string` | 英文国名 | `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 | `劳动力调查（LFS）` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_NIFL_SEX_STE_NB` | | `indicator.label` | `string` | 英文指标名称 | `按性别和就业身份划分的非正规就业人数……` | | `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` | 无额外说明 | `总计` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业身份等） | `STE_AGGREGATE_TOTAL` | | `classif1.label` | `string` | 无额外说明 | `就业身份（总计）` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `13214.118` | | `obs_status` | `string` | 观测状态标记（如临时数据、不可靠数据） | `U` | | `obs_status.label` | `string` | 无额外说明 | `不可靠` | | `note_classif` | `string` | 无额外说明 | `C2:6257` | | `note_classif.label` | `string` | 无额外说明 | `非标准就业身份分组……` | | `note_indicator` | `string` | 无额外说明 | `I11:264` | | `note_indicator.label` | `string` | 无额外说明 | `序列中断：方法学修订` | | `note_source` | `string` | 无额外说明 | `R1:3513` | | `note_source.label` | `string` | 无额外说明 | `存储库：ILO统计司 - 微观数据……` | ## 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非空。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-nifl-sex-ste-nb-informal-employment-by-sex-and-status-in-employmen") 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可视化 python sample = (df[df["indicator"] == "EMP_NIFL_SEX_STE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_NIFL_SEX_STE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_NIFL_SEX_STE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_emp_nifl_sex_ste_nb_informal_employment_by_sex_and_status_in_employmen_2025, title = {按性别和就业身份划分的非正规就业人数（千人）| 非洲（ILOSTAT）}, author = {国际劳工组织（ILO）}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_STE_NB}, publisher = {HuggingFace 数据集，由Electric Sheep Africa重新整理}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-nifl-sex-ste-nb-informal-employment-by-sex-and-status-in-employmen}} } ## 许可协议 本数据集采用[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与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数据层。我们从权威开源数据源获取数据，对Schema进行标准化处理，封装为Parquet格式，并以统一的数据集卡片发布，使研究人员与开发者可通过`load_dataset()`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25日通过Electric Sheep数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_NIFL_SEX_STE_NB_