electricsheepafrica/africa-ilo-emp-temp-age-ec2-nb-employment-by-age-and-economic-activity-isic-level

该数据集包含非洲43个国家的就业数据，重点关注按年龄和经济活动（ISIC第2级）分类的就业情况，单位为千。数据集涵盖1996年至2025年的时间范围，包含36,770个观测值，涉及1个独特指标。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，经过处理和过滤以覆盖非洲地区。数据集适用于表格分类、表格回归和时间序列预测等任务，并提供了详细的数据列结构，包括国家代码、年份、指标值、数据来源和质量标志等。--- 许可协议：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 多语言属性：单语言 数据规模： - 10,000 < 样本数 < 100,000 标签： - 表格数据 - 非洲 - ILOSTAT - 就业 - ILO - 劳动 美观名称："按年龄与经济活动划分的就业情况——ISIC二级分类（单位：千人）| 非洲（ILOSTAT）" --- # 按年龄与经济活动划分的就业情况——ISIC二级分类（单位：千人）| 非洲（ILOSTAT） 🌍 **共36,770条观测值** · **覆盖43个非洲国家** · **时间跨度为1996–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新整理发布*      ## 简短摘要 本数据集包含**覆盖43个非洲国家的就业相关数据**，共**36,770条观测值**，时间跨度为**1996–2025年**，仅包含**1项明确指标**。 ## 数据来源 **国际劳工组织统计数据库（ILOSTAT）**是**国际劳工组织（International Labour Organization，简称ILO）**的核心统计数据库，是全球领先的劳动统计权威来源。其收录涵盖就业、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（Sustainable Development Goals，SDG）体面工作目标等多项指标，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ILO统计司负责数据的标准化协调。 - **原始来源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_AGE_EC2_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**：就业 ## 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=EMP_TEMP_AGE_EC2_NB`拉取数据，并筛选出非洲国家的ISO 3166-1 alpha-3国家代码子集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians，ICLS）制定的定义对原始调查微观数据进行标准化协调；数据来源信息将在`source.label`字段中标记，以确保可追溯性。 ## 地理覆盖范围 本数据集覆盖43个非洲国家，以下为按观测值行数排序的前15个国家示例： | 国家代码 | 观测行数 | 起始年份 | 结束年份 | |---------|---------:|---------:|---------:| | `MUS` | 4,222 | 2001 | 2024 | | `ZAF` | 4,167 | 2000 | 2024 | | `EGY` | 3,722 | 2008 | 2024 | | `AGO` | 1,691 | 2009 | 2025 | | `RWA` | 1,521 | 2017 | 2025 | | `ZMB` | 1,420 | 2015 | 2024 | | `MLI` | 1,417 | 2013 | 2024 | | `BWA` | 1,399 | 1996 | 2024 | | `ZWE` | 1,177 | 2011 | 2024 | | `SYC` | 1,134 | 2014 | 2024 | | `TZA` | 1,115 | 2006 | 2024 | | `SEN` | 1,027 | 2011 | 2024 | | `TUN` | 1,004 | 2014 | 2023 | | `NAM` | 928 | 2012 | 2018 | | `ETH` | 817 | 1999 | 2021 | | ... | 其余28个国家 | | | ## 指标（示例） - `EMP_TEMP_AGE_EC2_NB` — 按年龄与经济活动划分的就业情况——ISIC二级分类（单位：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 | `安哥拉` | | `source` | `string` | ILOSTAT来源代码（如劳动力调查） | `BA:13951` | | `source.label` | `string` | 英文来源名称 | `劳动力调查（LFS）` | | `indicator` | `string` | ILOSTAT指标代码 | `EMP_TEMP_AGE_EC2_NB` | | `indicator.label` | `string` | 英文指标名称 | `按年龄与经济活动划分的就业情况……` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、就业状态等） | `AGE_YTHADULT_YGE15` | | `classif1.label` | `string` | — | `年龄（青年、成人）：15岁及以上` | | `classif2` | `string` | 可选第二分类变量 | `EC2_ISIC4_TOTAL` | | `classif2.label` | `string` | — | `经济活动（ISIC第四修订版），2位分类……` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位详见指标定义） | `13984.984` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `U` | | `obs_status.label` | `string` | — | `不可靠` | | `note_classif` | `float64` | — | `—` | | `note_classif.label` | `float64` | — | `—` | | `note_indicator` | `string` | — | `I11:264` | | `note_indicator.label` | `string` | — | `序列中断：方法学修订` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：ILO统计司 - 微观数据……` | ## 数据质量与注意事项 - 本数据集采用年度频率数据，未收录同一指标的月度或季度序列。 - 当同一国家×年份的同一指标存在多个来源时，将采用ILO选定的“最优来源”数据。 - 分类拆分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分维度时非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-emp-temp-age-ec2-nb-employment-by-age-and-economic-activity-isic-level") df = ds["train"].to_pandas() print(df.head()) ### 按国家筛选数据 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EMP_TEMP_AGE_EC2_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EMP_TEMP_AGE_EC2_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EMP_TEMP_AGE_EC2_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_emp_temp_age_ec2_nb_employment_by_age_and_economic_activity_isic_level_2025, title = {Employment by age and economic activity - ISIC level 2 (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_AGE_EC2_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-emp-temp-age-ec2-nb-employment-by-age-and-economic-activity-isic-level}} } ## 许可协议 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可协议发布。 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来源及Electric Sheep Africa的重新整理版本。 ## 关于Electric Sheep Electric Sheep Africa是Electric Sheep使命的一部分：该项目旨在在HuggingFace平台上构建统一的、适用于机器学习的非洲数据层。我们从权威开源数据源获取数据，对其进行schema标准化，以Parquet格式打包，并发布为格式统一的数据集卡片，使研究人员与开发者可通过`load_dataset()`函数在数秒内启动数据分析工作。 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数据管道摄入。原始数据源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EMP_TEMP_AGE_EC2_NB_

搜集汇总

数据集介绍

构建方式

该数据集以国际劳工组织（ILO）的ILOSTAT统计数据库为上游来源，由Electric Sheep Africa团队进行标准化再封装。原始数据涵盖非洲43个国家、1996至2025年间的就业观测记录，共计36,770条，按年龄组与经济活动类别（ISIC第二级分类）组织。构建过程保留原始数值单位（千人），仅对元数据、加载指引与溯源信息进行规范化处理，并以Parquet列式格式存储，确保数据在机器学习工作流中的可复现性与可追溯性。

特点

数据集呈现多维度面板特征，时间跨度近三十年，覆盖非洲大陆主要经济体，兼具国别、年龄与行业分类层次。其模态为表格与文本混合，体量介于一万至十万行之间，适合中规模统计建模。数据采用CC BY 4.0开放许可，附带标准化的字段说明、缺失值提示与来源标注，为非洲劳动经济学研究提供结构化证据基础。

使用方法

研究者可通过Hugging Face datasets库以一行代码加载该数据集，自动获取数据划分与特征结构。对于表格分析，可将Dataset对象直接转换为Pandas DataFrame，便于缺失值审查、变量分布剖析与地理时间维度的聚合。此外，建议在使用前确认国家列与年份字段的显式存在，并在与其他Electric Sheep Africa数据集连接时沿用统一的国别、年份与指标键，以构建可引用的复现性分析流程。

背景与挑战

背景概述

国际劳工组织（ILO）自二十世纪中叶起持续推动全球劳动力市场统计的标准化建设，ILOSTAT数据库作为其核心统计平台，为比较各国就业结构提供了权威依据。然而，非洲地区因统计基础设施薄弱、数据采集口径不一，长期面临就业数据碎片化与可比性不足的困境。Electric Sheep Africa于2026年发布的该数据集，系统整合了1996年至2025年间43个非洲国家按年龄与经济活动（ISIC第二级分类）划分的就业观测数据，共计36,770条记录，以标准化元数据架构重塑了非洲劳动力市场的证据基础，为区域就业结构变迁研究、青年与老龄劳动参与率分析及经济部门吸纳能力评估提供了关键数据支撑，显著提升了非洲就业统计的可见性与可复用性。

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长期存在的结构异质性与时序断层：各国就业定义、年龄分组标准及ISIC行业分类的本地化解释不尽相同，导致跨国比较与趋势推断面临系统性偏差。构建过程中，多源数据的异构清洗与统一编码构成主要障碍，部分国家年份缺失、非正规部门就业估算差异以及按年龄与经济活动交叉分类导致的细粒度稀疏性问题，进一步增加了数据融合与建模的复杂度。同时，元数据中country与upstream_publisher字段的缺失，以及1996至2025年间统计口径的潜在变动，对下游分析的可复现性与推断可靠性提出了持续挑战。

常用场景

经典使用场景

在劳动经济学与经济发展研究的广袤图景中，该数据集扮演着非洲就业结构量化刻画的基础性角色。其经典使用场景在于依托国际劳工组织（ILOSTAT）的标准化统计框架，以ISIC第二级经济活动分类为经纬，系统呈现1996至2025年间43个非洲国家按年龄组与行业门类划分的就业人数（以千人为单位）。研究者借此得以开展跨国家、跨时间、跨行业的就业结构比较分析，诸如青年劳动力向服务业转移的速率、不同年龄群体在制造业与农业中的分布差异等议题，均可在这一精细化的表格结构中获得实证支撑。

实际应用

在实际应用层面，该数据集为政策制定者、国际发展机构与私营部门提供了可操作的决策参照。各国劳工部门可据此识别青年失业高发行业与年龄段的就业吸纳瓶颈，进而设计精准的职业技能培训与就业促进方案；世界银行、非洲开发银行等机构可将其嵌入国别经济诊断与项目评估框架，量化行业就业弹性；企业则能借助行业与年龄维度的就业分布，评估特定市场的劳动力供给结构与用工成本趋势。数据集以Parquet格式发布，便于与地理、贸易、教育等外部数据源进行整合，支撑可复现的分析流水线构建。

衍生相关工作

围绕该数据集，Electric Sheep Africa在Hugging Face平台上构建了非洲开放数据目录体系，衍生出涵盖劳动、经济、金融等领域的系列标准化数据集，形成了可交互引用的元数据网络。研究者据此开展的工作包括非洲就业结构与经济增长的耦合分析、行业就业份额与贸易开放度的关联研究，以及基于年龄分组的劳动力参与率预测建模等。这些工作共同拓展了ILOSTAT原始数据的应用边界，并在数据工程层面推动了非洲公共统计数据的ML-ready化与可发现性提升。