electricsheepafrica/africa-ilo-eip-3eip-sex-age-dsb-nb-youth-outside-the-labour-force-by-sex-age-and-disa

该数据集包含来自国际劳工组织（ILO）的ILOSTAT数据库的“其他劳动力未充分利用指标”数据，重点关注非洲地区。数据集涵盖了1998年至2025年间42个非洲国家的4,774个观测值，涉及一个核心指标：按性别、年龄和残疾状况划分的未进入劳动力市场的青年人数（以千计）。数据通过ILOSTAT REST API获取，并经过过滤以仅包含非洲国家。数据集提供了详细的分类维度，如性别、年龄和残疾状况，并包含数据来源、观测状态和注释等信息，适用于表格分类、回归和时间序列预测等任务。数据以CC BY 4.0许可证发布，由Electric Sheep Africa重新打包，以支持机器学习和研究使用。--- 许可证: cc-by-4.0 语言: - 英语 任务类别: - 表格分类（tabular-classification） - 表格回归（tabular-regression） - 时间序列预测（time-series-forecasting） 多语言属性: 单语言 样本量范围: - 1K<n<10K 标签: - 表格数据（tabular） - 非洲（africa） - ILOSTAT - 劳动力未充分程度其他衡量指标（other-measures-of-labour-underutilization） - 国际劳工组织（ILO） - 劳动力（labour） - 就业（employment） 美观名称: "按性别、年龄与残疾状况划分的非洲不在劳动力队伍中的青年人数（单位：千人）| 非洲（ILOSTAT）" --- # 按性别、年龄与残疾状况划分的非洲不在劳动力队伍中的青年人数（单位：千人）| 非洲（ILOSTAT） 🌍 **4,774条观测数据** · **42个非洲国家** · **1998–2025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42个非洲国家、时间跨度为1998年至2025年的**劳动力未充分程度其他衡量指标**相关数据，共**4774条观测记录**，仅包含**1项独立指标**。 ## 数据源说明 **ILOSTAT（国际劳工组织统计数据库）** 是国际劳工组织（International Labour Organization, ILO）的中央统计数据库，为全球领先的劳动力统计权威来源。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、职业伤害以及可持续发展目标体面工作目标等领域，数据源自全国劳动力调查、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的标准化协调。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_3EIP_SEX_AGE_DSB_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**：劳动力未充分程度其他衡量指标 ## 数据处理流程 本数据集直接从ILOSTAT的REST API接口 `https://rplumber.ilo.org/data/indicator?id=EIP_3EIP_SEX_AGE_DSB_NB` 拉取原始数据，并筛选出非洲地区的ISO 3166-1 α-3国家编码对应的数据集。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，以保证数据可追溯性。 ## 地理覆盖范围 共覆盖42个非洲国家，以下按数据行数排序展示部分国家的信息： | 国家代码 | 数据行数 | 起始年份 | 终止年份 | |---------|-----:|-----------:|----------:| | `RWA` | 360 | 2014 | 2025 | | `ZMB` | 318 | 2012 | 2024 | | `GHA` | 283 | 2010 | 2024 | | `SEN` | 252 | 2015 | 2024 | | `TGO` | 240 | 2006 | 2022 | | `BWA` | 236 | 2009 | 2024 | | `ZWE` | 216 | 2014 | 2024 | | `TZA` | 210 | 2008 | 2024 | | `CIV` | 192 | 1998 | 2022 | | `UGA` | 170 | 2010 | 2021 | | `GMB` | 144 | 2012 | 2025 | | `BFA` | 142 | 2006 | 2024 | | `BEN` | 142 | 2012 | 2022 | | `LBR` | 125 | 2010 | 2017 | | `SYC` | 123 | 2019 | 2024 | | ... | 另有27个国家 | | | ## 指标（示例） - `EIP_3EIP_SEX_AGE_DSB_NB` — 按性别、年龄与残疾状况划分的不在劳动力队伍中的青年人数（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 α-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（如劳动力调查代码） | `AA:835` | | `source.label` | `string` | 英文数据源名称 | `PC - 人口普查` | | `indicator` | `string` | ILOSTAT 指标代码 | `EIP_3EIP_SEX_AGE_DSB_NB` | | `indicator.label` | `string` | 英文指标名称 | `Youth outside the labour force by sex…` | | `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` | — | `Total` | | `classif1` | `string` | 第一分类变量（年龄、教育程度、身份等） | `AGE_YTHBANDS_Y15-29` | | `classif1.label` | `string` | — | `Age (Youth bands): 15-29` | | `classif2` | `string` | 可选第二分类变量 | `DSB_STATUS_TOTAL` | | `classif2.label` | `string` | — | `Disability status: Total` | | `time` | `int64` | 观测年份 | `2014` | | `obs_value` | `float64` | 观测指标值（单位请参考指标定义） | `4342.2` | | `obs_status` | `string` | 观测状态标记（如暂定、不可靠） | `U` | | `obs_status.label` | `string` | — | `Unreliable` | | `note_classif` | `float64` | — | `—` | | `note_classif.label` | `float64` | — | `—` | | `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…` | ## 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数据，本数据集未包含此类内容。 - 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”。 - 细分维度字段（`sex`、`classif1`、`classif2`）仅在指标支持对应细分时才会填充非空值。 ## 使用示例 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-eip-3eip-sex-age-dsb-nb-youth-outside-the-labour-force-by-sex-age-and-disa") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "EIP_3EIP_SEX_AGE_DSB_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="EIP_3EIP_SEX_AGE_DSB_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "EIP_3EIP_SEX_AGE_DSB_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_eip_3eip_sex_age_dsb_nb_youth_outside_the_labour_force_by_sex_age_and_disa_2025, title = {Youth outside the labour force by sex, age and disability status (thousands) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_3EIP_SEX_AGE_DSB_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-eip-3eip-sex-age-dsb-nb-youth-outside-the-labour-force-by-sex-age-and-disa}} } ## 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与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：该项目旨在打造面向非洲地区、可直接用于机器学习的统一标准化数据集层，托管于HuggingFace平台。我们从权威开源数据源获取数据，对schema进行标准化处理，以Parquet格式打包，并发布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处理工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026年5月27日通过Electric Sheep流水线摄取。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=EIP_3EIP_SEX_AGE_DSB_NB_

搜集汇总

数据集介绍

构建方式

本数据集源于国际劳工组织（ILO）的ILOSTAT中央统计数据库，通过调用其REST API接口（https://rplumber.ilo.org/data/indicator?id=EIP_3EIP_SEX_AGE_DSB_NB）直接抽取数据。Electric Sheep Africa团队进一步对原始数据进行筛选，仅保留覆盖42个非洲国家的观测记录，并根据ISO3国家代码进行过滤。ILOSTAT本身依据国际劳工统计学家会议（ICLS）定义，对各国劳动力调查、家庭收入调查等微观数据进行统一协调与标准化处理，确保数据源的可追溯性，其来源信息在`source.label`字段中予以标注。

特点

该数据集涵盖1998年至2025年间42个非洲国家的4,774条观测记录，聚焦于劳动力利用不足的特定维度——按性别、年龄和残疾状况分列的未参与劳动力市场的青年人数（以千计）。数据集中包含`sex`、`classif1`及`classif2`等多个分类维度，支持对性别（男、女、总计）及年龄区间（如15-29岁青年组）和残疾状态进行细粒度拆分。此外，数据集通过`obs_status`及各类注释字段标记数据质量与系列断点信息，有助于研究人员识别估计值的可靠性波动。

使用方法

研究者可使用HuggingFace的`datasets`库一键加载该数据集，如`ds = load_dataset(\"electricsheepafrica/africa-ilo-eip-3eip-sex-age-dsb-nb-youth-outside-the-labour-force-by-sex-age-and-disa\")`，并以pandas DataFrame形式进行后续操作。通过按国家（`ref_area`）或年份（`time`）过滤，可以快速提取特定子集用于时序分析或横截面比较。数据集的年度频率适合用于构建面板数据模型，而`pivot_table`功能则便于将数据重塑为国家×年份的矩阵格式，满足多国计量经济研究的需求。

背景与挑战

背景概述

在全球劳动统计领域，国际劳工组织（ILO）的ILOSTAT数据库长期作为最权威的劳动力数据源之一，为政策制定与学术研究提供了不可或缺的量化基础。该数据集由Electric Sheep Africa于2025年重新整理并发布，聚焦于非洲42个国家1998年至2025年间失学与失业青年（15-29岁）的劳动力市场外状况，涵盖性别、年龄及残疾状态等关键维度，共计4774条观测值。数据集基于ILOSTAT的REST API接口提取，并严格遵循国际劳工统计学家会议（ICLS）定义的统计口径，其核心指标“EIP_3EIP_SEX_AGE_DSB_NB”揭示了非洲青年群体在劳动力市场边缘化中的结构性问题。这一数据集的问世，为深入理解非洲青年失业的多维特征、评估社会包容政策效果以及推动联合国可持续发展目标（SDGs）中体面劳动目标的实现提供了重要的数据支撑。

当前挑战

该数据集所面对的挑战首先体现于其解决的领域问题：非洲青年劳动力市场外群体的量化分析长期受限于数据碎片化与统计标准不统一，现有研究难以准确刻画性别、年龄与残疾状态等交叉因素对青年就业排斥的叠加效应，阻碍了针对性干预政策的制定。其次，在数据构建过程中，挑战显著来源于多源数据的融合与质量管控——ILOSTAT所整合的各国劳动力调查、人口普查及行政记录在调查时间、抽样方法和统计口径上存在系统性差异，导致同一国家不同年份数据可能存在方法论断裂（如标注为“方法修订造成序列中断”的观测值）；同时，部分国家的数据观测状态被标记为“不可靠”，加之部分年份的缺失值，均对时间序列分析的连续性与预测模型的鲁棒性构成严峻考验。

常用场景

经典使用场景

该数据集收录了1998年至2025年间42个非洲国家中未进入劳动力市场的青年群体的统计信息，涵盖性别、年龄及残疾状况等多维细分维度，共计4774条观测记录。其经典使用场景在于为劳动经济学、人口社会学及发展研究领域的学者提供跨国家、跨时间序列的标准化面板数据，用以剖析非洲青年就业困境的结构性特征。研究者可通过时序分析揭示青年劳动力闲置率的演变轨迹，或运用分类与回归模型探究性别与残疾状态对青年劳动参与决策的交互影响，从而精准刻画非洲大陆青年被排斥在劳动市场之外的多重成因。

解决学术问题

该数据集直击劳动经济学中关于青年失业与非正规就业测量的核心难题，尤其填补了非洲地区因数据稀缺而难以进行的劳动力未充分利用度量的空白。学术研究中，它常被用于系统估算青年潜在劳动力规模，量化残疾与性别双重弱势叠加效应，并验证国际劳工组织的劳动力利用不足指标在非正式经济主导区域的适用性。通过该数据集，学界得以超越传统的失业率框架，从更宽广的视角考察非洲青年在劳动参与、教育投入与家庭照料之间的动态平衡，为构建包容性劳动市场理论提供了坚实的实证根基。

衍生相关工作

基于该数据集的规范性采集标准与丰富维度，一系列衍生工作应运而生。在方法上，学者们开发了面向稀疏面板数据的插补算法与多源数据融合技术，以拓展非洲劳动力统计的时间与空间覆盖。在理论上，相关研究推动了青年劳动力闲置类型的分类体系构建，如将家庭事务、求学深造与疾病残疾从传统的失业状态中剥离，形成更细致的劳动力市场边缘化谱系。在应用工具方面，该数据集催生了面向非洲地区的劳动力市场监测仪表盘与自动预警平台，实现了对青年劳动参与波动的及时捕捉与政策响应模拟。