electricsheepafrica/africa-ilo-how-temp-sex-age-nb-mean-weekly-hours-actually-worked-per-employed-per

该数据集包含非洲国家按性别和年龄划分的就业人员平均每周实际工作时间的统计数据，涵盖41个非洲国家，时间跨度为1991年至2025年，共有10,109个观测值。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，涉及一个核心指标：Mean weekly hours actually worked per employed person by sex and age，用于分析非洲劳动力市场的工作时间模式。数据集包括国家代码、年份、性别分类、年龄分类等字段，并提供了数据来源和质量说明。license: 知识共享署名4.0(CC BY 4.0) language: - 英语(English) task_categories: - 表格分类(tabular-classification) - 表格回归(tabular-regression) - 时间序列预测(time-series-forecasting) multilinguality: 单语(monolingual) size_categories: - 10000 < 样本量 < 100000 tags: - 表格数据(tabular) - 非洲(Africa) - 国际劳工组织统计数据库(ILOSTAT) - 工作时长(hours-of-work) - 国际劳工组织(ILO) - 劳工(labour) - 就业(employment) pretty_name: "按性别与年龄分组的就业人员周实际平均工作时长 | 非洲(ILOSTAT)" # 按性别与年龄分组的就业人员周实际平均工作时长 | 非洲(ILOSTAT) 🌍 **10109条观测数据** · **41个非洲国家** · **1991–2025年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新封装*      ## 速览摘要 本数据集包含覆盖**41个非洲国家、1991至2025年**的`工作时长(Hours of work)`相关数据，共计**10109条观测数据**，仅包含**1项核心指标**。 ## 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)的官方中央统计数据库，是全球领先的劳工统计权威来源。其收录涵盖就业、失业、薪资、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多类指标，数据来源于全国劳动力调查、家庭收入调查、机构调查与行政记录，覆盖全球200余个经济体，由国际劳工组织统计司负责数据的标准化整合。 - **数据源**：[ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_AGE_NB) - **发布方**：国际劳工组织(International Labour Organization, ILO) - **许可证**：[知识共享署名4.0(CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/) - **主题**：工作时长(Hours of work) ## 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=HOW_TEMP_SEX_AGE_NB`拉取原始数据，并筛选出非洲地区的ISO 3166-1 α-3国家编码对应的样本。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整合；数据来源信息将在`source.label`字段中标记，以保障数据可追溯性。 ## 地理覆盖范围 41个非洲国家，以下按观测行数排序展示部分国家样本： | 国家 | 观测行数 | 起始年份 | 结束年份 | |---------|-----:|-----------:|----------:| | `ZAF` | 1125 | 2000 | 2024 | | `MUS` | 1035 | 2001 | 2024 | | `EGY` | 720 | 2008 | 2024 | | `MLI` | 450 | 2013 | 2024 | | `RWA` | 450 | 2014 | 2025 | | `SYC` | 405 | 2014 | 2024 | | `ZMB` | 360 | 2017 | 2024 | | `GHA` | 360 | 1991 | 2024 | | `BWA` | 360 | 1996 | 2024 | | `TZA` | 360 | 2001 | 2024 | | `SEN` | 315 | 2015 | 2024 | | `UGA` | 315 | 2010 | 2021 | | `AGO` | 315 | 2019 | 2025 | | `KEN` | 270 | 1999 | 2022 | | `ZWE` | 270 | 2014 | 2024 | | ... | _其余26个国家_ | | | ## 指标（示例） - `HOW_TEMP_SEX_AGE_NB` — 按性别与年龄分组的就业人员周实际平均工作时长 ## 数据字段结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | `string` | ISO 3166-1 α-3 国家编码 | `AGO` | | `ref_area.label` | `string` | 英文国名 | `Angola` | | `source` | `string` | ILOSTAT数据源编码（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指标编码 | `HOW_TEMP_SEX_AGE_NB` | | `indicator.label` | `string` | 英文指标名称 | `Mean weekly hours actually worked per…` | | `sex` | `string` | 按性别分组的细分维度（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | `string` | — | `总计` | | `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、成年）：15岁及以上` | | `time` | `int64` | 观测年份 | `2025` | | `obs_value` | `float64` | 观测指标值（单位因指标而异，请参考指标定义） | `43.45` | | `obs_status` | `string` | 观测状态标记（如临时、不可靠） | `B` | | `obs_status.label` | `string` | — | `序列中断` | | `note_classif` | `float64` | — | `—` | | `note_classif.label` | `float64` | — | `—` | | `note_indicator` | `string` | — | `T11:142` | | `note_indicator.label` | `string` | — | `就业覆盖范围：当前从事的主要工作` | | `note_source` | `string` | — | `R1:3513` | | `note_source.label` | `string` | — | `存储库：国际劳工组织统计司 - 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` ## 数据质量与使用须知 - 数据为年度频率。部分指标同时发布月度或季度序列，但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。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-how-temp-sex-age-nb-mean-weekly-hours-actually-worked-per-employed-per") df = ds["train"].to_pandas() print(df.head()) ### 单国家数据筛选 python kenya = df[df["ref_area"] == "KEN"] ### 单指标时间序列可视化 python sample = (df[df["indicator"] == "HOW_TEMP_SEX_AGE_NB"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="HOW_TEMP_SEX_AGE_NB") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "HOW_TEMP_SEX_AGE_NB"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_how_temp_sex_age_nb_mean_weekly_hours_actually_worked_per_employed_per_2025, title = {Mean weekly hours actually worked per employed person by sex and age | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2025}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_AGE_NB}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-how-temp-sex-age-nb-mean-weekly-hours-actually-worked-per-employed-per}} } ## 许可证 本数据集采用[知识共享署名4.0(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(International Labour Organization, 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的重新封装版本。 ## 关于Electric Sheep Africa Electric Sheep Africa是Electric Sheep使命的一部分：旨在构建HuggingFace上面向非洲的统一、可直接用于机器学习的标准化数据层。我们从权威开放数据源获取数据，对Schema进行规范化处理，封装为Parquet格式，并发布为格式统一的数据集卡片，方便研究人员与开发者通过`load_dataset()`函数在数秒内完成数据加载与使用。 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数据管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=HOW_TEMP_SEX_AGE_NB_

搜集汇总

数据集介绍

构建方式

该数据集源自国际劳工组织（ILO）的ILOSTAT核心统计数据库，通过REST API接口直接提取了非洲地区按性别与年龄划分的每周实际工作小时数指标。数据经ILOSTAT内部基于国际劳工统计学家会议（ICLS）定义进行标准化处理，并由Electric Sheep Africa团队进一步筛选出非洲ISO3国家代码区域，最终整合为10,109条观察记录。数据集覆盖41个非洲国家，时间跨度为1991年至2025年，每条记录均包含国家代码、数据来源、指标代码、性别分类、年龄分类、观测值及状态标记等字段，确保了数据的可追溯性和结构化一致性。

特点

该数据集的核心特点在于其精细化的多维分类体系，支持按性别（总、男、女）和年龄组进行数据拆分，为研究者提供了剖析非洲劳动力市场中不同群体工作时间的微观视角。数据仅采用ILO官方推荐的'最佳来源'，避免了多源冲突，且所有分类维度仅在指标发布相应细目时填充，保证了数据的纯净性。此外，数据集以年度频率呈现，原始来源标记清晰，便于用户进行国家间横向对比和时间序列纵向分析，是研究非洲劳动经济学的宝贵资源。

使用方法

用户可通过HuggingFace的datasets库轻松加载该数据集，只需一行代码`load_dataset()`即可获取完整表格，并转换为Pandas DataFrame进行后续操作。典型的使用场景包括：按国家代码筛选特定国家的数据，如分析肯尼亚的工作时长趋势；对单个指标进行时间序列排序与可视化；以及利用透视表功能构建国家×年份的观测值矩阵，便于跨区域比较。数据集支持表格分类、回归以及时间序列预测等多种任务，适合机器学习模型的训练与经济政策分析。

背景与挑战

背景概述

劳动时间的精准测量是劳动经济学与发展研究领域的核心议题之一，对于评估就业质量、劳动生产率以及体面劳动目标的实现程度具有不可替代的价值。在此背景下，由国际劳工组织（ILO）统计部门构建、Electric Sheep Africa于2025年重新打包的“非洲按性别和年龄划分的就业者周均实际工作小时数”数据集应运而生。该数据集源自ILO的全球劳动统计旗舰数据库ILOSTAT，聚焦于非洲大陆41个国家，跨越1991年至2025年，收录了10,109条观测值，核心指标为“按性别和年龄划分的就业者周均实际工作小时数”。该数据集通过整合国家劳动力调查、家庭收入调查等多源数据，并经ILO统一标准化处理，为研究非洲非正规就业、性别劳动差异以及劳动时间动态演变提供了高颗粒度的面板数据，在推动非洲劳动经济学实证研究和可持续发展目标（SDG）监测方面具有重要意义。

当前挑战

该数据集所面临的挑战首先体现在领域问题的复杂性上：非洲大陆劳动市场存在高度异质性，非正规就业占比高、统计体系薄弱，导致跨国家、跨时期的可比性极易受到调查方法、定义标准（如“实际工作小时”的界定）以及季节性波动的影响。其次，构建过程中的挑战尤为突出：ILOSTAT虽提供了统一的ICLS定义框架，但原始数据来自不同国家的多种调查（如劳动力调查、行政记录），各来源的时间跨度、抽样设计与数据质量参差不齐；同一国家在不同年份也可能更换数据源，造成时间序列中的断点（如数据标注的“序列中断”状态）。此外，年龄与性别分类的标准化处理、缺失值填补以及国家间数据稀疏性（如部分国家仅含数年记录）均为数据分析与模型应用带来了显著障碍。

常用场景

经典使用场景

在劳动经济学与非洲发展研究领域，该数据集的核心应用场景聚焦于性别与年龄维度下非洲各国就业者周实际工作时间的时空演化分析。研究者可借助其涵盖41个国家、跨越35年（1991–2025年）的长时间序列观测值，精确刻画不同性别群体（男性、女性、总计）及年龄分层（如15岁以上青年与成年人）的劳动力供给行为差异。通过构建面板数据模型或时间序列分解方法，学者能够系统性地揭示非洲大陆内部工作强度随经济发展、政策干预及人口结构变迁的波动规律，从而为理解非正规就业、劳动力市场韧性及性别不平等问题提供扎实的量化基础。

实际应用

在实际决策层面，该数据集为国际发展机构、非洲各国劳工部门及非政府组织提供了监测与评估劳动力市场的关键输入。政策制定者可依托性别与年龄分层的工时趋势，精准识别哪些群体面临过度劳动或就业不足的困境，进而设计针对性的劳动保护法规与社会保障方案。例如，数据可辅助确定最低工资标准调整对年轻男性与女性实际工作时间的差异化影响，或是评估产假制度对女性劳动力持续参与率的潜在作用。此外，在可持续发展目标（SDGs）的框架下，该数据集直接服务于体面工作（目标8）和性别平等（目标5）的进程监测，帮助各机构定期测算实际工作时间在年度间的变动，并据此优化就业促进项目的资源分配。

衍生相关工作

围绕该数据集已催生出一系列具有影响力的衍生研究与实践工作。在学术界，研究者基于此数据构建了非洲国家劳动力市场效率的随机前沿模型，评估了制度质量与基础设施对工时利用率的调节效应；也有工作将其与消费数据或企业调查数据库匹配，探讨工作时长对家庭贫困脆弱性的非线性影响。在工具层面，Electric Sheep Africa团队对该数据集的标准化重打包工作（采用Parquet格式并统一标签）为后续机器学习驱动的预测任务奠定了数据基础设施，例如使用梯度提升机或长短期记忆网络（LSTM）模型对特定国家未来工时进行短期预测。此外，该数据集还作为核心输入之一，被整合进“非洲劳动市场监测仪表盘”等开源可视化工具中，支撑了多篇聚焦于非洲劳动代际传递与城乡迁移决策的前沿论文。