electricsheepafrica/africa-world-bank-agriculture-and-rural-development-indicators-for-gambia-the

---
annotations_creators:
- no-annotation
language_creators:
- found
language:
- en
license: cc-by-4.0
multilinguality:
- monolingual
size_categories:
- 1K<n<10K
source_datasets:
- original
task_categories:
- tabular-regression
task_ids: []
tags:
- africa
- humanitarian
- hdx
- electric-sheep-africa
- agriculture-livestock
- development
- indicators
- gmb
pretty_name: "Gambia, The - Agriculture and Rural Development"
dataset_info:
splits:
- name: train
num_examples: 1347
- name: test
num_examples: 336
---

# Gambia, The - Agriculture and Rural Development

**Publisher:** World Bank Group · **Source:** [HDX](https://data.humdata.org/dataset/world-bank-agriculture-and-rural-development-indicators-for-gambia-the) · **License:** `cc-by` · **Updated:** 2026-03-27

---

## Abstract

Contains data from the World Bank's [data portal](http://data.worldbank.org/). There is also a [consolidated country dataset](https://data.humdata.org/dataset/world-bank-combined-indicators-for-gambia-the) on HDX.

For the 70 percent of the world's poor who live in rural areas, agriculture is the main source of income and employment. But depletion and degradation of land and water pose serious challenges to producing enough food and other agricultural products to sustain livelihoods here and meet the needs of urban populations. Data presented here include measures of agricultural inputs, outputs, and productivity compiled by the UN's Food and Agriculture Organization.

Each row in this dataset represents country-level aggregates. Data was last updated on HDX on 2026-03-27. Geographic scope: **GMB**.

*Curated into ML-ready Parquet format by [Electric Sheep Africa](https://huggingface.co/electricsheepafrica).*

---

## Dataset Characteristics

| | |
|---|---|
| **Domain** | Food security and nutrition |
| **Unit of observation** | Country-level aggregates |
| **Rows (total)** | 1,684 |
| **Columns** | 8 (2 numeric, 6 categorical, 0 datetime) |
| **Train split** | 1,347 rows |
| **Test split** | 336 rows |
| **Geographic scope** | GMB |
| **Publisher** | World Bank Group |
| **HDX last updated** | 2026-03-27 |

---

## Variables

**Geographic** — `country_name` (Gambia, The), `country_iso3` (GMB), `year` (range 1960.0–2025.0).

**Outcome / Measurement** — `value` (range -0.0131–543135541.3478).

**Identifier / Metadata** — `indicator_name` (Rural population, Rural population (% of total population), Rural population growth (annual %)), `indicator_code` (SP.RUR.TOTL, SP.RUR.TOTL.ZS, SP.RUR.TOTL.ZG), `esa_source` (HDX), `esa_processed` (2026-04-11).

---

## Quick Start

```python
from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-world-bank-agriculture-and-rural-development-indicators-for-gambia-the")
train = ds["train"].to_pandas()
test = ds["test"].to_pandas()

print(train.shape)
train.head()
```

---

## Schema

| Column | Type | Null % | Range / Sample Values |
|---|---|---|---|
| `country_name` | object | 0.0% | Gambia, The |
| `country_iso3` | object | 0.0% | GMB |
| `year` | int64 | 0.0% | 1960.0 – 2025.0 (mean 1994.8082) |
| `indicator_name` | object | 0.0% | Rural population, Rural population (% of total population), Rural population growth (annual %) |
| `indicator_code` | object | 0.0% | SP.RUR.TOTL, SP.RUR.TOTL.ZS, SP.RUR.TOTL.ZG |
| `value` | float64 | 0.0% | -0.0131 – 543135541.3478 (mean 6716420.7878) |
| `esa_source` | object | 0.0% | HDX |
| `esa_processed` | object | 0.0% | 2026-04-11 |

---

## Numeric Summary

| Column | Min | Max | Mean | Median |
|---|---|---|---|---|
| `year` | 1960.0 | 2025.0 | 1994.8082 | 1996.0 |
| `value` | -0.0131 | 543135541.3478 | 6716420.7878 | 72.82 |

---

## Curation

Raw data was downloaded from HDX via the CKAN API and converted to Parquet. Column names were lowercased and standardised to snake_case. Common missing-value markers (`N/A`, `null`, `none`, `-`, `unknown`, `no data`, `#N/A`) were unified to `NaN`. The dataset was split 80/20 into train and test partitions using a fixed random seed (42) and saved as Snappy-compressed Parquet.

---

## Limitations

- Data originates from World Bank Group and has not been independently validated by ESA.
- Automated cleaning cannot correct for misreported values, definitional inconsistencies, or sampling bias in the original collection.
- Refer to the [original HDX dataset page](https://data.humdata.org/dataset/world-bank-agriculture-and-rural-development-indicators-for-gambia-the) for the publisher's own methodology notes and caveats.

---

## Citation

```bibtex
@dataset{hdx_africa_world_bank_agriculture_and_rural_development_indicators_for_gambia_the,
title = {Gambia, The - Agriculture and Rural Development},
author = {World Bank Group},
year = {2026},
url = {https://data.humdata.org/dataset/world-bank-agriculture-and-rural-development-indicators-for-gambia-the},
note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)}
}
```

---

*[Electric Sheep Africa](https://huggingface.co/electricsheepafrica) — Africa's ML dataset infrastructure. Lagos, Nigeria.*

annotations_creators:
- 无注释
language_creators:
- 公开爬取
language:
- 英语
license: CC BY 4.0
multilinguality:
- 单语言
size_categories:
- 1000 < 样本数 < 10000
source_datasets:
- 原创数据集
task_categories:
- 表格回归
task_ids:
- 无
tags:
- 非洲
- 人道主义
- HDX（Humanitarian Data Exchange）
- Electric Sheep Africa
- 农业与畜牧业
- 发展
- 指标
- GMB（冈比亚ISO 3代码）
pretty_name: "冈比亚（The Gambia）——农业与农村发展"
dataset_info:
splits:
- name: 训练集
num_examples: 1347
- name: 测试集
num_examples: 336

# 冈比亚（The Gambia）——农业与农村发展

**发布方**：世界银行集团 · **数据源**：[HDX（Humanitarian Data Exchange）](https://data.humdata.org/dataset/world-bank-agriculture-and-rural-development-indicators-for-gambia-the) · **授权协议**：`CC BY` · **最后更新时间**：2026-03-27

---

## 摘要

本数据集包含源自世界银行[数据门户](http://data.worldbank.org/)的公开数据。HDX平台上同时提供一份[整合型国家数据集](https://data.humdata.org/dataset/world-bank-combined-indicators-for-gambia-the)。

全球70%的贫困人口居住于农村地区，农业是其主要收入与就业来源。然而土地与水资源的耗竭与退化，对保障足够的粮食及其他农产品供给以维持当地生计、满足城市人口需求构成了严峻挑战。本数据集收录的指标涵盖联合国粮食及农业组织（Food and Agriculture Organization of the United Nations, FAO）统计的农业投入、产出与生产力相关数据。

本数据集的每一行均代表国家层面的汇总数据。该数据集最后一次在HDX平台更新的时间为2026-03-27。地理覆盖范围：**GMB（冈比亚ISO 3代码）**。

*本数据集已由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)整理为适合机器学习的Parquet格式。*

---

## 数据集特征

| | |
|---|---|
| **领域** | 粮食安全与营养 |
| **观测单元** | 国家层面汇总数据 |
| **总行数** | 1684 |
| **列数** | 8（2个数值型列，6个分类型列，0个日期时间列） |
| **训练集划分** | 1347行 |
| **测试集划分** | 336行 |
| **地理覆盖范围** | GMB（冈比亚ISO 3代码） |
| **发布方** | 世界银行集团 |
| **HDX平台最后更新时间** | 2026-03-27 |

---

## 变量说明

**地理类变量**：`country_name`（国家名称：冈比亚）、`country_iso3`（国家ISO 3代码：GMB）、`year`（年份范围：1960.0–2025.0）。
**结果/测量类变量**：`value`（指标数值范围：-0.0131–543135541.3478）。
**标识符/元数据类变量**：`indicator_name`（指标名称：农村人口、农村人口占总人口比例、农村人口年度增长率）、`indicator_code`（指标代码：SP.RUR.TOTL、SP.RUR.TOTL.ZS、SP.RUR.TOTL.ZG）、`esa_source`（数据来源：HDX）、`esa_processed`（数据处理时间：2026-04-11）。

---

## 快速上手

python
from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-world-bank-agriculture-and-rural-development-indicators-for-gambia-the")
train = ds["train"].to_pandas()
test = ds["test"].to_pandas()

print(train.shape)
train.head()

---

## 数据结构

| 列名 | 数据类型 | 空值占比 | 取值范围/示例值 |
|---|---|---|---|
| `country_name` | 字符串型（object） | 0.0% | 冈比亚 |
| `country_iso3` | 字符串型（object） | 0.0% | GMB |
| `year` | 64位整型（int64） | 0.0% | 1960.0 – 2025.0（均值：1994.8082） |
| `indicator_name` | 字符串型（object） | 0.0% | 农村人口、农村人口占总人口比例、农村人口年度增长率 |
| `indicator_code` | 字符串型（object） | 0.0% | SP.RUR.TOTL、SP.RUR.TOTL.ZS、SP.RUR.TOTL.ZG |
| `value` | 64位浮点型（float64） | 0.0% | -0.0131 – 543135541.3478（均值：6716420.7878） |
| `esa_source` | 字符串型（object） | 0.0% | HDX |
| `esa_processed` | 字符串型（object） | 0.0% | 2026-04-11 |

---

## 数值型变量统计概要

| 列名 | 最小值 | 最大值 | 均值 | 中位数 |
|---|---|---|---|---|
| `year` | 1960.0 | 2025.0 | 1994.8082 | 1996.0 |
| `value` | -0.0131 | 543135541.3478 | 6716420.7878 | 72.82 |

---

## 数据整理流程

原始数据通过CKAN API从HDX平台下载，并转换为Parquet格式。列名统一转换为小写并采用蛇形命名法（snake_case）进行标准化。常见缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）被统一替换为`NaN`。本数据集以固定随机种子（42）按80/20的比例划分为训练集与测试集，并以Snappy压缩格式保存为Parquet文件。

---

## 数据集局限性

- 本数据集源自世界银行集团，未由Electric Sheep Africa进行独立验证。
- 自动化清洗流程无法修正原始数据收集阶段的错报值、定义不一致或抽样偏差问题。
- 如需查看发布方官方的方法论说明与注意事项，请参阅[HDX平台原始数据集页面](https://data.humdata.org/dataset/world-bank-agriculture-and-rural-development-indicators-for-gambia-the)。

---

## 引用格式

bibtex
@dataset{hdx_africa_world_bank_agriculture_and_rural_development_indicators_for_gambia_the,
title = {Gambia, The - Agriculture and Rural Development},
author = {World Bank Group},
year = {2026},
url = {https://data.humdata.org/dataset/world-bank-agriculture-and-rural-development-indicators-for-gambia-the},
note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)}
}

---

*[Electric Sheep Africa](https://huggingface.co/electricsheepafrica) — 非洲机器学习数据集基础设施。尼日利亚拉各斯。*

搜集汇总

数据集介绍

构建方式

在农业与农村发展研究领域，数据集的构建往往依赖于权威国际机构的系统化数据收集。本数据集源于世界银行集团的数据门户，通过人道主义数据交换平台获取原始资料，涵盖了冈比亚自1960年至2025年的国家层面聚合指标。数据经过Electric Sheep Africa团队的规范化处理，包括从CKAN API下载原始数据、统一转换为Parquet格式，并对列名进行标准化与缺失值标记的统一化。最终，采用固定随机种子将数据按80:20的比例划分为训练集与测试集，并以Snappy压缩的Parquet格式保存，确保了数据的机器学习可用性与结构一致性。

使用方法

在应用机器学习方法分析农村发展动态时，本数据集提供了便捷的接入途径。研究人员可通过Hugging Face的datasets库直接加载数据，使用指定的数据集名称即可获取已分割的训练集与测试集。加载后的数据可轻松转换为Pandas DataFrame进行后续探索与分析，例如查看数据形状与预览前几行内容。数据集适用于表格回归任务，可用于构建预测模型，分析农村人口变化与农业发展的长期趋势。使用者应参考原始数据发布方的方法说明，并注意数据可能存在报告误差或定义不一致等固有局限，以确保分析结论的稳健性。

背景与挑战

背景概述

在全球化与可持续发展的宏观背景下，农业与农村发展作为消除贫困、保障粮食安全的核心议题，日益受到国际社会的广泛关注。世界银行集团作为全球发展数据的重要提供者，长期致力于收集与发布各国关键发展指标。2026年，Electric Sheep Africa机构对世界银行关于冈比亚的农业与农村发展指标数据进行了系统化整理与机器学习适配，形成了本数据集。该数据集聚焦于冈比亚的农村人口规模、占比及其年度增长率等关键指标，时间跨度覆盖1960年至2025年，旨在为研究非洲地区，特别是冈比亚的农村转型、农业生产力与生计可持续性提供量化基础。其发布不仅丰富了发展经济学领域的实证研究资源，也为政策制定者与机器学习研究者提供了评估农村发展进程与预测未来趋势的结构化数据支持。

当前挑战

该数据集致力于应对农业与农村发展领域的量化分析挑战，核心在于利用历史时序数据揭示农村人口动态与结构变迁的规律，并支撑相关回归预测模型的构建。然而，领域问题本身存在固有复杂性：农村发展受气候、政策、经济等多重因素交织影响，单一指标序列难以全面捕捉其非线性演变机制；同时，数据值域跨度极大，从负增长百分比到数亿级人口绝对值，对模型的数值稳定性与泛化能力提出了较高要求。在构建过程中，挑战主要源于原始数据的局限性。尽管经过自动化清洗与格式标准化，但数据源自世界银行的聚合统计，可能存在报告误差、定义不一致或抽样偏差，而自动化流程无法校正这些底层质量问题。此外，数据集仅包含国家层面的聚合信息，缺乏更细粒度的地域或社会经济维度分解，限制了微观机制分析与异质性研究的深度。

常用场景

经典使用场景

在农业经济学与发展研究领域，该数据集常被用于构建时间序列回归模型，以分析冈比亚农村人口动态与农业发展的长期关联。研究者利用其涵盖1960年至2025年的国家层面聚合数据，通过指标如农村人口比例及年增长率，揭示乡村社会结构变迁对农业生产力的潜在影响，为理解低收入国家农村转型提供量化基础。

解决学术问题

该数据集有效解决了发展经济学中关于农业与农村发展指标稀缺性的问题，为评估资源匮乏地区的粮食安全与生计可持续性提供了标准化数据支撑。其系统化的时间跨度与多维度指标帮助学者克服了历史数据碎片化障碍，使得纵向比较与因果推断成为可能，进而深化了对乡村贫困机制与农业政策效力的实证研究。

实际应用

在实际应用中，该数据集被国际组织与政府机构用于监测冈比亚的农村发展进程，辅助制定针对性的农业补贴与基础设施投资策略。例如，结合农村人口增长数据与农业产出指标，决策者可预测粮食供需平衡趋势，优化水资源分配与土地保护计划，从而提升区域抗风险能力与民生福祉。

数据集最近研究

最新研究方向

在农业与农村发展领域，数据驱动的决策支持正成为研究热点。该数据集聚焦冈比亚的农村人口动态，为探索气候变化对农业生计的影响提供了关键时序数据。前沿研究利用此类指标构建预测模型，评估粮食安全风险，并分析城市化进程中农村人口结构变迁的长期趋势。结合机器学习方法，学者们致力于揭示环境退化与农业生产率之间的复杂关联，为制定可持续的农村发展政策提供实证依据。这些工作不仅响应全球减贫目标，也推动了数据科学在人文关怀中的应用，彰显了跨学科合作在解决区域性挑战中的深远意义。