electricsheepafrica/africa-pepfar-cameroon-2015

PEPFAR Cameroon 2015数据集是关于喀麦隆2015年PEPFAR（美国总统艾滋病紧急救援计划）结果的表格记录。数据集包含194行和23列（20个数值型，3个分类型），分为155个训练样本和38个测试样本。数据涵盖了HIV检测、治疗和预防等多个公共卫生指标。数据集由Electric Sheep Africa从OpenAfrica获取并进行了清洗和标准化处理。数据的地理范围仅限于喀麦隆。需要注意的是，数据来源于Code for Africa，未经ESA独立验证，可能存在报告错误或定义不一致的问题。

annotations_creators:
- 无注释
language_creators:
- 公开采集
language:
- 英语（English）
license: 知识共享署名4.0国际许可协议（CC BY 4.0）
multilinguality:
- 单语言
size_categories:
- 数据规模小于1000条（n<1K）
source_datasets:
- 原始数据集
task_categories:
- 表格分类（tabular-classification）
task_ids: []
tags:
- 非洲
- 人道主义
- HDX（人道主义数据交换平台）
- electric-sheep-africa
- HIV（人类免疫缺陷病毒，艾滋病）
- 公共卫生
- 喀麦隆
pretty_name: "PEPFAR（总统防治艾滋病紧急救援计划）喀麦隆2015"
dataset_info:
splits:
- name: train
num_examples: 155
- name: test
num_examples: 38

# PEPFAR（总统防治艾滋病紧急救援计划）喀麦隆2015数据集
**发布方：Code for Africa（非洲代码组织） · 来源：[OpenAfrica](https://open.africa/dataset/pepfar-cameroon-2015) · 许可证：`CC BY` · 最后更新：2023-11-24**

---

## 摘要
本数据集收录喀麦隆2015年PEPFAR相关统计结果。
数据集每行均为标准化表格记录，最后更新于OpenAfrica平台的时间为2023年11月24日。地理覆盖范围：**喀麦隆**。
*本数据集已由[Electric Sheep Africa（电动绵羊非洲团队）](https://huggingface.co/electricsheepafrica)整理为适配机器学习的Parquet格式。*

---

## 数据集特征
| | |
|---|---|
| **领域** | 公共卫生 |
| **观测单元** | 单条表格记录 |
| **总记录数** | 194 |
| **列数** | 23列（20列数值型，3列分类型，0列日期时间型） |
| **训练集划分** | 155条记录 |
| **测试集划分** | 38条记录 |
| **地理覆盖范围** | 喀麦隆 |
| **发布方** | Code for Africa（非洲代码组织） |
| **OpenAfrica平台最后更新时间** | 2023-11-24 |

---

## 变量说明
**艾滋病毒检测与母婴传播预防类指标** — `pmtct_ctx`（取值范围0.0–489.0）、`tx_new`（取值范围0.0–1560.0）、`tx_curr`（取值范围0.0–13395.0）、`tx_ret_num`（取值范围0.0–480.0）、`tx_ret_den`（取值范围0.0–564.0）。
**标识符与元数据类** — `pmtct_eid`（取值范围0.0–573.0）、`pmtct_eid_pos`（取值范围0.0–113.0）、`esa_source`（HDX，人道主义数据交换平台）、`esa_processed`（处理日期：2026-04-27）。
**其他变量** — `cameroon`（取值为Abo、恩冈代雷市区、Mifi）、`htc_tst`（取值范围0.0–21169.0）、`htc_tst_pos`（取值范围0.0–1725.0）、`pmtct_stat`（取值范围0.0–14238.0）、`pmtct_stat_pos`（取值范围0.0–1148.0）及另外9个变量。

---

## 快速上手
python
from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-pepfar-cameroon-2015")
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 |
|---|---|---|---|
| `cameroon` | 字符型（object） | 0.0% | Abo、恩冈代雷市区、Mifi |
| `htc_tst` | 整型（int64） | 0.0% | 0.0 – 21169.0（均值1740.1649） |
| `htc_tst_pos` | 整型（int64） | 0.0% | 0.0 – 1725.0（均值100.5） |
| `pmtct_stat` | 整型（int64） | 0.0% | 0.0 – 14238.0（均值1330.134） |
| `pmtct_stat_pos` | 整型（int64） | 0.0% | 0.0 – 1148.0（均值87.8711） |
| `pmtct_arv` | 整型（int64） | 0.0% | 0.0 – 1129.0（均值73.4948） |
| `pmtct_eid` | 整型（int64） | 0.0% | 0.0 – 573.0（均值27.6546） |
| `pmtct_eid_pos` | 整型（int64） | 0.0% | 0.0 – 113.0（均值2.3608） |
| `pmtct_ctx` | 整型（int64） | 0.0% | 0.0 – 489.0（均值26.5515） |
| `care_new` | 整型（int64） | 0.0% | 0.0 – 1699.0（均值99.8196） |
| `tx_new` | 整型（int64） | 0.0% | 0.0 – 1560.0（均值82.299） |
| `care_curr` | 整型（int64） | 0.0% | 0.0 – 13440.0（均值637.1392） |
| `tb_screen` | 整型（int64） | 0.0% | 0.0 – 1971.0（均值102.134） |
| `tx_curr` | 整型（int64） | 0.0% | 0.0 – 13395.0（均值633.1031） |
| `tb_art` | 整型（int64） | 0.0% | 0.0 – 261.0（均值1.3454） |
| `tx_ret_num` | 整型（int64） | 0.0% | 0.0 – 480.0（均值10.1649） |
| `tx_ret_den` | 整型（int64） | 0.0% | 0.0 – 564.0（均值14.5619） |
| `vmmc_circ` | 整型（int64） | 0.0% | 0.0 – 0.0（均值0.0） |
| `ovc_serv` | 整型（int64） | 0.0% | 0.0 – 2315.0（均值37.6959） |
| `pp_prev` | 整型（int64） | 0.0% | 0.0 – 86969.0（均值536.768） |
| `kp_prev` | 整型（int64） | 0.0% | 0.0 – 3597.0（均值91.0） |
| `esa_source` | 字符型（object） | 0.0% | HDX（人道主义数据交换平台） |
| `esa_processed` | 字符型（object） | 0.0% | 2026-04-27 |

---

## 数值型变量统计摘要
| 列名 | 最小值 | 最大值 | 均值 | 中位数 |
|---|---|---|---|---|
| `htc_tst` | 0.0 | 21169.0 | 1740.1649 | 0.0 |
| `htc_tst_pos` | 0.0 | 1725.0 | 100.5 | 0.0 |
| `pmtct_stat` | 0.0 | 14238.0 | 1330.134 | 0.0 |
| `pmtct_stat_pos` | 0.0 | 1148.0 | 87.8711 | 0.0 |
| `pmtct_arv` | 0.0 | 1129.0 | 73.4948 | 0.0 |
| `pmtct_eid` | 0.0 | 573.0 | 27.6546 | 0.0 |
| `pmtct_eid_pos` | 0.0 | 113.0 | 2.3608 | 0.0 |
| `pmtct_ctx` | 0.0 | 489.0 | 26.5515 | 0.0 |
| `care_new` | 0.0 | 1699.0 | 99.8196 | 0.0 |
| `tx_new` | 0.0 | 1560.0 | 82.299 | 0.0 |
| `care_curr` | 0.0 | 13440.0 | 637.1392 | 0.0 |
| `tb_screen` | 0.0 | 1971.0 | 102.134 | 0.0 |
| `tx_curr` | 0.0 | 13395.0 | 633.1031 | 0.0 |
| `tb_art` | 0.0 | 261.0 | 1.3454 | 0.0 |
| `tx_ret_num` | 0.0 | 480.0 | 10.1649 | 0.0 |

---

## 数据整理流程
原始数据通过CKAN API从OpenAfrica平台下载，并转换为Parquet格式。对列名进行小写转换与蛇形命名法标准化处理。将常见缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）统一替换为`NaN`。移除2列缺失值占比超过80%的字段：`unnamed_21`、`data_pulled_on`。采用固定随机种子（42）将数据集按80/20比例划分为训练集与测试集，并保存为Snappy压缩格式的Parquet文件。

---

## 数据集局限性
- 本数据源自Code for Africa（非洲代码组织），未经过Electric Sheep Africa（电动绵羊非洲团队）的独立验证。
- 自动化清洗流程无法修正原始数据采集阶段的错报、定义不一致或抽样偏差问题。
- 请查阅[原始HDX数据集页面](https://open.africa/dataset/pepfar-cameroon-2015)获取发布方提供的方法说明与注意事项。

---

## 引用格式
bibtex
@dataset{openafrica_africa_pepfar_cameroon_2015,
title = {PEPFAR Cameroon 2015},
author = {Code for Africa},
year = {2023},
url = {https://open.africa/dataset/pepfar-cameroon-2015},
note = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)}
}

---

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