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

该数据集包含非洲38个国家从1999年至2025年的4,691个观测值，核心指标为“按性别、公共/私营部门和城乡地区划分的就业人员实际平均每周工作小时数”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并筛选至非洲国家。数据集为表格格式，包含列如国家代码、国家名称、数据来源、指标代码、性别分类、分类变量、观测年份、观测值、观测状态等，适用于表格分类、回归和时间序列预测等自然语言处理任务。数据覆盖了多个非洲国家，如南非、埃及、马里等，并提供了数据质量说明，例如数据为年度频率、使用ILO选择的“最佳来源”等。数据集由Electric Sheep Africa重新打包，以方便机器学习使用。This dataset contains 4,691 observations of mean weekly hours actually worked per employed person by sex, public/private sector, and rural/urban areas across 38 African countries from 1999 to 2025. The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered to African countries. It is in tabular format with columns such as country code, country name, data source, indicator code, sex disaggregation, classification variables, observation year, observed value, and observation status, suitable for tabular classification, regression, and time-series forecasting tasks. The dataset covers countries like South Africa, Egypt, Mali, and others, with data quality notes including annual frequency and use of ILO-selected best source. Repackaged by Electric Sheep Africa for machine learning readiness.

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统计数据库，通过其REST API接口直接抽取原始指标数据，并依据非洲ISO3国家代码进行地理范围筛选。数据涵盖了38个非洲国家自1999年至2025年间关于实际工作时间的年度观测值，共计4,691条记录。在数据加工过程中，遵循国际劳工统计学家会议（ICLS）定义对原始调查微观数据进行标准化处理，同时保留数据来源标签以确保可追溯性。Electric Sheep Africa团队进一步对数据进行了统一的架构重排与格式封装，使其能够通过HuggingFace Datasets库直接加载使用。

特点

数据集以性别、公共/私营部门及城乡区域为关键分层维度，提供了非洲各国就业人员实际每周平均工作小时数的量化指标，旨在支持劳动力市场的精细化分析。其特点在于覆盖范围广泛，时间跨度长达二十余年，且所有观测值均来自ILOSTAT官方统计，数据质量可靠。值得注意的是，数据集中包含了观测状态标志字段，用于标记数据是否属于临时性或不可靠的估算值，为用户提供了额外的质量评判依据。此外，数据集针对同一国家同年份存在多个来源的情况，采用了ILO选定的最佳来源数据，确保了指标一致性。

使用方法

在Python环境中，用户可通过HuggingFace Datasets库的load_dataset函数极简加载该数据集，并将其转换为Pandas DataFrame以进行后续处理。典型的使用场景包括：使用过滤操作提取特定国家的数据子集进行时序分析；依据指标代码筛选特定工作小时数据，通过排序和可视化方法观察其随年份的变化趋势；或将数据重塑为国家与年份的交叉矩阵，便于进行横向对比研究。建议用户在使用时注意观测状态标识，谨慎处理标记为不可靠的观测值，并结合指标附带的详细注释理解数据范围与口径。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）于2025年发布，经Electric Sheep Africa重新整理并托管于HuggingFace平台，聚焦非洲38个国家1999至2025年间按性别、公共/私营部门和城乡区域划分的从业人员平均每周实际工时。数据集源自ILOSTAT数据库，这是全球劳动统计领域最具权威的数据源之一，其核心研究问题在于揭示非洲大陆劳动力市场在工时分配上的结构性差异，为分析非正规就业、性别不平等以及区域经济发展提供量化基础。该数据集的发布填补了非洲地区高质量、长时序劳动统计数据的空白，对劳动经济学、发展经济学以及国际比较研究具有重要推动力。

当前挑战

该数据集所解决的领域问题主要在于非洲劳动工时数据的碎片化与低可比性。由于各国劳动力调查方法、定义标准（如ICLS准则）和数据发布频率存在显著差异，跨时空的比较分析面临严峻障碍。此外，数据在构建过程中亦遭遇多重挑战：首先，ILOSTAT需从多个国家来源（如劳动力调查、家庭收入调查等）整合数据，并以统一的架构消解一致性冲突；其次，部分观测值标注为“不可靠”，反映出原始数据质量参差不齐；最后，按性别、部门和区域划分的细分维度存在大量缺失，限制了深度因果推断的能力。

常用场景

经典使用场景

该数据集聚焦于非洲38个国家在1999至2025年间按性别、公共/私营部门及城乡区域划分的就业人员实际周平均工时统计，是劳动经济学、发展经济学以及非洲区域研究领域不可或缺的基准资源。研究者常利用其跨越二十余年的面板结构，结合ILOSTAT统一的数据标准，开展跨国工时动态的定量分析。经典用法包括计算各国工时水平的均值与变异系数，刻画非洲大陆不同劳动力市场的结构性特征，以及通过固定效应或随机效应模型检验经济增长、性别平等政策与工时变化之间的关联。数据集中详尽的性别与部门分类维度，使得基于性别的工时差异分解和公共部门与私营部门工时对比成为可能，为理解非洲非正规就业形态下劳动供给的特殊性提供了坚实的经验基础。

实际应用

在实际应用层面，该数据集为国际组织、各国劳工部门及发展机构开展劳动力市场监测与政策评估提供了可操作的工具。例如，经济学家可以基于不同性别群体的工时数据，精确识别在非正规部门占主导地位的经济体中女性面临的超时劳动或未充分就业风险，进而设计更具包容性的劳动保护法案。公共部门与私营部门的工时对比可用于评估公共服务外包或私营化对员工福利的影响，而城乡细分则有助于制定针对农村地区就业促进的精准干预措施。此外，数据集中附带的数据质量标记和来源注释，使得分析师能够在使用过程中评估观测值的可靠性，并将其纳入预测模型中，为非洲各国的失业保障与最低工资制度调整提供定量的证据支持，推动基于证据的治理决策。

衍生相关工作

基于该数据集衍生的相关研究涵盖了从基础描述性统计到复杂计量模型等多个层面。在时空分析领域，研究人员构建了非洲工时的动态面板数据，进而运用差分广义矩估计方法检验了劳动市场制度变迁对工时的影响，或结合空间计量模型揭示相邻国家间工时标准的空间溢出效应。在机器学习方向，该数据集被用于训练预测模型，如利用国家特征与历史工时序列预测未来劳动力参与率，推动了时间序列预测与表格数据回归基准的建立。此外，一些工作将其与ILOSTAT的其他指标如失业率、非正规就业比例及工资水平进行横向融合，生成了多维度劳动市场质量指数，从而拓展了传统工时研究的外延，催生了诸如“非洲体面劳动综合评估”等跨学科研究框架的诞生。