electricsheepafrica/africa-ilo-une-deap-sex-geo-rt-unemployment-rate-by-sex-and-rural-urban-areas

该数据集包含非洲45个国家从1994年至2025年的失业率数据，具体指标为“按性别和城乡地区划分的失业率（%）”。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其REST API获取，并由Electric Sheep Africa重新打包发布。数据集共有2,191个观测值，涵盖一个核心指标（UNE_DEAP_SEX_GEO_RT）。数据以表格形式组织，包括国家代码、国家名称、数据来源、指标代码、性别分类（总计、男性、女性）、年份、观测值及数据状态等字段。数据集适用于表格分类、回归和时间序列预测等任务，主要用于劳动市场分析、经济研究和政策制定。数据经过ILO的标准化处理，确保与国际劳工统计会议（ICLS）定义一致，并标注了来源和质量标志。This dataset contains unemployment rate data for 45 African countries from 1994 to 2025, specifically the indicator Unemployment rate by sex and rural / urban areas (%). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its REST API, and repackaged by Electric Sheep Africa. It includes 2,191 observations covering one core indicator (UNE_DEAP_SEX_GEO_RT). The data is organized in tabular format with columns such as country code, country name, data source, indicator code, sex disaggregation (total, male, female), year, observed value, and data status. It is suitable for tasks like tabular classification, regression, and time-series forecasting, primarily used for labor market analysis, economic research, and policy-making. The data is harmonized by ILO following International Conference of Labour Statisticians (ICLS) definitions and includes source and quality flags.

搜集汇总

数据集介绍

构建方式

该数据集依托国际劳工组织ILOSTAT的权威统计数据库，由Electric Sheep Africa对原始失业率指标进行系统化采集与标准化重构。覆盖范围涵盖45个非洲国家，时间跨度为1994年至2025年，共收录2,191条观测记录，聚焦于按性别及城乡地域分类的失业率单一指标。构建过程遵循可复现的元数据管理规范，将原始数据转换为Parquet格式，并附加标准化的元数据说明、来源注释及面向分析者的使用指引，从而形成结构清晰且便于检索的非洲劳动力市场数据资源。

使用方法

研究人员可通过Hugging Face的datasets库以一行代码加载该数据集，并利用数据集查看器快速浏览结构。加载后可获取数据划分、特征字段及样本记录，在表格形态下可便捷转换为Pandas数据框以进行统计分析。使用时应首先检验模式定义与缺失值分布，在建模前确认变量单位与指标定义，并谨慎处理缺失数据。结合显式的国家、年份与指标字段，可与Electric Sheep Africa目录下的其他数据集进行关联，从而构建可复现的跨国比较研究。

背景与挑战

背景概述

非洲大陆的劳动力市场长期呈现显著的性别与城乡分化特征，失业率的异质性对减贫政策与包容性增长战略构成关键信息需求。国际劳工组织（ILO）作为全球劳动统计的权威机构，其ILOSTAT数据库持续汇编跨国可比指标；Electric Sheep Africa则致力于将非洲公共数据转化为机器学习就绪格式。在此背景下，该数据集整合了1994至2025年间45个非洲国家2,191条观测记录，按性别与城乡地域细分失业率，由Electric Sheep Africa于2026年完成元数据标准化与Parquet封装，为非洲劳动经济学的实证研究与可复现分析提供了结构化的基础数据层。

当前挑战

该数据集所回应的领域问题在于，非洲各国劳动统计体系在覆盖频率、调查方法与指标定义上存在系统性差异，致使性别与城乡维度的失业率跨国比较面临可比性折损。构建过程中的主要挑战包括：原始ILOSTAT元数据中的国家标识与上游发布者字段存在缺失，需依赖显式地理列或标题隐含信息进行推断；部分年份与国家的观测值缺失要求分析者保留缺失状态而非轻率插补；此外，非正式就业在非洲劳动力市场中占比甚高，官方失业率对城乡生计差异的刻画能力有限，模型应用时须审慎对待标签的政策含义，并在建模前核验变量定义与计量单位。

常用场景

经典使用场景

在劳动经济学与区域发展研究的交汇处，非洲大陆的失业率性别差异与城乡分化始终是理解结构性不平等的重要切口。该数据集汇聚了1994至2025年间45个非洲国家共计2191条观测记录，以性别和城乡地域为双重维度刻画失业率变动轨迹，其经典使用场景在于构建面板数据模型，系统考察非洲各国失业率在性别与城乡之间的时序演变与截面差异，为跨国比较研究和区域趋势分析提供标准化、可复现的数据基底。

解决学术问题

该数据集直面的核心学术问题在于非洲劳动力市场统计中长期存在的性别与空间异质性数据稀疏困境。通过整合国际劳工组织标准化指标与Electric Sheep Africa元数据治理框架，数据集有效缓解了跨国比较中指标口径不一、时间序列断裂以及城乡分类缺失等常见障碍。其意义在于为探究性别失业差距的驱动机制、城乡劳动市场分割的制度根源等议题提供了可信的实证素材，推动了非洲就业研究从碎片化描述向系统化因果推断的范式转变。

实际应用

在政策制定与项目评估层面，该数据集为非洲各国劳动部门、国际发展机构及非政府组织提供了量化基准与监测工具。实践者可借助其分析特定国家或区域的失业率性别鸿沟与城乡差距，识别高风险群体并优化就业促进政策的资源配置。同时，数据集支持与世界银行、联合国开发计划署等机构的指标进行联结，服务于可持续发展目标中体面就业与性别平等相关指标的追踪与评估。

数据集最近研究

最新研究方向

在非洲劳动力市场结构性转型与包容性增长议题持续升温的背景下，该数据集依托ILOSTAT权威统计框架，以性别与城乡二元维度刻画45个非洲国家1994至2025年间的失业率演变，为解析性别鸿沟与城乡失衡的交互效应提供了稀缺的长时段面板证据。当前前沿研究正将其与劳动力参与率、非正规就业及教育回报等指标进行跨源链接，借助空间计量与机器学习方法识别青年女性在乡村地区的就业脆弱性热点，并评估工业化政策与数字普惠对失业结构的缓释作用。此类分析对监测非洲可持续发展目标中体面劳动进程、优化性别响应型就业干预具有重要实证意义。