electricsheepafrica/africa-sdg-all

该数据集是尼日利亚地理参考基线卫生设施的清单，收集于2010年、2012年和2014年。数据集包含34,122行记录，每行代表一个设施或站点记录，具有32个列（17个数值型，13个类别型，1个日期时间型）。数据集分为训练集（27,297行）和测试集（6,824行）。涵盖了多个非洲国家的公共卫生领域，包括设施名称、类型、服务、人员数量、管理类型等多个变量。数据经过清洗和标准化处理，转换为Parquet格式，并分为训练和测试集。

annotations_creators:
- 无注释
language_creators:
- 公开资源采集
language:
- 英语
license: 知识共享署名4.0（CC-BY-4.0）
multilinguality:
- 单语言
size_categories:
- 10000 < 样本量 < 100000
source_datasets:
- 原生数据集
task_categories:
- 表格分类
- 其他
task_ids: []
tags:
- 非洲
- 人道主义
- 人道主义数据交换（Humanitarian Data Exchange，HDX）
- Electric Sheep Africa
- 卫生
- 千年发展目标（Millennium Development Goals，MDG）
- 尼日利亚
pretty_name: "尼日利亚卫生设施"
dataset_info:
splits:
- name: 训练集
num_examples: 27297
- name: 测试集
num_examples: 6824

# 尼日利亚卫生设施

**发布方**：非洲代码计划（Code for Africa） · **数据源**：[OpenAfrica](https://open.africa/dataset/health-facilities-in-nigeria) · **授权协议**：`cc-by` · **更新时间**：2023年11月30日

---

## 摘要

尼日利亚全境地理锚定的基准卫生设施清单。数据分别于2010年（覆盖113个地方政府区域（Local Government Areas，LGAs））、2012年（覆盖661个地方政府区域（LGAs））及2014年采集。

本数据集每一行对应一处卫生设施或服务站点的记录，时间覆盖范围由`date_of_survey`（调查日期）列标注。地理覆盖范围：**非洲（多国）**。

*由[Electric Sheep Africa](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** | 设施或站点记录 |
| **总记录数** | 34122条 |
| **字段数** | 32个（17个数值型、13个分类型、1个日期时间型） |
| **训练集** | 27297条记录 |
| **测试集** | 6824条记录 |
| **地理覆盖范围** | 非洲（多国） |
| **发布方** | 非洲代码计划 |
| **OpenAfrica最后更新时间** | 2023年11月30日 |

---

## 变量

**地理类**：`facility_name`（设施名称，取值为诊所、初级卫生保健中心、卫生所）、`facility_type_display`（设施类型展示，取值为初级卫生保健中心（Primary Health Center，PHC）、卫生所、初级卫生保健中心（PHC））、`maternal_health_delivery_services`（孕产妇分娩服务覆盖情况，取值范围0.0–1.0）、`emergency_transport`（应急运输服务配备情况）、`phcn_electricity`（尼日利亚国家电力供电状态，取值范围0.0–1.0）及另外12个字段。

**时间类**：`num_chews_fulltime`（全职口腔健康医师数量，取值范围0.0–80.0）、`num_nurses_fulltime`（全职护士数量，取值范围0.0–513.0）、`num_nursemidwives_fulltime`（全职助产士数量，取值范围0.0–431.0）、`num_doctors_fulltime`（全职医生数量，取值范围0.0–378.0）。

**人口统计类**：`management`（运营主体，取值为公立、私立、信仰运营）。

**标识符与元数据类**：`vaccines_fridge_freezer`（疫苗冷藏冰柜配备情况，取值范围0.0–1.0）、`formhub_photo_id`（表单照片ID，示例值：1343740074336.jpg、1345807965911.jpg、1338021515767.jpg）、`esa_source`（Electric Sheep Africa数据源标识）、`esa_processed`（Electric Sheep Africa处理标识）。

**其他类**：`skilled_birth_attendant`（熟练接生人员配备情况，取值范围0.0–1.0）、`child_health_measles_immun_calc`（儿童麻疹疫苗接种率计算值，取值范围0.0–1.0）、`improved_sanitation`（改良卫生设施配备情况，取值范围0.0–1.0）、`malaria_treatment_artemisinin`（青蒿素类疟疾治疗服务覆盖情况，取值范围0.0–1.0）、`sector`（所属领域，取值为卫生）及另外1个字段。

---

## 快速入门

python
from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-sdg-all")
train = ds["train"].to_pandas()
test = ds["test"].to_pandas()

print(train.shape)
train.head()

---

## 字段结构

| 字段名 | 类型 | 空值占比 | 取值范围/示例值 |
|---|---|---|---|
| `facility_name` | 对象型 | 2.0% | 诊所、初级卫生保健中心、卫生所 |
| `facility_type_display` | 对象型 | 0.3% | 初级卫生保健中心、卫生所、初级卫生保健中心（PHC） |
| `maternal_health_delivery_services` | 64位浮点型 | 2.0% | 0.0 – 1.0（均值0.6256） |
| `emergency_transport` | 布尔型 | 0.0% | |
| `skilled_birth_attendant` | 64位浮点型 | 2.6% | 0.0 – 1.0（均值0.4047） |
| `num_chews_fulltime` | 64位浮点型 | 1.3% | 0.0 – 80.0（均值2.0773） |
| `phcn_electricity` | 64位浮点型 | 12.8% | 0.0 – 1.0（均值0.4022） |
| `c_section_yn` | 64位浮点型 | 1.6% | 0.0 – 1.0（均值0.1563） |
| `child_health_measles_immun_calc` | 64位浮点型 | 14.0% | 0.0 – 1.0（均值0.7326） |
| `num_nurses_fulltime` | 64位浮点型 | 7.3% | 0.0 – 513.0（均值0.9548） |
| `num_nursemidwives_fulltime` | 64位浮点型 | 2.9% | 0.0 – 431.0（均值1.0024） |
| `num_doctors_fulltime` | 64位浮点型 | 6.3% | 0.0 – 378.0（均值0.5895） |
| `date_of_survey` | 纳秒级日期时间型 | 0.0% | |
| `facility_id` | 对象型 | 0.0% | TSTEW、CJKVV、YISJY |
| `community` | 对象型 | 0.3% | 阿杰古勒、纳萨拉瓦、奥沃德 |
| `ward` | 对象型 | 0.6% | 1、2、3 |
| `management` | 对象型 | 13.9% | 公立、私立、信仰运营 |
| `improved_water_supply` | 64位浮点型 | 13.0% | 0.0 – 1.0（均值0.4688） |
| `improved_sanitation` | 64位浮点型 | 0.2% | 0.0 – 1.0（均值0.4544） |
| `vaccines_fridge_freezer` | 64位浮点型 | 14.2% | 0.0 – 1.0（均值0.2142） |
| `antenatal_care_yn` | 64位浮点型 | 2.0% | 0.0 – 1.0（均值0.7303） |
| `family_planning_yn` | 64位浮点型 | 2.2% | 0.0 – 1.0（均值0.5817） |
| `malaria_treatment_artemisinin` | 64位浮点型 | 1.9% | 0.0 – 1.0（均值0.7809） |
| `sector` | 对象型 | 0.0% | 卫生 |
| `formhub_photo_id` | 对象型 | 0.0% | 1343740074336.jpg、1345807965911.jpg、1338021515767.jpg |
| `gps` | 对象型 | 0.0% | 13.02249549 7.6687652 518.0999755859375 5.0、9.48369871 9.15410417 1157.300048828125 5.0、6.80233873 9.03228821 213.5 5.0 |
| `survey_id` | 对象型 | 0.0% | 451a0efb-5fa6-4bad-93cd-7cf19eb50833、36ea8fd1-cdee-46cc-8a7e-68b55bb68d6f、c3ddc64d-12ff-457e-8e59-4fb9547208da |
| `unique_lga` | 对象型 | 0.0% | |
| `latitude` | 64位浮点型 | 0.0% | 4.2818 – 13.865（均值8.5873） |
| `longitude` | 64位浮点型 | 0.0% | 2.7078 – 14.6364（均值7.2386） |
| `esa_source` | 对象型 | 0.0% | |
| `esa_processed` | 对象型 | 0.0% | |

---

## 数值统计摘要

| 字段名 | 最小值 | 最大值 | 均值 | 中位数 |
|---|---|---|---|---|
| `maternal_health_delivery_services` | 0.0 | 1.0 | 0.6256 | 1.0 |
| `skilled_birth_attendant` | 0.0 | 1.0 | 0.4047 | 0.0 |
| `num_chews_fulltime` | 0.0 | 80.0 | 2.0773 | 1.0 |
| `phcn_electricity` | 0.0 | 1.0 | 0.4022 | 0.0 |
| `c_section_yn` | 0.0 | 1.0 | 0.1563 | 0.0 |
| `child_health_measles_immun_calc` | 0.0 | 1.0 | 0.7326 | 1.0 |
| `num_nurses_fulltime` | 0.0 | 513.0 | 0.9548 | 0.0 |
| `num_nursemidwives_fulltime` | 0.0 | 431.0 | 1.0024 | 0.0 |
| `num_doctors_fulltime` | 0.0 | 378.0 | 0.5895 | 0.0 |
| `improved_water_supply` | 0.0 | 1.0 | 0.4688 | 0.0 |
| `improved_sanitation` | 0.0 | 1.0 | 0.4544 | 0.0 |
| `vaccines_fridge_freezer` | 0.0 | 1.0 | 0.2142 | 0.0 |
| `antenatal_care_yn` | 0.0 | 1.0 | 0.7303 | 1.0 |
| `family_planning_yn` | 0.0 | 1.0 | 0.5817 | 1.0 |
| `malaria_treatment_artemisinin` | 0.0 | 1.0 | 0.7809 | 1.0 |

---

## 数据整理流程

原始数据通过CKAN API从OpenAfrica下载，并转换为Parquet格式。字段名统一转为小写并采用蛇形命名法（snake_case）标准化。常见空值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）统一替换为`NaN`。移除17条完全重复的记录。基于解析成功率（阈值>85%），将12个字段从字符串类型转换为数值型或日期时间型。使用固定随机种子（42）将数据集按80/20比例划分为训练集与测试集，并以Snappy压缩格式的Parquet文件保存。

---

## 局限性

- 数据源自非洲代码计划，未经过Electric Sheep Africa（ESA）的独立验证。
- 自动化清洗无法修正原始数据采集中的错报值、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/health-facilities-in-nigeria)获取发布方提供的方法说明与注意事项。

---

## 引用

bibtex
@dataset{openafrica_africa_sdg_all,
title = {Health Facilities in Nigeria},
author = {Code for Africa},
year = {2023},
url = {https://open.africa/dataset/health-facilities-in-nigeria},
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。*