electricsheepafrica/africa-ilo-une-tune-sex-age-geo-nb-unemployment-by-sex-age-and-rural-urban-areas-thou

该数据集是一个关于非洲失业情况的表格型数据集，包含31,040个观测值，覆盖47个非洲国家，时间跨度为1994年至2025年。核心指标为UNE_TUNE_SEX_AGE_GEO_NB，表示按性别、年龄和城乡地区划分的失业人数（以千计）。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过其API获取并过滤至非洲国家。数据集提供了详细的维度分类，包括国家、数据来源、指标、性别（总计、男性、女性）、年龄组、城乡地区类型、观测年份、观测值及其状态标志等。数据为年度频率，并包含了数据质量说明，如使用ILO选择的最佳来源，且分类列仅在指标发布该细分时非空。数据集适用于表格分类、回归和时间序列预测等任务，旨在为非洲的劳动力市场研究提供机器学习就绪的数据支持。This dataset is a tabular dataset on unemployment in Africa, containing 31,040 observations across 47 African countries from 1994 to 2025. The core indicator is UNE_TUNE_SEX_AGE_GEO_NB, representing unemployment by sex, age, and rural/urban areas (in thousands). The data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via its API and filtered to African countries. The dataset provides detailed disaggregation dimensions, including country, data source, indicator, sex (total, male, female), age group, rural/urban area type, observation year, observed value, and status flags. The data is annual frequency and includes data quality notes, such as the use of ILO-selected best source and non-null classification columns only when the indicator publishes that breakdown. The dataset is suitable for tabular classification, regression, and time-series forecasting tasks, aiming to provide machine learning-ready data for labor market research in Africa.

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（ILO）的ILOSTAT中央统计数据库，由Electric Sheep Africa团队进行标准化整理与重新封装。其基础数据源覆盖1994年至2025年间47个非洲国家的失业统计记录，共计31,040条观测，按性别、年龄组及城乡区域维度分层汇总。构建过程中，团队保留了原始国际劳工组织的指标定义与计量单位，并通过统一的元数据框架对数据资产进行编目，最终以Parquet列式存储格式发布，确保数据结构的稳定性和跨平台可读性。

使用方法

研究者可通过Hugging Face的datasets库以单行代码加载该数据集，并利用内置的split接口快速访问数据表结构。加载完成后，可借助to_pandas()方法将数据转换为Pandas DataFrame，便于开展描述性统计、缺失值剖析与地理时间维度的亚组比较。在建模前，建议先行检查变量定义与单位，避免因元数据缺失导致的解释偏差；对于缺失值，应保留至确立合理的插补规则后再行处理。该数据集亦可与Electric Sheep Africa目录中的其他非洲数据集通过国家、年份和指标字段进行连接分析。

背景与挑战

背景概述

非洲劳动力市场统计长期受制于数据碎片化与覆盖不均，国际劳工组织（ILO）通过ILOSTAT数据库承担起整合区域就业指标的核心角色。Electric Sheep Africa于2026年发布该数据集，汇聚1994至2025年间47个非洲国家31,040条失业观测记录，按性别、年龄组及城乡地域细分，为非洲经济金融研究提供了结构化、可复现的公开数据资源。该数据集回应了区域劳动力市场分析中细分维度数据匮乏的困境，使研究者得以系统考察性别差异、青年失业与城乡二元结构等议题，对推动非洲劳动经济学实证研究具有基础性意义。

当前挑战

该数据集所应对的领域问题在于，非洲各国劳动力调查方法、统计口径与报告周期长期存在显著异质性，跨国失业率的可比性因此受到根本制约。在构建环节，ILOSTAT原始数据面临性别、年龄与城乡维度的分层缺失，部分国家年份序列断裂，城乡界定标准随国别变迁，且元数据中country与upstream_publisher字段存在缺省，掣肘了来源追溯与地理消歧。如何在不损害时序一致性的前提下保留缺失值、并避免由标签直接推断政策含义，构成该数据集在建模分析前需审慎处理的核心挑战。

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，该数据集凭借其覆盖47个非洲国家、跨越1994至2025年的31040条观测记录，成为剖析非洲大陆失业结构性特征的核心资源。研究者通常按性别、年龄组及城乡二元划分对失业规模（以千人为单位）进行面板建模，运用双向固定效应或分组回归方法，识别青年与女性群体在城乡之间的失业异质性，进而绘制非洲劳动力市场的脆弱性图谱。

解决学术问题

该数据集有效回应了非洲劳动统计中长期存在的数据碎片化与口径不一问题。通过ILOSTAT标准化框架与Electric Sheep Africa的元数据治理，它使跨国比较研究得以在统一指标下展开，解决了以往因定义差异导致的结论不可比困境。其意义在于为检验发展经济学中的结构转型假说、城乡劳动力流动理论提供了可靠的经验基础，推动了非洲就业议题从描述性统计向因果推断的范式演进。

实际应用

在政策实践层面，该数据集为国际组织与非洲各国劳工部门提供了量化决策依据。使用者可据此监测青年失业热点区域、评估城乡就业干预项目的基线水平，并构建失业预警指标。其parquet格式与Hugging Face加载接口便于快速嵌入自动化报表与交互式仪表盘，支撑从国家层面到地方层面的劳动力市场诊断与资源精准配置。

数据集最近研究

最新研究方向

伴随国际劳工组织劳动力市场统计数据库的持续更新，基于性别、年龄与城乡属性的失业率异质性分析正成为非洲劳动力市场研究的前沿方向。该数据集覆盖47个非洲国家、1994至2025年间逾三万条观测，为刻画青年失业、女性劳动参与不足及城乡结构性差距提供了细粒度证据支撑。当前研究趋势倾向于将此类面板数据与人口普查、夜间灯光遥感及移动通信记录等异源信息融合，以识别非正规就业与季节性迁徙对失业统计的隐性影响。在非洲大陆自由贸易区推进与人口红利窗口收窄的背景下，该数据集对于监测可持续发展目标第八项进展、评估结构性改革成效具有重要的实证价值与政策参考意义。