electricsheepafrica/africa-owid-rye-production

该数据集包含非洲3个国家（埃及、摩洛哥、南非）从1961年至2024年的黑麦生产数据，共有164个观测值。数据来源于Our World in Data，由Electric Sheep Africa重新打包，以提供统一、机器学习就绪的非洲数据层。数据集包含国家名称、ISO3代码、年份和黑麦产量（吨）等字段，适用于表格分类、回归和时间序列预测等任务。This dataset contains rye production data from 1961 to 2024 for three African countries: Egypt, Morocco, and South Africa, with a total of 164 observations. The data is sourced from Our World in Data and repackaged by Electric Sheep Africa to deliver a unified, machine learning-ready African data layer. The dataset includes fields such as country name, ISO3 code, year, and rye yield (in tons), and is applicable for tasks including tabular classification, regression, and time series forecasting.

搜集汇总

数据集介绍

构建方式

该数据集源自Our World in Data平台收录的黑麦生产统计数据，由Electric Sheep Africa团队进行重新封装与标准化处理。数据集涵盖了非洲三个国家（摩洛哥、南非、埃及）在1961年至2024年间的年度黑麦产量观测值，共计164条记录。原始数据经过清洗与结构化，以Parquet格式存储，并统一了列名与数据类型，确保机器学习模型可直接调用。数据集字段包括国家名称、三位ISO代码、年份及黑麦产量（吨），构成一个简洁的时序面板数据结构。

特点

该数据集的显著特点在于其聚焦非洲大陆的黑麦生产，覆盖了该区域主要生产国的长期历史数据。三个国家中，摩洛哥和南非均提供了从1961年至2024年的完整64年序列，埃及则从1989年起有36年观测，体现了不同历史起点的数据供给。数据集规模精炼（不足千条），便于快速实验与模型迭代，同时保留了时间序列分析所需的关键维度，适合作为非洲农业经济或粮食安全研究的起点。

使用方法

使用该数据集极为便捷，用户只需通过HuggingFace Datasets库的load_dataset函数即可一步加载，返回的Dataset对象可直接转换为Pandas DataFrame进行后续操作。典型用法包括按国家筛选子集、按年份排序后绘制时间序列折线图，或作为表格分类/回归任务的输入特征。数据集同时兼容时间序列预测场景，用户可直接利用其年份与产量字段构建时序模型。引用时需注明Our World in Data原始来源及Electric Sheep Africa的重新封装贡献。

背景与挑战

背景概述

在全球粮食安全与农业可持续发展的宏大叙事中，非洲大陆的作物生产数据长期面临零散、不统一的困境，制约着区域农业政策分析与跨时间序列的比较研究。该数据集由Electric Sheep Africa基于Our World in Data的公开数据重新整理，发布于2024年，专注于非洲三个国家（摩洛哥、南非、埃及）1961年至2024年的黑麦产量记录，共164条观测。作为首个针对非洲黑麦生产的高质量、长序列时间数据集，它填补了该作物在非洲区域系统性数据收集的空白，为研究非洲农业生产力演变、气候变化对作物影响以及南南农业合作提供关键基准。该数据集采用CC-BY-4.0许可，集成于HuggingFace平台，便于机器学习与时间序列建模任务直接调用，对推动非洲农业数据民主化与开放式科学具有重要示范意义。

当前挑战

该数据集所应对的核心领域挑战在于，非洲黑麦生产数据的稀疏性与非标准化长期阻碍着区域农业比较分析与预测建模的开展；现有全球数据库常忽略非洲国家的小众作物，导致科研与政策制定缺乏可靠基础。在构建过程中，首要挑战是数据源的跨时空一致性维护，需整合来自Our World in Data的三国记录，确保1961至2024年间不同年份的统计口径与测量单位统一。其次，处理较不完整的国家（如埃及仅36个观测，起始于1989年）带来的时间序列不齐问题，需平衡插值或排除策略以维持样本代表性。此外，原始数据的元数据完整性有限，需准确映射国家代码与年份字段，避免因命名差异或历史政治边界变动引发的偏差。这些技术与非技术挑战最终通过标准化清洗与透明化文档得以初步解决，但仍需后续版本迭代以扩充覆盖范围与维度。

常用场景

经典使用场景

在黑麦产量研究的学术版图中，非洲地区长期以来因数据零散而成为分析洼地。该数据集以164条观测记录、覆盖摩洛哥、南非和埃及三国在1961至2024年间的黑麦产量数据，构建了一个小规模但时间跨度完整的面板数据资源。经典的使用方式包括对单一国家的产量序列进行时序分析，揭示其长期波动与潜在趋势；或是利用多国截面数据，进行产量水平的跨国比较与区域性差异的初步探索。作为表格数据与时间序列预测的基础素材，它为非洲农业经济中特色作物的计量研究提供了可直接调用的结构化起点。

解决学术问题

该数据集回应了非洲农业长期研究中的核心痛点——小作物数据可得性极低。传统国际统计数据库多聚焦玉米、小麦等主要谷物，黑麦这类区域性特色作物的时序与国别数据往往隐匿于庞杂的宏观统计中。通过对Our World in Data原始来源的清洗、结构化与标准化打包，数据集解决了研究者手动拼接零散报表、定义指标口径等重复低效问题。它使得小样本条件下非洲农业多样化、粮食安全脆弱性与作物种植结构调整等议题的量化分析成为可能，为经济史视角下的非洲农业发展研究注入了稀缺的微观证据。

衍生相关工作

该数据集作为Electric Sheep Africa非洲农业数据生态体系的一个节点，衍生了一系列支持性工作。其一，标准化打包流程推动了OWID系列非洲农业数据集的形成，如小麦、玉米等主要作物的并行数据版本。其二，通过与交互式工具（如Narration for Africa）结合，该数据能够支撑非技术用户的自然语言查询与多指标可视化探索。其三，其简洁的Schema设计为低资源环境下的轻量级时间序列预测模型提供了规整的初始输入，有望催生更多关于非洲特色作物短期产量预警的实证研究。