electricsheepafrica/africa-development-indicators-sierra-leone

塞拉利昂发展指标数据集是世界银行收集的主要发展指标数据集，来源于官方认可的国际数据源。该数据集提供了当前最准确和最新的全球发展数据，包括国家、区域和全球的估计数据。数据集以表格形式呈现，包含1,348行和51列（45个数值型，6个类别型），涵盖非洲多个国家的数据。数据集由Code for Africa发布，并由Electric Sheep Africa处理为适合机器学习的Parquet格式。数据集分为训练集（1,078行）和测试集（269行），主要用于表格回归任务。

annotations_creators:
- 无注释
language_creators:
- 现有资源采集
language:
- 英语
license: 知识共享署名4.0（CC BY 4.0）
multilinguality:
- 单语言
size_categories:
- 1000 < 样本数 < 10000
source_datasets:
- 原创数据集
task_categories:
- 表格回归
task_ids: []
tags:
- 非洲
- 人道主义
- 人类发展数据交换平台（HDX）
- Electric Sheep Africa
pretty_name: "塞拉利昂发展指标"
dataset_info:
splits:
- name: train
num_examples: 1078
- name: test
num_examples: 269

# 塞拉利昂发展指标

**发布方：非洲代码计划（Code for Africa）** · **来源：** [OpenAfrica](https://open.africa/dataset/development-indicators-sierra-leone) · **许可协议：`cc-by`** · **更新时间：2023-11-30**

---

## 摘要

世界发展指标（World Development Indicators, WDI）是世界银行旗下核心的发展指标集，整合自官方认可的国际数据源，提供当前最精准的全球发展数据，涵盖国家、区域及全球层面的估算值。

本数据集的每一行均为表格记录，数据最后更新于2023年11月30日的OpenAfrica平台。地理覆盖范围：**非洲（多国）**。

*本数据集已由[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** | 人道主义与发展数据 |
| **观测单元** | 表格记录 |
| **总记录数** | 1,348 |
| **字段数** | 51（45个数值型，6个分类型，0个日期时间型） |
| **训练集划分** | 1,078 条记录 |
| **测试集划分** | 269 条记录 |
| **地理覆盖范围** | 非洲（多国） |
| **发布方** | 非洲代码计划（Code for Africa） |
| **OpenAfrica平台最后更新时间** | 2023-11-30 |

---

## 变量说明

**标识/元数据字段**：`data_source`（内容包括塞拉利昂、最后更新日期、国家名称）、`unnamed_2`（内容包括指标名称、男性小学最后年级升学率（%）、小学教育教师总数（人））、`unnamed_3`（内容包括指标代码：SE.PRM.PRSL.MA.ZS、SE.PRM.TCHR）、`unnamed_14`（取值范围：-185391939170.988至3784006115051.5093）、`unnamed_15`（取值范围：-25997887500.9746至3649698056999.9995），另有45个其余字段。

**其他字段**：`world_development_indicators`（内容包括SLE、2016-02-17 00:00:00、国家代码）。

---

## 快速上手

python
from datasets import load_dataset

ds = load_dataset("electricsheepafrica/africa-development-indicators-sierra-leone")
train = ds["train"].to_pandas()
test = ds["test"].to_pandas()

print(train.shape)
train.head()

---

## 数据结构

| 字段名 | 数据类型 | 缺失率 | 取值范围/示例值 |
|---|---|---|---|
| `data_source` | object | 0.1% | 塞拉利昂、最后更新日期、国家名称 |
| `world_development_indicators` | object | 0.1% | SLE、2016-02-17 00:00:00、国家代码 |
| `unnamed_2` | object | 0.1% | 指标名称、男性小学最后年级升学率（%）、小学教育教师总数（人） |
| `unnamed_3` | object | 0.1% | 指标代码：SE.PRM.PRSL.MA.ZS、SE.PRM.TCHR |
| `unnamed_14` | float64 | 69.0% | -185391939170.988至3784006115051.509 |
| `unnamed_15` | float64 | 66.9% | -25997887500.9746至3649698056999.9995 |
| 其余字段按原文格式保留 |
| `esa_source` | object | 0.0% | HDX |
| `esa_processed` | object | 0.0% | 2026-04-27 |

---

## 数值统计摘要

| 字段名 | 最小值 | 最大值 | 均值 | 中位数 |
|---|---|---|---|---|
| `unnamed_14` | -185391939170.988 | -185391939170.988 | 61072311945.009 | 157.98 |
| `unnamed_15` | -25997887500.9746 | 3649698056999.9995 | 56307067750.8422 | 67.7561 |
| 其余字段按原文格式保留 |

---

## 数据整理流程

原始数据通过CKAN API从OpenAfrica平台下载，并转换为Parquet格式。所有字段名均转换为小写，并统一为蛇形命名规范。常见缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）被统一替换为`NaN`。移除了11个缺失率超过80%的字段：`unnamed_4`、`unnamed_5`、`unnamed_6`、`unnamed_7`、`unnamed_8`、`unnamed_9`…… 本数据集以固定随机种子（42）按照80/20的比例划分为训练集与测试集，并保存为Snappy压缩的Parquet格式。

---

## 局限性说明

- 数据来源于非洲代码计划，未经过Electric Sheep Africa（ESA）的独立验证。
- 自动化数据清洗无法修正原始数据集中的错误报告值、定义不一致问题或采样偏差。
- 以下字段的缺失率超过20%，在建模时需谨慎使用：`unnamed_14`、`unnamed_15`、`unnamed_16`、`unnamed_17`、`unnamed_18`、`unnamed_19`、`unnamed_20`、`unnamed_21`……
- 如需了解发布方的方法说明与注意事项，请参阅[原始HDX数据集页面](https://open.africa/dataset/development-indicators-sierra-leone)。

---

## 引用格式

bibtex
@dataset{openafrica_africa_development_indicators_sierra_leone,
title = {Sierra Leone Development Indicators},
author = {Code for Africa},
year = {2023},
url = {https://open.africa/dataset/development-indicators-sierra-leone},
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。*