africa-ilo-ged-plfp-sex-hht-rt-prime-age-labour-force-participation-rate-by-sex-a

本数据集名为‘Prime-age labour force participation rate by sex and household type (%) | Africa (ILOSTAT)’，由Electric Sheep Africa从国际劳工组织（ILO）的ILOSTAT数据库重新整理并发布。数据集核心内容为非洲地区38个国家在2000年至2024年期间的‘黄金年龄段劳动力参与率按性别和家庭类型划分（%）’这一指标（代码：GED_PLFP_SEX_HHT_RT）的统计数据，共计2,335个观测值。数据以表格形式组织，包含17个字段，详细记录了每个观测值的地理位置（国家ISO代码和名称）、数据来源（如劳动力调查）、指标代码与标签、按性别（总计、男性、女性）和家庭类型划分的维度、观测年份、具体的指标数值（obs_value）以及数据状态标志（如‘不可靠’）和相关的注释信息。数据为年度频率，ILO在存在多个来源时选择了‘最佳来源’。该数据集适用于表格分类、回归分析以及时间序列预测等机器学习任务，旨在为研究非洲劳动力市场、社会经济趋势以及构建相关机器学习模型提供标准化、可直接使用的数据层。数据集遵循CC-BY-4.0许可协议。

原始信息汇总

数据集概述

基本信息

• 名称: Prime-age labour force participation rate by sex and household type (%) | Africa (ILOSTAT)
• 许可证: CC-BY-4.0
• 语言: 英语
• 规模: 2,335 条观测记录（1K < n < 10K）
• 任务类型: 表格分类、表格回归、时间序列预测
• 数据集链接: https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ged-plfp-sex-hht-rt-prime-age-labour-force-participation-rate-by-sex-a

覆盖范围

• 国家: 38 个非洲国家
• 时间跨度: 2000–2024 年
• 指标数量: 1 个独立指标

主要国家覆盖（按观测数量排序）

国家	观测数	起始年份	结束年份
突尼斯 (TUN)	243	2006	2023
埃及 (EGY)	162	2008	2024
卢旺达 (RWA)	144	2014	2024
赞比亚 (ZMB)	136	2015	2023
加纳 (GHA)	126	2000	2022
乌干达 (UGA)	126	2010	2021
纳米比亚 (NAM)	90	2012	2018
安哥拉 (AGO)	90	2004	2019
肯尼亚 (KEN)	90	2005	2022
坦桑尼亚 (TZA)	90	2008	2020

数据来源

• 来源: ILOSTAT（国际劳工组织中央统计数据库）
• 发布机构: 国际劳工组织 (ILO)
• 原始数据链接: https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PLFP_SEX_HHT_RT
• 数据类型: 劳动力数据，包括就业、失业、工资、工时、童工、非正规经济、社会保障、职业伤害及可持续发展目标体面劳动指标
• 方法论: 数据通过 ILOSTAT REST API 获取，并过滤至非洲 ISO3 国家代码；使用 ICLS（国际劳动统计学家会议）定义对原始调查微观数据进行统一处理

指标说明

• 指标代码: GED_PLFP_SEX_HHT_RT
• 指标名称: 按性别和家庭类型划分的壮年劳动力参与率（%）

数据模式 (Schema)

列名	类型	描述	示例
ref_area	string	ISO 3166-1 alpha-3 国家代码	AGO
ref_area.label	string	英文国家名称	Angola
source	string	ILOSTAT 来源代码（如劳动力调查）	BB:16199
source.label	string	英文来源名称	HIES - Survey on Expenditure, Revenue…
indicator	string	ILOSTAT 指标代码	GED_PLFP_SEX_HHT_RT
indicator.label	string	英文指标名称	Prime-age labour force participation …
sex	string	性别分类（SEX_T=总计，SEX_M=男性，SEX_F=女性）	SEX_T
sex.label	string	—	Total
classif1	string	第一个分类变量（年龄、教育、身份等）	HHT_AGGREGATE_TOTAL
classif1.label	string	—	Household type: Total
time	int64	观测年份	2019
obs_value	float64	观测指标值	91.391
obs_status	string	观测状态标志（如临时、不可靠）	U
obs_status.label	string	—	Unreliable
note_indicator	float64	—	—
note_indicator.label	float64	—	—
note_source	string	—	R1:3513
note_source.label	string	—	Repository: ILO-STATISTICS - Micro da…

分类维度

• 性别 (sex): 3 个唯一值——SEX_T（总计）、SEX_M（男性）、SEX_F（女性）

数据质量说明

• 数据为年度频率，未包含月度或季度序列
• 当同一国家×年份存在多个来源时，使用 ILO 选择的“最佳来源”
• 分类列（sex、classif1、classif2）仅在指标发布该细分时非空

使用方式

加载数据集

python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ged-plfp-sex-hht-rt-prime-age-labour-force-participation-rate-by-sex-a") df = ds["train"].to_pandas()

过滤至单一国家

python kenya = df[df["ref_area"] == "KEN"]

单一指标时间序列

python sample = (df[df["indicator"] == "GED_PLFP_SEX_HHT_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_PLFP_SEX_HHT_RT")

转换为国家×年份矩阵

python matrix = (df[df["indicator"] == "GED_PLFP_SEX_HHT_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value"))

引用格式

bibtex @misc{africa_ilo_ged_plfp_sex_hht_rt_prime_age_labour_force_participation_rate_by_sex_a_2024, title = {Prime-age labour force participation rate by sex and household type (%) | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PLFP_SEX_HHT_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ged-plfp-sex-hht-rt-prime-age-labour-force-participation-rate-by-sex-a}} }

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa团队基于国际劳工组织（ILO）的ILOSTAT数据库重新打包构建而成。原始数据通过ILOSTAT REST API直接获取，具体接口为`https://rplumber.ilo.org/data/indicator?id=GED_PLFP_SEX_HHT_RT`，随后筛选出非洲国家ISO3代码对应的地理范围。ILOSTAT本身采用国际劳工统计学家会议（ICLS）定义对各国劳动力调查微观数据进行协调处理，并在数据集中通过`source.label`字段标注原始来源以确保可追溯性。最终形成包含2,335条观测值的结构化表格数据，涵盖38个非洲国家、2000年至2024年的时间跨度，仅保留一个核心指标——按性别和家庭类型划分的壮年劳动力参与率。

特点

数据集以精细化的分类视角呈现非洲劳动力市场核心指标，其核心变量`obs_value`记录百分比形式的壮年劳动力参与率，并通过`sex`字段（含总人口、男性、女性三个维度）和`classif1`字段（家庭类型分类）实现多维度分解。数据结构包含16列元信息，除地理标识`ref_area`和时间戳`time`外，还提供数据来源、观测状态标志等质量审计信息。数据采用年度频率，当同一国家与年份存在多个来源时，ILO自动选取'最优来源'纳入。值得注意的是，该数据集由Electric Sheep Africa团队以Parquet格式统一封装，可直接通过HuggingFace的`load_dataset()`方法加载，实现了与机器学习工作流的无缝衔接。

使用方法

数据集可通过HuggingFace Datasets库便捷调用：`load_dataset("electricsheepafrica/africa-ilo-ged-plfp-sex-hht-rt-prime-age-labour-force-participation-rate-by-sex-a")`直接加载为Dataset对象，并支持一键转换为Pandas DataFrame进行后续分析。典型用法包括：按国家代码筛选特定国家数据（如`df[df["ref_area"] == "KEN"]`）、按指标与时间排序绘制时间序列曲线、利用`pivot_table`将数据重塑为国家×年份的矩阵格式以进行横向对比或面板数据分析。该数据集特别适用于非洲劳动力参与率的趋势研究、性别差异比较及区域经济政策的实证评估。

背景与挑战

背景概述

该数据集由国际劳工组织（ILO）统计数据库ILOSTAT于2024年整理发布，并经Electric Sheep Africa重新封装，聚焦非洲38个国家2000至2024年间按性别和家庭类型划分的壮年劳动力参与率。作为全球劳动力统计的权威来源，ILOSTAT基于各国劳动力调查和行政记录等数据，通过国际劳工统计学家会议（ICLS）定义进行标准化处理，为研究非洲劳动力市场动态提供了关键支撑。该数据集的构建填补了非洲区域精细化劳动力参与率数据的空白，尤其在性别和家庭结构维度上，为评估可持续发展目标（SDGs）中的体面劳动进程、分析经济转型对劳动力市场的影响，以及制定针对性的就业政策提供了可靠数据基础，对发展经济学和劳动社会学研究具有重要推动意义。

当前挑战

该数据集所解决的领域核心挑战在于量化非洲大陆劳动力参与率的性别差异和家庭结构异质性，这一领域长期面临数据稀疏、统计口径不一及时间序列不连续的问题。在构建过程中，主要挑战包括：跨38国数据源的整合，需统一来源迥异的劳动力调查和行政记录的格式与定义；ILOSTAT虽提供了ILO选定的“最佳来源”，但多源数据的标记和缺失值处理仍增加了复杂性；部分国家的观察值被标记为“不可靠”，影响了数据的置信度；此外，数据仅以年频率发布，缺失季度或月度高频信息，限制了对短期劳动力市场波动的捕捉能力。这些挑战共同构成了在该数据基础上进行稳健跨国家比较和预测分析时必须谨慎处理的障碍。

常用场景

经典使用场景

该数据集的核心应用场景在于分析非洲地区壮年劳动力参与率的性别差异与家庭类型分化。研究者可借助其中涵盖38个非洲国家、跨越2000至2024年的2,335条观测记录，构建面板数据模型，系统评估不同国家劳动力市场的结构性特征。通过按性别（总人口、男性、女性）和家庭类型进行分层分析，学者能够深入探究社会经济因素如何塑造劳动力供给行为，并识别各区域劳动参与率的时间演化规律。

实际应用

在实际应用层面，该数据集为非洲各国政策制定者与国际发展机构提供了关键的决策支持工具。通过监测壮年劳动力参与率的性别与家庭类型细分数据，政府部门可以精准识别边缘化人群——如女性户主家庭或传统家庭中的女性劳动者——继而设计更具针对性的就业促进计划、技能培训项目与社会保障政策。国际劳工组织与非洲联盟也可借此评估“可持续发展目标”（SDG）中体面工作与经济增长目标的实现进度，优化跨国资源配置与援助策略。

衍生相关工作

基于该数据集，学术界与政策研究界衍生了若干具有影响力的经典工作。研究者常将其与ILOSTAT的其他指标（如失业率、非正规就业比例）融合，构建非洲劳动力市场脆弱性指数，或结合世界银行的微观调查数据开展多维度贫困与劳动供给关联分析。此外，该数据集启发了时间序列预测模型的构建，如利用长短期记忆网络（LSTM）或传统ARIMA方法对各国劳动参与率进行前瞻性模拟预热，为季节性调整与短期政策评估提供方法论基础。Electric Sheep Africa项目本身也是其衍生生态系统的一部分，通过标准化数据管道推动非洲数据科学社区的发展。