electricsheepafrica/africa-ilo-emp-temp-age-oc2-nb-employment-by-age-and-occupation-isco-level-2-thou

该数据集名为按年龄和职业划分的就业 - ISCO 2级（千计）| 非洲（ILOSTAT），是一个表格型数据集，专注于非洲地区的就业统计。它包含20,071个观测值，覆盖41个非洲国家，时间跨度为1999年至2025年。核心指标为EMP_TEMP_AGE_OC2_NB，即按年龄和职业（使用国际标准职业分类ISCO 2级）统计的就业人数，单位是千。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，通过API获取并过滤为非洲国家，涵盖了就业、年龄和职业的分类信息。数据集结构包括国家代码、年份、指标值、分类变量（如年龄组和职业类别）、数据来源和质量标志等列。该数据集适用于表格分类、回归和时间序列预测等任务，旨在为机器学习和研究提供标准化的非洲就业数据。The dataset is named Employment by age and occupation - ISCO level 2 (thousands) | Africa (ILOSTAT), a tabular dataset focused on employment statistics in Africa. It contains 20,071 observations across 41 African countries, spanning the years 1999 to 2025. The key indicator is EMP_TEMP_AGE_OC2_NB, which represents employment figures by age and occupation (using ISCO level 2 classification), measured in thousands. Data is sourced from the International Labour Organization (ILO) ILOSTAT database, retrieved via API and filtered for African countries, covering classifications for employment, age, and occupation. The schema includes columns such as country code, year, indicator value, classification variables (e.g., age groups and occupation categories), data source, and quality flags. This dataset is suitable for tasks like tabular classification, regression, and time-series forecasting, designed to provide standardized, ML-ready employment data for Africa.

搜集汇总

数据集介绍

构建方式

该数据集由Electric Sheep Africa基于国际劳工组织（ILO）的ILOSTAT中央统计数据库构建，属于非洲数据发现目录中的元数据标准化公开数据集。其原始数据来源于ILOSTAT汇编的全球劳动力统计数据，覆盖41个非洲国家自1999年至2025年的就业信息。Electric Sheep Africa对原始数据进行了重新封装，以parquet格式存储，并补充了标准化的加载指南、来源说明与分析导向的上下文注释，从而提升数据集在机器学习工作流中的可用性与可复现性。

特点

数据集包含20071条观测记录，覆盖41个非洲国家，时间跨度为1999至2025年，涉及按年龄与ISCO第二级职业分类的就业人数（单位：千人）。其数据模态兼具表格与文本，大小类别介于1万至10万条之间，采用CC BY 4.0许可协议。数据集以经济学与金融领域为核心，附带非洲区域标签及ILO劳动统计主题标签，并保留了缺失值以供下游建模时自主选择插补策略。

使用方法

使用者可通过Hugging Face的datasets库加载该数据集，调用load_dataset函数并传入仓库名称即可获取数据集对象。对于表格型数据，可进一步转换为Pandas DataFrame以便进行探索性分析。建议在建模前检查数据模式与缺失情况，利用显式的国家、年份和指标字段进行分组剖析或与Electric Sheep Africa其他数据集联结，并在下游分析中明确记录地理假设与变量定义，确保分析过程的透明与可重复。

背景与挑战

背景概述

国际劳工组织（ILO）长期致力于构建全球劳动力市场统计体系，其ILOSTAT数据库是就业、失业与劳动条件指标的核心来源。然而，非洲地区在职业结构、年龄分层与就业形态方面长期面临数据碎片化、可比性不足等问题。在此背景下，Electric Sheep Africa于2026年整理发布了该数据集，覆盖41个非洲国家、1999至2025年间按年龄与ISCO二级职业分类的就业人数（千人），共含20071条观测。该数据集为非洲劳动经济学研究、就业政策评估与结构化预测建模提供了可复用的标准化表格资源，推动了区域劳动力市场数据的开放与整合。

当前挑战

该数据集所回应的领域问题在于非洲劳动力市场按年龄与职业细分的就业统计长期缺失、口径不一，难以支撑跨国比较与趋势分析。构建过程中的挑战同样显著：各国ILO报告在职业分类深度、年龄分组方式及统计单位上存在异质性，整合至统一ISCO二级框架时需大量协调与映射；部分国家或年份数据缺失，对缺失机制的处理需谨慎，避免不当插补引入偏差；此外，非正式就业在非洲占比高，而现有统计框架对其捕捉有限，导致指标覆盖存在结构性盲区，影响下游建模与政策解读的稳健性。

常用场景

经典使用场景

在劳动经济学与人口学的交汇地带，按年龄与职业双维度解构就业结构始终是理解劳动力市场运行的基础性工作。该数据集依托国际劳工组织ILOSTAT的权威统计体系，以ISCO二级职业分类为骨架，以年龄组为脉络，覆盖41个非洲国家自1999年至2025年的两万余条观测记录，为研究者提供了一幅细粒度的非洲就业版图。其最经典的使用场景在于刻画不同年龄群体在各类职业中的分布形态，从而揭示青年就业集中于低技能岗位、壮年劳动力向高技能职业流动等结构性特征。

解决学术问题

长期以来，非洲劳动力市场研究受困于跨国可比数据的匮乏，职业分类标准不统一、年龄分组口径各异，致使跨国比较与长时段趋势分析举步维艰。该数据集通过统一采用ISCO二级分类与标准化年龄分组，有效化解了跨境统计口径不一致的痼疾，使学者得以在一致框架下检验人口转型与职业结构变迁之间的理论假说。其意义不仅在于填补数据空白，更在于为非洲就业结构变迁的实证研究奠定了可复现的方法论基础，推动了区域劳动经济学从个案描述向系统比较的范式转型。

衍生相关工作

围绕该数据集，一系列衍生研究相继展开。学者将其与非洲各国人口普查微观数据联结，构建了职业结构变迁的面板分析框架；亦有研究将其与教育统计数据匹配，探讨人力资本积累对职业升级的驱动效应。Electric Sheep Africa在此基础上持续扩展数据集目录，形成了涵盖就业、工资与劳动参与率的非洲劳动统计数据集群，为机器学习驱动的劳动力市场预测模型提供了训练语料，推动了数据科学与劳动经济学的交叉融合。