electricsheepafrica/africa-ilo-ged-pepr-sex-hht-chl-rt-prime-age-employment-to-population-ratio-by-sex-ho

该数据集包含18,373个观测值，覆盖44个非洲国家，时间跨度为2000年至2024年，聚焦于一个核心指标：GED_PEPR_SEX_HHT_CHL_RT，即按性别、家庭类型和子女存在情况划分的黄金年龄就业人口比率（百分比）。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数据，用于表格分类、回归和时间序列预测任务。数据集包括国家代码、性别、家庭类型、子女存在情况、观测年份和观测值等维度，提供就业统计的详细分解。--- 许可证：CC BY 4.0 语言： - 英语 任务类别： - 表格分类 - 表格回归 - 时间序列预测 多语言属性：单语言 样本规模： - 10000 < 样本量 < 100000 标签： - 表格数据 - 非洲 - 国际劳工组织统计数据库（ILOSTAT） - 就业 - 国际劳工组织（ILO） - 劳工 美观名称："按性别、家庭类型及子女存在情况划分的适龄劳动人口就业与人口比率（| 非洲（ILOSTAT））" --- # 按性别、家庭类型及子女存在情况划分的适龄劳动人口就业与人口比率（| 非洲（ILOSTAT）） 🌍 **18373条观测数据** · **44个非洲国家** · **2000–2024年** · *由[Electric Sheep Africa](https://huggingface.co/electricsheepafrica)重新封装*      ## 快速摘要 本数据集包含**44个非洲国家2000–2024年间的18373条就业相关观测数据**，涵盖**1项独立指标**。 ## 关于数据源 **国际劳工组织统计数据库（ILOSTAT）**是国际劳工组织（International Labour Organization, ILO）的核心统计数据库，也是全球领先的劳工统计数据源。其整合了就业、失业、薪资、工作时长、童工、非正规经济、社会保障、职业伤害以及可持续发展目标体面工作目标等各类指标，数据来源涵盖全国劳动力调查、家庭收入调查、机构调查及行政记录。该数据库覆盖全球200余个经济体，由国际劳工组织统计司负责数据标准化工作。 - **来源：** [ILOSTAT](https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PEPR_SEX_HHT_CHL_RT) - **发布方：** 国际劳工组织（ILO） - **许可证：** [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) - **主题：** 就业 ## 处理方法 数据直接从ILOSTAT的REST API接口`https://rplumber.ilo.org/data/indicator?id=GED_PEPR_SEX_HHT_CHL_RT`获取，并筛选出非洲地区的ISO 3166-1 alpha-3国家代码对应的数据集。ILOSTAT采用国际劳工统计学家会议（International Conference of Labour Statisticians, ICLS）的定义对原始调查微观数据进行标准化处理；数据来源会在`source.label`字段中标记，以保证可追溯性。 ## 地理覆盖范围 44个非洲国家，以下按观测条数排序展示部分国家的信息： | 国家代码（ISO 3166-1 alpha-3） | 观测条数 | 首个统计年份 | 最后统计年份 | |---------|-----:|-----------:|----------:| | `TUN` | 1,714 | 2005 | 2023 | | `EGY` | 1,075 | 2008 | 2024 | | `MUS` | 1,030 | 2014 | 2024 | | `RWA` | 934 | 2014 | 2024 | | `ZMB` | 893 | 2015 | 2023 | | `GHA` | 836 | 2000 | 2022 | | `UGA` | 830 | 2010 | 2021 | | `BWA` | 750 | 2006 | 2023 | | `TZA` | 656 | 2008 | 2024 | | `AGO` | 597 | 2004 | 2019 | | `NAM` | 591 | 2012 | 2018 | | `KEN` | 589 | 2005 | 2022 | | `MLI` | 589 | 2009 | 2022 | | `BFA` | 473 | 2006 | 2024 | | `NGA` | 466 | 2011 | 2019 | | ... | _另有29个国家_ | | | ## 指标（示例） - `GED_PEPR_SEX_HHT_CHL_RT` — 按性别、家庭类型及子女存在情况划分的适龄劳动人口就业与人口比率（%） ## 数据结构 | 字段名 | 数据类型 | 字段说明 | 示例 | |--------|------|-------------|---------| | `ref_area` | 字符串 | ISO 3166-1 alpha-3国家代码 | `AGO` | | `ref_area.label` | 字符串 | 英语国家名称 | `安哥拉` | | `source` | 字符串 | ILOSTAT来源代码（例如劳动力调查） | `BB:16199` | | `source.label` | 字符串 | 英语数据源名称 | `HIES - 支出、收入调查……` | | `indicator` | 字符串 | ILOSTAT指标代码 | `GED_PEPR_SEX_HHT_CHL_RT` | | `indicator.label` | 字符串 | 英语指标名称 | `适龄劳动人口就业与人口比率……` | | `sex` | 字符串 | 按性别拆分（SEX_T=总计，SEX_M=男性，SEX_F=女性） | `SEX_T` | | `sex.label` | 字符串 | — | `总计` | | `classif1` | 字符串 | 第一分类变量（年龄、教育程度、身份等） | `HHT_AGGREGATE_TOTAL` | | `classif1.label` | 字符串 | — | `家庭类型：总计` | | `classif2` | 字符串 | 可选第二分类变量 | `CHL_AGET6_TOTAL` | | `classif2.label` | 字符串 | — | `6岁以下子女存在情况：总计` | | `time` | 64位整数 | 观测年份 | `2019` | | `obs_value` | 64位浮点数 | 观测指标值（单位因指标而异，请参阅指标定义） | `82.666` | | `obs_status` | 字符串 | 观测状态标记（例如临时、不可靠） | `U` | | `obs_status.label` | 字符串 | — | `不可靠` | | `note_indicator` | 64位浮点数 | — | `—` | | `note_indicator.label` | 64位浮点数 | — | `—` | | `note_source` | 字符串 | — | `R1:3513` | | `note_source.label` | 字符串 | — | `存储库：ILO统计数据库 - 微观数据……` | ## 拆分维度 以下字段提供数据拆分维度： - **`sex`**（共3个唯一取值）：`SEX_T`、`SEX_M`、`SEX_F` ## 数据质量与注意事项 - 数据为年度频率。部分指标同时发布月度或季度序列，本数据集未包含此类数据。 - 当同一国家×年份的同一指标存在多个数据源时，将采用国际劳工组织选定的「最优数据源」。 - 拆分字段（`sex`、`classif1`、`classif2`）仅在指标支持对应拆分时才会非空。 ## 使用方法 python from datasets import load_dataset ds = load_dataset("electricsheepafrica/africa-ilo-ged-pepr-sex-hht-chl-rt-prime-age-employment-to-population-ratio-by-sex-ho") df = ds["train"].to_pandas() print(df.head()) ### 筛选单个国家 python kenya = df[df["ref_area"] == "KEN"] ### 单个指标的时间序列数据 python sample = (df[df["indicator"] == "GED_PEPR_SEX_HHT_CHL_RT"] .sort_values("time")) sample.plot(x="time", y="obs_value", title="GED_PEPR_SEX_HHT_CHL_RT") ### 转换为国家×年份矩阵 python matrix = (df[df["indicator"] == "GED_PEPR_SEX_HHT_CHL_RT"] .pivot_table(index="time", columns="ref_area", values="obs_value")) print(matrix.tail()) ## 引用格式 bibtex @misc{africa_ilo_ged_pepr_sex_hht_chl_rt_prime_age_employment_to_population_ratio_by_sex_ho_2024, title = {Prime-age employment-to-population ratio by sex, household type and presence of children ( | Africa (ILOSTAT)}, author = {International Labour Organization (ILO)}, year = {2024}, url = {https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PEPR_SEX_HHT_CHL_RT}, publisher = {HuggingFace Datasets, repackaged by Electric Sheep Africa}, howpublished = {url{https://huggingface.co/datasets/electricsheepafrica/africa-ilo-ged-pepr-sex-hht-chl-rt-prime-age-employment-to-population-ratio-by-sex-ho}} } ## 许可证 本数据集采用[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)许可证发布。 原始数据版权归国际劳工组织（ILO）所有。使用本数据集时，请同时引用上述原始数据源及Electric Sheep Africa的重新封装版本。 ## 关于Electric Sheep Electric Sheep Africa是Electric Sheep使命的一部分：旨在为HuggingFace上的非洲地区数据构建统一、适配机器学习的数据集层。我们从权威开源数据源获取数据，对其schema进行标准化处理，封装为Parquet格式，并发布为格式统一的数据集卡片，方便研究人员与开发者通过`load_dataset()`函数在数秒内启动工作。 浏览完整数据集集合：[huggingface.co/electricsheepafrica](https://huggingface.co/electricsheepafrica) --- _数据溯源：2026-05-25通过Electric Sheep管道摄入。源URL：https://www.ilo.org/shinyapps/bulkexplorer/?id=GED_PEPR_SEX_HHT_CHL_RT_

搜集汇总

数据集介绍

构建方式

该数据集源于国际劳工组织统计数据库（ILOSTAT），由Electric Sheep Africa进行标准化整理与重新封装。其构建以非洲地区44个国家为空间范围，时间跨度为2000年至2024年，共收录18,373条观测记录。数据聚焦于黄金年龄（prime-age）就业人口比这一核心指标，并按性别、家庭类型及子女 presence 进行分层统计。整个流程从原始ILOSTAT数据提取出发，经元数据映射、格式统一为Parquet，并附上溯源说明与使用指引，最终形成可复现的分析就绪数据集。

特点

数据集以表格与文本双模态呈现，规模介于10K至100K之间，具备明确的非洲地域标签与人口社会统计属性。其核心特征在于围绕就业与家庭结构的交叉维度展开，涵盖性别差异、家务类型及子女状况等细分变量，为探究非洲劳动力市场中的性别与家庭因素提供精细刻画。数据以CC BY 4.0许可开放，附有标准化元数据、缺失值处理提示及国家层面聚合信息，兼具可发现性与可复用性。

使用方法

研究者可通过Hugging Face datasets库直接加载该数据集，使用load_dataset函数并指定仓库标识即可获取完整数据切分。加载后可借助to_pandas方法将表格转为DataFrame，便于开展缺失值检查、变量分布剖析及按地理、时间与子群维度的描述性统计。建模前应参照README确认变量单位与定义，保留原始缺失值直至确立合理插补规则。该数据集亦支持与Electric Sheep Africa目录下其他数据集通过国家、年份与指标字段进行连接，以构建更丰富的分析工作流。

背景与挑战

背景概述

在劳动经济学与人口统计学交叉领域，非洲大陆的就业结构长期面临数据稀缺与碎片化的困境，尤其是从性别、家庭类型及子女存在状况等微观维度审视黄金年龄人口就业参与率的系统性证据极为匮乏。2026年，Electric Sheep Africa基于国际劳工组织ILOSTAT数据库，整合并发布了覆盖44个非洲国家、2000至2024年间18373条观测记录的数据集，旨在为研究者提供可复现的跨国比较基础。该数据集回应了非洲劳动力市场分析中家庭情境变量缺失的核心问题，通过标准化元数据与结构化表格，推动了对性别差异与家庭责任如何交互影响就业的实证探索，并为政策制定者评估包容性增长提供了数据支撑。

当前挑战

该数据集所应对的领域问题聚焦于非洲黄金年龄人口就业参与率的精细化测度，其核心挑战在于揭示性别、家庭类型与子女存在状况三者交织下的就业行为异质性。构建过程中，数据整合面临多重障碍：ILOSTAT原始数据在各国统计口径与报告标准上存在显著差异，家庭类型与子女存在状况的定义可能因国而异；44国跨越25年的时间序列伴随缺失值与不一致的指标记录，需在保留原始信息与支持建模之间取得平衡；此外，元数据中未明确声明ISO3国家代码及上游发布者信息，增加了地理匹配与溯源验证的复杂度，对下游分析的严谨性构成持续挑战。

常用场景

经典使用场景

在劳动经济学与人口统计学的交叉领域，该数据集最经典的使用场景在于刻画非洲地区劳动年龄人口就业参与的结构性差异。研究者可依托18,373条观测记录，围绕性别、家庭类型与子女抚养状况等维度，系统比较2000至2024年间44个非洲国家的壮年人口就业人口比。此类分析通常聚焦于性别维度的就业鸿沟，以及家庭内部照料责任对劳动供给的调节效应，从而揭示就业参与率在家庭生命周期中的动态演变规律。

实际应用

在政策制定与社会项目评估层面，该数据集为国际组织、区域发展机构及各国劳工部门提供了监测就业包容性的实证依据。实务工作者可借助分性别与家庭类型的就业人口比，识别照料负担较重群体的就业障碍，据此设计托育服务、弹性工作安排及性别敏感型劳动力市场干预措施。发展金融机构亦可将其纳入国别诊断，评估人力资本利用效率与减贫政策的传导效果。

衍生相关工作

以该数据集为基石，后续研究衍生出多类经典工作，包括非洲性别就业差距的跨国面板分析、家庭结构变迁与女性劳动参与率的因果推断，以及基于元数据目录的非洲开放数据质量评估框架。Electric Sheep Africa的标准化封装亦促进了数据工程与社会科学交叉实践，催生了可复现工作流模板、自动化数据卡片生成工具，以及与ILOSTAT原始数据的比对校验研究。