electricsheepafrica/africa-assessment-registry-mozambique

Assessment Registry Mozambique

Publisher: HDX · Source: HDX · License: cc-by · Updated: 2025-04-25

---

Abstract

Rapid Assessments registry for Mozambique

Each row in this dataset represents geolocated point observations. Temporal coverage is indicated by the start_date, end_date column(s). Geographic scope: MOZ.

Curated into ML-ready Parquet format by Electric Sheep Africa.

---

Dataset Characteristics

Domain	Demographics and population
Unit of observation	Geolocated point observations
Rows (total)	32
Columns	16 (0 numeric, 14 categorical, 2 datetime)
Train split	25 rows
Test split	6 rows
Geographic scope	MOZ
Publisher	HDX
HDX last updated	2025-04-25

---

Variables

Geographic — location (Nhamatanda, Buzi, Cidade Da Beira), other_location (Chissinguana, Dondo, Mafambisse, Dombe, Inchope, Southern Sofala, Southern Manica, Northern Inhambane), methodology (Aerial, Aerial assessment, METODOLOGIA E LIMITAÇÕES:

A avaliação foi realizada usando o formulário de Avaliação Rápida do INGC, versão de 2017. O formulário foi adaptado pelo IFRC para um formulário de recolha de dados móvel KoBo. O formulário foi depois partilhado com o INGC, as ONG participantes e as agências das NU para ser usado para a avaliação. O IFRC forneceu formação rápida sobre a utilização do formulário para assegurar a consistência da recolha de dados. O IOM usou um formulário em papel para a introdução dos dados e depois carregou o formulário no Kobo para a análise dos dados. Os campos do formulário Kobo não correspondiam exactamente ao formulário do IFRC derivado do Kobo, portanto procedeu-se a um processo de limpeza dos dados, necessário para fazer corresponder estes campos. Além disso, as discrepâncias na formação, enumeração e tradução do formulário entre o formulário e o processo do IOM e o multi-agências podem causar inexactidões. A composição das equipas foi de equipas de quatro x duas pessoas. Os dados foram recolhidos dos informadores-chave identificados pelas autoridades governamentais locais. Os dados foram limpos e analisados em Excel. Os resultados foram usados para elaborar um método de avaliação revisto que teve início a 1 de Abril. Tradução de Inglês para Português gentilmente cedido por Translators without Borders.), population_type_s (All affected population, Elderly, Displaced population), report_accessibility (Publicly Available, Available on Request, Not Available) and 2 others.

Temporal — start_date, end_date.

Identifier / Metadata — title (MRA Assessments, Site Profiles, Beira, Nhamatanda, Dondo (9 April 2019), Mozambique: Rapid Assessment Report - Tropical Cyclone IDAI, Beira City), esa_source, esa_processed.

Other — leading_organizations (HelpAge International, Government of Mozambique - National Disaster Management Institute;International Federation of Red Cross and Red Crescent Societies;United Nations Office for the Coordination of Humanitarian Affairs;COSACA Consortium, Site Management & Site Development Sector - Cox's Bazar/Bangladesh), cluster_s_sector_s (Protection, Water Sanitation Hygiene (WASH);Education;Emergency Shelter and NFI;Food Security and Livelihoods;Health, Education;Emergency Shelter and NFI;Food Security and Livelihoods;Protection), status (Report completed, Draft / Preliminary Results, Planned), report_file (https://www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/2019/04/MOZ_Site_Profiles_Round_2_V1_Revised.pdf, https://www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/assessments/44_-_americares_assessment_report_-_chissiguana.pdf, https://www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/2019/04/2019-04-MOZ-IDAI-aerial_assessment_report.pdf).

---

Quick Start

from datasets import load_dataset

ds    = load_dataset("electricsheepafrica/africa-assessment-registry-mozambique")
train = ds["train"].to_pandas()
test  = ds["test"].to_pandas()

print(train.shape)
train.head()

---

Schema

Column	Type	Null %	Range / Sample Values
title	object	0.0%	MRA Assessments, Site Profiles, Beira, Nhamatanda, Dondo (9 April 2019), Mozambique: Rapid Assessment Report - Tropical Cyclone IDAI, Beira City
location	object	0.0%	Nhamatanda, Buzi, Cidade Da Beira
other_location	object	53.1%	Chissinguana, Dondo, Mafambisse, Dombe, Inchope, Southern Sofala, Southern Manica, Northern Inhambane
leading_organizations	object	18.8%	HelpAge International, Government of Mozambique - National Disaster Management Institute;International Federation of Red Cross and Red Crescent Societies;United Nations Office for the Coordination of Humanitarian Affairs;COSACA Consortium, Site Management & Site Development Sector - Cox's Bazar/Bangladesh
cluster_s_sector_s	object	62.5%	Protection, Water Sanitation Hygiene (WASH);Education;Emergency Shelter and NFI;Food Security and Livelihoods;Health, Education;Emergency Shelter and NFI;Food Security and Livelihoods;Protection
start_date	datetime64[ns]	0.0%
end_date	datetime64[ns]	0.0%
status	object	0.0%	Report completed, Draft / Preliminary Results, Planned
methodology	object	75.0%	Aerial, Aerial assessment, METODOLOGIA E LIMITAÇÕES:

A avaliação foi realizada usando o formulário de Avaliação Rápida do INGC, versão de 2017. O formulário foi adaptado pelo IFRC para um formulário de recolha de dados móvel KoBo. O formulário foi depois partilhado com o INGC, as ONG participantes e as agências das NU para ser usado para a avaliação. O IFRC forneceu formação rápida sobre a utilização do formulário para assegurar a consistência da recolha de dados. O IOM usou um formulário em papel para a introdução dos dados e depois carregou o formulário no Kobo para a análise dos dados. Os campos do formulário Kobo não correspondiam exactamente ao formulário do IFRC derivado do Kobo, portanto procedeu-se a um processo de limpeza dos dados, necessário para fazer corresponder estes campos. Além disso, as discrepâncias na formação, enumeração e tradução do formulário entre o formulário e o processo do IOM e o multi-agências podem causar inexactidões. A composição das equipas foi de equipas de quatro x duas pessoas. Os dados foram recolhidos dos informadores-chave identificados pelas autoridades governamentais locais. Os dados foram limpos e analisados em Excel. Os resultados foram usados para elaborar um método de avaliação revisto que teve início a 1 de Abril. Tradução de Inglês para Português gentilmente cedido por Translators without Borders. | | population_type_s | object | 0.0% | All affected population, Elderly, Displaced population | | report_accessibility | object | 0.0% | Publicly Available, Available on Request, Not Available | | report_file | object | 37.5% | https://www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/2019/04/MOZ_Site_Profiles_Round_2_V1_Revised.pdf, https://www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/assessments/44_-_americares_assessment_report_-_chissiguana.pdf, https://www.humanitarianresponse.info/sites/www.humanitarianresponse.info/files/2019/04/2019-04-MOZ-IDAI-aerial_assessment_report.pdf | | questionnaire_accessibility | object | 9.4% | | | accessibility | object | 0.0% | | | esa_source | object | 0.0% | | | esa_processed | object | 0.0% | |

---

Numeric Summary

Column	Min	Max	Mean	Median
No numeric columns.

---

Curation

Raw data was downloaded from HDX via the CKAN API and converted to Parquet. Column names were lowercased and standardised to snake_case. Common missing-value markers (N/A, null, none, -, unknown, no data, #N/A) were unified to NaN. 16 column(s) with >80% missing values were removed: participating_organization_s, collection_method_s, frequency, key_findings, sample_size, broken_handler_search_api_index_default_node_index_field_geographic_level.... 2 column(s) were cast from string to numeric or datetime based on parse-success rate (>85% threshold). The dataset was split 80/20 into train and test partitions using a fixed random seed (42) and saved as Snappy-compressed Parquet.

---

Limitations

• Data originates from HDX and has not been independently validated by ESA.
• Automated cleaning cannot correct for misreported values, definitional inconsistencies, or sampling bias in the original collection.
• The following columns have >20% missing values and should be treated with caution in modelling: other_location, cluster_s_sector_s, methodology, report_file.
• Refer to the original HDX dataset page for the publisher's own methodology notes and caveats.

---

Citation

@dataset{hdx_africa_assessment_registry_mozambique,
  title     = {Assessment Registry Mozambique},
  author    = {HDX},
  year      = {2025},
  url       = {https://data.humdata.org/dataset/assessment-registry-mozambique},
  note      = {Repackaged for machine learning by Electric Sheep Africa (https://huggingface.co/electricsheepafrica)}
}

---

Electric Sheep Africa — Africa's ML dataset infrastructure. Lagos, Nigeria.