Музеите в Румъния (11-12)

Контекст

Съществена стъпка в процеса на дигитализация на културното наследство представлява събирането, структурирането и публикуването на данни. Без реални, последователни и достъпни данни всеки анализ или дигитална апликация би останала на чисто теоретично равнище.

Националният институт на наследството допринася директно за този процес чрез публикуване на набори от отворени данни на правителствената платформа data.gov.ro, предлагайки публичен достъп до официална информация за културните институции в Румъния. Сред тях се числи и наборът от данни относно музеите в Румъния, който съдържа информация като наименования на музеите, административна локализация, година на основаване, географски координати и описателни данни.

В рамките на този проблем ще трябва да реализирате експлораторен анализ за този набор от данни.

Структура на набора от данни

Наборът от данни е предоставен във формат CSV (Comma-Separated Values) и съдържа информация за музеите в Румъния, получена в резултат от конвертиране от JSON формат, публикуван на платформата data.gov.ro.

Всеки ред от CSV файла съответства на един музей, а всяка колона описва определен атрибут на същия.

Релевантни полета

Наборът от данни съдържа, между другото, следните колони:

• _id – вътрешен идентификатор на записа
• județul – областта, в която е локализиран музеят
• denumirea (română) – името на музея на румънски език
• localitatea – населеното място, в което се намира музеят
• anul înființării – годината, в която е основан музеят
• categoria (română) – категорията на музея
• latitudine – географската координата за ширина
• longitudine – географската координата за дължина
• descrierea (română) – текстово описание на музея
• URL – уеб сайтът на музея (ако е наличен)

Липсващите стойности са маркирани чрез празни полета.

Изисквания

Задача 1 - Общ брой записи (5 точки)

Определете общия брой музеи в набора от данни.

Задача 2 - Брой музеи в Букурещ (10 точки)

Определете броя музеи, за които в колоната județul намираме стойността București.

Задача 3 - Брой колони с липсващи стойности (15 точки)

Определете броя на колоните, които съдържат поне една липсваща стойност (NaN).

Задача 4 - Годината с най-много музеи (10 точки)

Определете годината, в която са основани най-много музеи, въз основа на информацията, която имаме посочена в колоната anul înființării.

Задача 5 - Разпределение на музеите по области (20 точки)

Определете за всяка област, която се появява в този набор от данни, колко музея съществуват в тази област.

Задача 6 - Процент на попълнените стойности (20 точки)

За всеки музей изчислете процента на попълнените колони (non-NaN) от общия брой колони. Изчислението на този резултат се реализира използвайки следната формула:

Задача 7 - Средна стойност на резултата за пълнота (10 точки)

Определете средната стойност на резултата за пълнота за целия набор от данни. За това ще съберем резултатите, получени при изискване 6, и ще разделим общата сума на броя музеи.

Задача 8 - Музеи с максимална пълнота (10 точки)

Определете процента музеи, които имат максимален резултат за пълнота. Дефинираме максималния резултат за пълнота като максималната стойност от тези, определени при задача 6.

Формат на файла за подаване

За автоматично оценяване трябва да качите файл във формат csv със следната структура:

• id – идентификаторът на реда (съответстващ на този от test.csv)

  • за задача 1 ще използвате стойността 1 за id
  • за задача 2 ще използвате стойността 2 за id
  • за задача 3 ще използвате стойността 3 за id
  • за задача 4 ще използвате стойността 4 за id
  • за задача 5 ще използвате името на всяка област (написано точно както се появява в набора от данни) като id
  • за задача 6 ще използвате вътрешния идентификатор на записа (колоната _id от набора от данни)
  • за задача 7 ще използвате стойността 7 за id
  • за задача 8 ще използвате стойността 8 за id

• subtaskID – идентификаторът на изискването:

  • 1 за общия брой записи (задача 1)
  • 2 за броя музеи в Букурещ (задача 2)
  • 3 за броя колони с липсващи стойности (задача 3)
  • 4 за годината с най-много музеи (задача 4)
  • 5 за разпределението на музеите по области (задача 5)
  • 6 за процента на попълнените стойности (задача 6)
  • 7 за средната стойност на резултата за пълнота (задача 7)
  • 8 за музеите с максимална пълнота (задача 8)

• answer – отговорът, съответстващ на всяка задача

  • за задача 1 ще съдържа общия брой музеи в набора от данни (стойност от тип integer)

  • за задача 2 ще съдържа броя музеи в Букурещ (стойност от тип integer)

  • за задача 3 ще съдържа броя колони, които съдържат поне една липсваща стойност (NaN) (стойност от тип integer)

  • за задача 4 ще съдържа годината, в която са основани най-много музеи (стойност от тип integer)

  • за задача 5 ще съдържа броя музеи от всяка област (стойност от тип integer, по един ред за всяка област)

  • за задача 6 ще съдържа процента на попълнените полета за всеки музей, изчислен като:

    PythonКопирай кода

    1(брой попълнени полета / общ брой колони) × 100

    (стойност от тип float, препоръчително закръглена до 2 десетични знака)

  • за задача 7 ще съдържа средната стойност на резултата за пълнота за целия набор от данни (стойност от тип float, препоръчително закръглена до 2 десетични знака)

  • за задача 8 ще съдържа процента музеи, които имат максимален резултат за пълнота (стойност от тип float, препоръчително закръглена до 2 десетични знака)