Načítání...
Obtížnost
Vaše nejlepší skóre
N/A
Zásadním krokem v procesu digitalizace kulturního dědictví je sběr, strukturování a publikování dat. Bez reálných, koherentních a přístupných dat by jakákoli analýza nebo digitální aplikace zůstala na čistě teoretické úrovni.
Národní institut dědictví přímo přispívá k tomuto procesu publikováním otevřených datových sad na vládní platformě data.gov.ro, čímž poskytuje veřejný přístup k oficiálním informacím o kulturních institucích v Rumunsku. Mezi nimi je i dataset týkající se muzeí v Rumunsku, který obsahuje informace jako jsou názvy muzeí, administrativní lokalizace, rok založení, geografické souřadnice a popisná data.
V rámci tohoto problému budete muset provést exploratorní analýzu pro tento datový soubor.
Datový soubor je poskytnut ve formátu CSV (Comma-Separated Values) a obsahuje informace o muzeích v Rumunsku, vzniklé konverzí z formátu JSON publikovaného na platformě data.gov.ro.
Každý řádek v CSV souboru odpovídá jednomu muzeu a každý sloupec popisuje určitý atribut tohoto muzea.
Datový soubor obsahuje mimo jiné následující sloupce:
_id – interní identifikátor záznamujudețul – župa, ve které se muzeum nacházídenumirea (română) – název muzea v rumunštinělocalitatea – obec, ve které se muzeum nacházíanul înființării – rok, ve kterém bylo muzeum založenocategoria (română) – kategorie muzealatitudine – geografická souřadnice zeměpisné šířkylongitudine – geografická souřadnice zeměpisné délkydescrierea (română) – textový popis muzeaURL – webová stránka muzea (pokud je dostupná)Chybějící hodnoty jsou označeny prázdnými poli.
Určete celkový počet muzeí v datasetu.
Určete počet muzeí, pro která ve sloupci județul najdeme hodnotu București.
Určete počet sloupců, které obsahují alespoň jednu chybějící hodnotu (NaN).
Určete rok, ve kterém bylo založeno nejvíce muzeí, na základě informací, které máme specifikované ve sloupci anul înființării.
Určete pro každou župu, která se v tomto datovém souboru objevuje, kolik muzeí v dané župě existuje.
Pro každé muzeum vypočítejte procento vyplněných sloupců (non-NaN) z celkového počtu sloupců. Výpočet tohoto skóre je realizován pomocí následující formule:
Určete průměr skóre úplnosti pro celý dataset. K tomu sečteme skóre získaná v požadavku 6 a celkový součet vydělíme počtem muzeí.
Určete procento muzeí, která mají maximální skóre úplnosti. Definujeme maximální skóre úplnosti jako maximální hodnotu mezi těmi určenými v úkolu 6.
Pro automatické hodnocení musíte nahrát soubor ve formátu csv s následující strukturou:
id – identifikátor řádku (odpovídající tomu z test.csv)
ididididid_id z datového souboru)ididsubtaskID – identifikátor požadavku:
1 pro celkový počet záznamů (úkol 1)2 pro počet muzeí v Bukurešti (úkol 2)3 pro počet sloupců s chybějícími hodnotami (úkol 3)4 pro rok s nejvíce muzei (úkol 4)5 pro distribuci muzeí podle žup (úkol 5)6 pro procento vyplněných hodnot (úkol 6)7 pro průměr skóre úplnosti (úkol 7)8 pro muzea s maximální úplností (úkol 8)answer – odpověď odpovídající každému úkolu
pro úkol 1 bude obsahovat celkový počet muzeí v datasetu (hodnota typu integer)
pro úkol 2 bude obsahovat počet muzeí v Bukurešti (hodnota typu integer)
pro úkol 3 bude obsahovat počet sloupců, které obsahují alespoň jednu chybějící hodnotu (NaN) (hodnota typu integer)
pro úkol 4 bude obsahovat rok, ve kterém bylo založeno nejvíce muzeí (hodnota typu integer)
pro úkol 5 bude obsahovat počet muzeí v každé župě (hodnota typu integer, jeden řádek pro každou župu)
pro úkol 6 bude obsahovat procento vyplněných polí pro každé muzeum, vypočítané jako:
(počet vyplněných polí / celkový počet sloupců) × 100(hodnota typu float, doporučeno zaokrouhleno na 2 desetinná místa)
pro úkol 7 bude obsahovat průměr skóre úplnosti pro celý dataset (hodnota typu float, doporučeno zaokrouhleno na 2 desetinná místa)
pro úkol 8 bude obsahovat procento muzeí, která mají maximální skóre úplnosti (hodnota typu float, doporučeno zaokrouhleno na 2 desetinná místa)