Načítání...
Obtížnost
Vaše nejlepší skóre
N/A
Zásadní krok v procesu digitalizace kulturního dědictví představuje sběr, strukturování a publikování dat. Bez skutečných, 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, poskytující 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 popisné údaje.
V rámci tohoto problému budete muset provést explorativní analýzu pro tuto datovou sadu.
Datová sada je poskytována 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.
Datová sada 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, kdy 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 župa, která se objevuje v této datové sadě, kolik muzeí v dané župě existuje.
Pro každé muzeum vypočítejte procento dokončených sloupců (non-NaN) z celkového počtu sloupců. Výpočet tohoto skóre se provádí 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 datové sady)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 dokončených 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 župa)
pro úkol 6 bude obsahovat procento dokončených polí pro každé muzeum, vypočítané jako:
(počet dokončených polí / celkový počet sloupců) × 100(hodnota typu float, doporučeno zaokrouhlené na 2 desetinná místa)
pro úkol 7 bude obsahovat průměr skóre úplnosti pro celý dataset (hodnota typu float, doporučeno zaokrouhlené na 2 desetinná místa)
pro úkol 8 bude obsahovat procento muzeí, která mají maximální skóre úplnosti (hodnota typu float, doporučeno zaokrouhlené na 2 desetinná místa)