Museos de Rumania (9-10)

Contexto

Un paso esencial en el proceso de digitalización del patrimonio cultural lo representa la recolección, estructuración y publicación de datos. Sin datos reales, coherentes y accesibles, cualquier análisis o aplicación digital permanecería a nivel puramente teórico.

El Instituto Nacional del Patrimonio contribuye directamente a este proceso mediante la publicación de conjuntos de datos abiertos en la plataforma gubernamental data.gov.ro, ofreciendo acceso público a información oficial sobre las instituciones de cultura de Rumania. Entre estos se encuentra también el dataset referente a los museos de Rumania, que contiene información como la denominación de los museos, localización administrativa, año de fundación, coordenadas geográficas y datos descriptivos.

En el marco de este problema tendrán que realizar un análisis exploratorio para este conjunto de datos.

Estructura del conjunto de datos

El conjunto de datos se proporciona en formato CSV (Comma-Separated Values) y contiene información sobre los museos de Rumania, resultado de la conversión de un formato JSON publicado en la plataforma data.gov.ro.

Cada fila del archivo CSV corresponde a un museo, y cada columna describe un determinado atributo del mismo.

Campos relevantes

El conjunto de datos contiene, entre otros, las siguientes columnas:

• _id – identificador interno del registro
• județul – el condado en el que está localizado el museo
• denumirea (română) – el nombre del museo en idioma rumano
• localitatea – la localidad en la que se encuentra el museo
• anul înființării – el año en que fue fundado el museo
• categoria (română) – la categoría del museo
• latitudine – coordenada geográfica de latitud
• longitudine – coordenada geográfica de longitud
• descrierea (română) – descripción textual del museo
• URL – sitio web del museo (si está disponible)

Los valores faltantes están marcados mediante campos vacíos.

Requerimientos

Tarea 1 - Número total de registros (5 puntos)

Determinen el número total de museos del dataset.

Tarea 2 - Número de museos de București (10 puntos)

Determinen el número de museos para los cuales en la columna județul encontramos el valor București.

Tarea 3 - Número de columnas con valores faltantes (15 puntos)

Determinen el número de columnas que contienen al menos un valor faltante (NaN).

Tarea 4 - El año con más museos (10 puntos)

Determinen el año en el que fueron fundados la mayor cantidad de museos, basándose en la información que tenemos especificada en la columna anul înființării.

Tarea 5 - Distribución de museos por condados (20 puntos)

Determinen para cada condado, que aparece en este conjunto de datos, cuántos museos existen en ese condado.

Tarea 6 - Porcentaje de valores completados (20 puntos)

Para cada museo, calculen el porcentaje de columnas completadas (non-NaN) del total de columnas. El cálculo de este puntaje se realiza utilizando la siguiente fórmula:

Tarea 7 - Media del puntaje de completitud (10 puntos)

Determinen la media del puntaje de completitud para todo el dataset. Para esto, sumaremos los puntajes obtenidos en el requerimiento 6 y dividiremos el total por el número de museos.

Tarea 8 - Museos con completitud máxima (10 puntos)

Determinen el porcentaje de museos que tienen el puntaje de completitud máximo. Definimos el puntaje de completitud máximo como el valor máximo entre los determinados en la tarea 6.

Formato del archivo de submisión

Para la evaluación automática deben cargar un archivo en formato csv con la siguiente estructura:

• id – identificador de la fila (correspondiente al del test.csv)

  • para la tarea 1, usarán el valor 1 para id
  • para la tarea 2, usarán el valor 2 para id
  • para la tarea 3, usarán el valor 3 para id
  • para la tarea 4, usarán el valor 4 para id
  • para la tarea 5, usarán el nombre de cada condado (escrito exactamente como aparece en el conjunto de datos) como id
  • para la tarea 6, usarán el identificador interno del registro (columna _id del conjunto de datos)
  • para la tarea 7, usarán el valor 7 para id
  • para la tarea 8, usarán el valor 8 para id

• subtaskID – identificador del requerimiento:

  • 1 para el número total de registros (tarea 1)
  • 2 para el número de museos de București (tarea 2)
  • 3 para el número de columnas con valores faltantes (tarea 3)
  • 4 para el año con más museos (tarea 4)
  • 5 para la distribución de museos por condados (tarea 5)
  • 6 para el porcentaje de valores completados (tarea 6)
  • 7 para la media del puntaje de completitud (tarea 7)
  • 8 para los museos con completitud máxima (tarea 8)

• answer – la respuesta correspondiente a cada tarea

  • para la tarea 1, contendrá el número total de museos del dataset (valor de tipo integer)

  • para la tarea 2, contendrá el número de museos de București (valor de tipo integer)

  • para la tarea 3, contendrá el número de columnas que contienen al menos un valor faltante (NaN) (valor de tipo integer)

  • para la tarea 4, contendrá el año en que fueron fundados la mayor cantidad de museos (valor de tipo integer)

  • para la tarea 5, contendrá el número de museos de cada condado (valor de tipo integer, una fila para cada condado)

  • para la tarea 6, contendrá el porcentaje de campos completados para cada museo, calculado como:

    PythonCopiar código

    1(número campos completados / número total columnas) × 100

    (valor de tipo float, recomendado redondeado a 2 decimales)

  • para la tarea 7, contendrá la media del puntaje de completitud para todo el dataset (valor de tipo float, recomendado redondeado a 2 decimales)

  • para la tarea 8, contendrá el porcentaje de museos que tienen el puntaje de completitud máximo (valor de tipo float, recomendado redondeado a 2 decimales)