Romanialaiset museot (9-10)

Konteksti

Kulttuuriperinnön digitalisoinnin keskeinen vaihe on tietojen kerääminen, strukturointi ja julkaiseminen. Ilman todellisia, johdonmukaisia ja saatavilla olevia tietoja mikä tahansa digitaalinen analyysi tai sovellus jäisi puhtaasti teoreettiselle tasolle.

Kansallinen perintöinstituutti osallistuu suoraan tähän prosessiin julkaisemalla avoimia tietokokonaisuuksia hallituksen alustalla data.gov.ro, tarjoten julkisen pääsyn virallisiin tietoihin Romanian kulttuurilaitoksista. Näihin kuuluu myös Romanian museoita koskeva tietokokonaisuus, joka sisältää tietoja kuten museoiden nimet, hallinnollinen sijainti, perustamisvuosi, maantieteelliset koordinaatit ja kuvaavat tiedot.

Tässä tehtävässä tulee suorittaa tutkiva analyysi tälle tietokokonaisuudelle.

Tietokokonaisuuden rakenne

Tietokokonaisuus on toimitettu CSV-muodossa (Comma-Separated Values) ja sisältää tietoja Romanian museoista, jotka ovat tulosta data.gov.ro-alustalla julkaistun JSON-muodon muuntamisesta.

Jokainen CSV-tiedoston rivi vastaa yhtä museota, ja jokainen sarake kuvaa tiettyä sen attribuuttia.

Relevantit kentät

Tietokokonaisuus sisältää muun muassa seuraavat sarakkeet:

• _id – tietueen sisäinen tunniste
• județul – lääni, jossa museo sijaitsee
• denumirea (română) – museon nimi romanian kielellä
• localitatea – kunta, jossa museo sijaitsee
• anul înființării – vuosi, jolloin museo perustettiin
• categoria (română) – museon kategoria
• latitudine – maantieteellinen leveyspiiri
• longitudine – maantieteellinen pituuspiiri
• descrierea (română) – museon tekstikuvaus
• URL – museon verkkosivusto (jos saatavilla)

Puuttuvat arvot on merkitty tyhjillä kentillä.

Vaatimukset

Tehtävä 1 - Tietueiden kokonaismäärä (5 pistettä)

Määritä museoiden kokonaismäärä tietokokonaisuudessa.

Tehtävä 2 - Bukarestin museoiden määrä (10 pistettä)

Määritä museoiden määrä, joille județul-sarakkeessa löytyy arvo București.

Tehtävä 3 - Puuttuvia arvoja sisältävien sarakkeiden määrä (15 pistettä)

Määritä niiden sarakkeiden määrä, jotka sisältävät vähintään yhden puuttuvan arvon (NaN).

Tehtävä 4 - Vuosi, jolloin perustettiin eniten museoita (10 pistettä)

Määritä vuosi, jolloin perustettiin eniten museoita, perustuen anul înființării-sarakkeessa oleviin tietoihin.

Tehtävä 5 - Museoiden jakautuminen lääneittäin (20 pistettä)

Määritä jokaiselle tässä tietokokonaisuudessa esiintyvälle läänille, kuinka monta museota kyseisessä läänissä on.

Tehtävä 6 - Täytettyjen arvojen prosenttiosuus (20 pistettä)

Laske jokaiselle museolle täytettyjen sarakkeiden (ei-NaN) prosenttiosuus sarakkeiden kokonaismäärästä. Tämän pistemäärän laskenta toteutetaan seuraavalla kaavalla:

Tehtävä 7 - Täydellisyyspistemäärän keskiarvo (10 pistettä)

Määritä täydellisyyspistemäärän keskiarvo koko tietokokonaisuudelle. Tätä varten lasketaan yhteen tehtävässä 6 saadut pistemäärät ja jaetaan summa museoiden määrällä.

Tehtävä 8 - Museot maksimaalisen täydellisyyden kanssa (10 pistettä)

Määritä niiden museoiden prosenttiosuus, joilla on maksimaalinen täydellisyyspistemäärä. Määrittelemme maksimaalisen täydellisyyspistemäärän tehtävässä 6 määritettyjen arvojen maksimiarvoksi.

Palautustiedoston muoto

Automaattista arviointia varten tulee ladata csv-muotoinen tiedosto seuraavalla rakenteella:

• id – rivin tunniste (vastaa test.csv:n tunnistetta)

  • tehtävälle 1, käytä arvoa 1 id:lle
  • tehtävälle 2, käytä arvoa 2 id:lle
  • tehtävälle 3, käytä arvoa 3 id:lle
  • tehtävälle 4, käytä arvoa 4 id:lle
  • tehtävälle 5, käytä kunkin läänin nimeä (kirjoitettuna täsmälleen kuten se esiintyy tietokokonaisuudessa) id:nä
  • tehtävälle 6, käytä tietueen sisäistä tunnistetta (_id-sarake tietokokonaisuudesta)
  • tehtävälle 7, käytä arvoa 7 id:lle
  • tehtävälle 8, käytä arvoa 8 id:lle

• subtaskID – vaatimuksen tunniste:

  • 1 tietueiden kokonaismäärälle (tehtävä 1)
  • 2 Bukarestin museoiden määrälle (tehtävä 2)
  • 3 puuttuvia arvoja sisältävien sarakkeiden määrälle (tehtävä 3)
  • 4 vuodelle, jolloin perustettiin eniten museoita (tehtävä 4)
  • 5 museoiden jakautumiselle lääneittäin (tehtävä 5)
  • 6 täytettyjen arvojen prosenttiosuudelle (tehtävä 6)
  • 7 täydellisyyspistemäärän keskiarvolle (tehtävä 7)
  • 8 museoille maksimaalisen täydellisyyden kanssa (tehtävä 8)

• answer – kunkin tehtävän vastaava vastaus

  • tehtävälle 1, sisältää museoiden kokonaismäärän tietokokonaisuudessa (integer-tyyppinen arvo)

  • tehtävälle 2, sisältää Bukarestin museoiden määrän (integer-tyyppinen arvo)

  • tehtävälle 3, sisältää vähintään yhden puuttuvan arvon (NaN) sisältävien sarakkeiden määrän (integer-tyyppinen arvo)

  • tehtävälle 4, sisältää vuoden, jolloin perustettiin eniten museoita (integer-tyyppinen arvo)

  • tehtävälle 5, sisältää museoiden määrän kussakin läänissä (integer-tyyppinen arvo, yksi rivi kullekin läänille)

  • tehtävälle 6, sisältää täytettyjen kenttien prosenttiosuuden kullekin museolle, laskettuna:

    PythonKopioi koodi

    1(täytettyjen kenttien määrä / sarakkeiden kokonaismäärä) × 100

    (float-tyyppinen arvo, suositeltavaa pyöristää 2 desimaaliin)

  • tehtävälle 7, sisältää täydellisyyspistemäärän keskiarvon koko tietokokonaisuudelle (float-tyyppinen arvo, suositeltavaa pyöristää 2 desimaaliin)

  • tehtävälle 8, sisältää maksimaalisen täydellisyyspistemäärän omaavien museoiden prosenttiosuuden (float-tyyppinen arvo, suositeltavaa pyöristää 2 desimaaliin)