Musées de Roumanie (9-10)

Contexte

Une étape essentielle dans le processus de numérisation du patrimoine culturel consiste à collecter, structurer et publier des données. Sans données réelles, cohérentes et accessibles, toute analyse ou application numérique resterait à un niveau purement théorique.

L'Institut National du Patrimoine contribue directement à ce processus en publiant des jeux de données ouvertes sur la plateforme gouvernementale data.gov.ro, offrant un accès public aux informations officielles sur les institutions culturelles de Roumanie. Parmi celles-ci figure également le dataset concernant les musées de Roumanie, qui contient des informations telles que la dénomination des musées, la localisation administrative, l'année de fondation, les coordonnées géographiques et des données descriptives.

Dans le cadre de ce problème, vous devrez réaliser une analyse exploratoire pour ce jeu de données.

Structure du jeu de données

Le jeu de données est fourni au format CSV (Comma-Separated Values) et contient des informations sur les musées de Roumanie, résultant de la conversion d'un format JSON publié sur la plateforme data.gov.ro.

Chaque ligne du fichier CSV correspond à un musée, et chaque colonne décrit un certain attribut de celui-ci.

Champs pertinents

Le jeu de données contient, entre autres, les colonnes suivantes :

• _id – identifiant interne de l'enregistrement
• județul – le département dans lequel est localisé le musée
• denumirea (română) – le nom du musée en langue roumaine
• localitatea – la localité dans laquelle se trouve le musée
• anul înființării – l'année de fondation du musée
• categoria (română) – la catégorie du musée
• latitudine – coordonnée géographique de latitude
• longitudine – coordonnée géographique de longitude
• descrierea (română) – description textuelle du musée
• URL – site web du musée (si disponible)

Les valeurs manquantes sont marquées par des champs vides.

Exigences

Tâche 1 - Nombre total d'enregistrements (5 points)

Déterminez le nombre total de musées dans le dataset.

Tâche 2 - Nombre de musées de Bucarest (10 points)

Déterminez le nombre de musées pour lesquels dans la colonne județul nous trouvons la valeur București.

Tâche 3 - Nombre de colonnes avec des valeurs manquantes (15 points)

Déterminez le nombre de colonnes qui contiennent au moins une valeur manquante (NaN).

Tâche 4 - L'année avec le plus de musées (10 points)

Déterminez l'année durant laquelle ont été fondés le plus de musées, sur la base des informations que nous avons spécifiées dans la colonne anul înființării.

Tâche 5 - Distribution des musées par départements (20 points)

Déterminez pour chaque département, qui apparaît dans ce jeu de données, combien de musées existent dans ce département.

Tâche 6 - Pourcentage des valeurs complétées (20 points)

Pour chaque musée, calculez le pourcentage de colonnes complétées (non-NaN) du total des colonnes. Le calcul de ce score est réalisé en utilisant la formule suivante :

Tâche 7 - Moyenne du score de complétude (10 points)

Déterminez la moyenne du score de complétude pour l'ensemble du dataset. Pour cela, nous additionnerons les scores obtenus à l'exigence 6 et diviserons le total par le nombre de musées.

Tâche 8 - Musées avec complétude maximale (10 points)

Déterminez le pourcentage de musées qui ont le score de complétude maximal. Nous définissons le score de complétude maximal comme étant la valeur maximale parmi celles déterminées à la tâche 6.

Format du fichier de soumission

Pour l'évaluation automatique, vous devez télécharger un fichier au format csv avec la structure suivante :

• id – identifiant de la ligne (correspondant à celui de test.csv)

  • pour la tâche 1, vous utiliserez la valeur 1 pour id
  • pour la tâche 2, vous utiliserez la valeur 2 pour id
  • pour la tâche 3, vous utiliserez la valeur 3 pour id
  • pour la tâche 4, vous utiliserez la valeur 4 pour id
  • pour la tâche 5, vous utiliserez le nom de chaque département (écrit exactement comme il apparaît dans le jeu de données) en tant qu'id
  • pour la tâche 6, vous utiliserez l'identifiant interne de l'enregistrement (colonne _id du jeu de données)
  • pour la tâche 7, vous utiliserez la valeur 7 pour id
  • pour la tâche 8, vous utiliserez la valeur 8 pour id

• subtaskID – identifiant de l'exigence :

  • 1 pour le nombre total d'enregistrements (tâche 1)
  • 2 pour le nombre de musées de Bucarest (tâche 2)
  • 3 pour le nombre de colonnes avec des valeurs manquantes (tâche 3)
  • 4 pour l'année avec le plus de musées (tâche 4)
  • 5 pour la distribution des musées par départements (tâche 5)
  • 6 pour le pourcentage des valeurs complétées (tâche 6)
  • 7 pour la moyenne du score de complétude (tâche 7)
  • 8 pour les musées avec complétude maximale (tâche 8)

• answer – réponse correspondant à chaque tâche

  • pour la tâche 1, contiendra le nombre total de musées dans le dataset (valeur de type integer)

  • pour la tâche 2, contiendra le nombre de musées de Bucarest (valeur de type integer)

  • pour la tâche 3, contiendra le nombre de colonnes qui contiennent au moins une valeur manquante (NaN) (valeur de type integer)

  • pour la tâche 4, contiendra l'année durant laquelle ont été fondés le plus de musées (valeur de type integer)

  • pour la tâche 5, contiendra le nombre de musées dans chaque département (valeur de type integer, une ligne pour chaque département)

  • pour la tâche 6, contiendra le pourcentage de champs complétés pour chaque musée, calculé comme :

    PythonCopier le code

    1(nombre champs complétés / nombre total colonnes) × 100

    (valeur de type float, recommandé arrondi à 2 décimales)

  • pour la tâche 7, contiendra la moyenne du score de complétude pour l'ensemble du dataset (valeur de type float, recommandé arrondi à 2 décimales)

  • pour la tâche 8, contiendra le pourcentage de musées qui ont le score de complétude maximal (valeur de type float, recommandé arrondi à 2 décimales)