Musea van Roemenië (9-10)

Context

Een essentiële stap in het proces van digitalisering van cultureel erfgoed is het verzamelen, structureren en publiceren van gegevens. Zonder echte, coherente en toegankelijke gegevens zou elke analyse of digitale toepassing op puur theoretisch niveau blijven.

Het Nationaal Instituut voor Erfgoed draagt direct bij aan dit proces door het publiceren van open datasets op het overheidsplatform data.gov.ro, waarbij publieke toegang wordt geboden tot officiële informatie over culturele instellingen in Roemenië. Hieronder valt ook de dataset betreffende de musea in Roemenië, die informatie bevat zoals de namen van musea, administratieve locatie, oprichtingsjaar, geografische coördinaten en beschrijvende gegevens.

In het kader van dit probleem zult u een verkennende analyse moeten uitvoeren voor deze dataset.

Structuur van de dataset

De dataset wordt geleverd in CSV-formaat (Comma-Separated Values) en bevat informatie over musea in Roemenië, resulterend uit conversie van een JSON-formaat gepubliceerd op het platform data.gov.ro.

Elke rij in het CSV-bestand komt overeen met een museum, en elke kolom beschrijft een bepaald attribuut daarvan.

Relevante velden

De dataset bevat onder andere de volgende kolommen:

• _id – interne identificator van de registratie
• județul – de provincie waarin het museum zich bevindt
• denumirea (română) – de naam van het museum in het Roemeens
• localitatea – de plaats waar het museum zich bevindt
• anul înființării – het jaar waarin het museum werd opgericht
• categoria (română) – de categorie van het museum
• latitudine – geografische coördinaat van breedtegraad
• longitudine – geografische coördinaat van lengtegraad
• descrierea (română) – tekstuele beschrijving van het museum
• URL – website van het museum (indien beschikbaar)

Ontbrekende waarden worden gemarkeerd door lege velden.

Vereisten

Taak 1 - Totaal aantal registraties (5 punten)

Bepaal het totaal aantal musea in de dataset.

Taak 2 - Aantal musea in Boekarest (10 punten)

Bepaal het aantal musea waarvoor in de kolom județul de waarde București wordt gevonden.

Taak 3 - Aantal kolommen met ontbrekende waarden (15 punten)

Bepaal het aantal kolommen dat ten minste één ontbrekende waarde (NaN) bevat.

Taak 4 - Het jaar met de meeste musea (10 punten)

Bepaal het jaar waarin de meeste musea werden opgericht, gebaseerd op de informatie die we hebben gespecificeerd in de kolom anul înființării.

Taak 5 - Verdeling van musea per provincie (20 punten)

Bepaal voor elke provincie die in deze dataset voorkomt, hoeveel musea er in die provincie bestaan.

Taak 6 - Percentage ingevulde waarden (20 punten)

Voor elk museum, bereken het percentage ingevulde kolommen (non-NaN) van het totaal aantal kolommen. De berekening van deze score wordt uitgevoerd met de volgende formule:

Taak 7 - Gemiddelde van de compleetheidscore (10 punten)

Bepaal het gemiddelde van de compleetheidscore voor de gehele dataset. Hiervoor tellen we de scores verkregen bij vereiste 6 op en delen het totaal door het aantal musea.

Taak 8 - Musea met maximale compleetheid (10 punten)

Bepaal het percentage musea dat de maximale compleetheidscore heeft. We definiëren de maximale compleetheidscore als de maximale waarde onder die bepaald bij taak 6.

Formaat van het inzendingsbestand

Voor automatische evaluatie moet u een bestand uploaden in csv-formaat met de volgende structuur:

• id – identificator van de rij (overeenkomend met die uit test.csv)

  • voor taak 1, gebruikt u de waarde 1 voor id
  • voor taak 2, gebruikt u de waarde 2 voor id
  • voor taak 3, gebruikt u de waarde 3 voor id
  • voor taak 4, gebruikt u de waarde 4 voor id
  • voor taak 5, gebruikt u de naam van elke provincie (geschreven precies zoals deze in de dataset verschijnt) als id
  • voor taak 6, gebruikt u de interne identificator van de registratie (kolom _id uit de dataset)
  • voor taak 7, gebruikt u de waarde 7 voor id
  • voor taak 8, gebruikt u de waarde 8 voor id

• subtaskID – identificator van de vereiste:

  • 1 voor totaal aantal registraties (taak 1)
  • 2 voor aantal musea in Boekarest (taak 2)
  • 3 voor aantal kolommen met ontbrekende waarden (taak 3)
  • 4 voor het jaar met de meeste musea (taak 4)
  • 5 voor verdeling van musea per provincie (taak 5)
  • 6 voor percentage ingevulde waarden (taak 6)
  • 7 voor gemiddelde van de compleetheidscore (taak 7)
  • 8 voor musea met maximale compleetheid (taak 8)

• answer – het antwoord overeenkomend met elke taak

  • voor taak 1, bevat het totaal aantal musea in de dataset (waarde van type integer)

  • voor taak 2, bevat het aantal musea in Boekarest (waarde van type integer)

  • voor taak 3, bevat het aantal kolommen dat ten minste één ontbrekende waarde (NaN) bevat (waarde van type integer)

  • voor taak 4, bevat het jaar waarin de meeste musea werden opgericht (waarde van type integer)

  • voor taak 5, bevat het aantal musea in elke provincie (waarde van type integer, één rij voor elke provincie)

  • voor taak 6, bevat het percentage ingevulde velden voor elk museum, berekend als:

    PythonCode kopiëren

    1(aantal ingevulde velden / totaal aantal kolommen) × 100

    (waarde van type float, aanbevolen afgerond op 2 decimalen)

  • voor taak 7, bevat het gemiddelde van de compleetheidscore voor de gehele dataset (waarde van type float, aanbevolen afgerond op 2 decimalen)

  • voor taak 8, bevat het percentage musea dat de maximale compleetheidscore heeft (waarde van type float, aanbevolen afgerond op 2 decimalen)