Musea in Roemenië (11-12)

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 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 de 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 record
• 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 de breedtegraad
• longitudine – geografische coördinaat van de 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 records (5 punten)

Bepaal het totale 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 voltooide waarden (20 punten)

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

Taak 7 - Gemiddelde van de volledigheidscore (10 punten)

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

Taak 8 - Musea met maximale volledigheid (10 punten)

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

Formaat van het inleverbestand

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 voorkomt) als id
  • voor taak 6, gebruikt u de interne identificator van de record (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 het totale aantal records (taak 1)
  • 2 voor het aantal musea in Boekarest (taak 2)
  • 3 voor het aantal kolommen met ontbrekende waarden (taak 3)
  • 4 voor het jaar met de meeste musea (taak 4)
  • 5 voor de verdeling van musea per provincie (taak 5)
  • 6 voor het percentage voltooide waarden (taak 6)
  • 7 voor het gemiddelde van de volledigheidscore (taak 7)
  • 8 voor musea met maximale volledigheid (taak 8)

• answer – het antwoord overeenkomend met elke taak

  • voor taak 1, zal het het totale aantal musea in de dataset bevatten (waarde van type integer)

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

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

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

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

  • voor taak 6, zal het het percentage voltooide velden voor elk museum bevatten, berekend als:

    PythonCode kopiëren

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

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

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

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