Laster...
Vanskelighetsgrad
Din beste poengsum
N/A
Et essensielt steg i prosessen med digitalisering av kulturarv er innsamling, strukturering og publisering av data. Uten reelle, koherente og tilgjengelige data ville enhver analyse eller digital applikasjon forbli på et rent teoretisk nivå.
Nasjonalinstituttet for Kulturarv bidrar direkte til denne prosessen gjennom publisering av åpne datasett på den statlige plattformen data.gov.ro, som gir offentlig tilgang til offisiell informasjon om kulturinstitusjoner i Romania. Blant disse er datasettet som omhandler museer i Romania, som inneholder informasjon som museenes navn, administrativ lokalisering, etableringsår, geografiske koordinater og beskrivende data.
I denne oppgaven skal dere utføre en utforskende analyse av dette datasettet.
Datasettet er levert i CSV-format (Comma-Separated Values) og inneholder informasjon om museer i Romania, som resultat av konvertering fra et JSON-format publisert på plattformen data.gov.ro.
Hver rad i CSV-filen tilsvarer et museum, og hver kolonne beskriver et bestemt attributt av dette.
Datasettet inneholder, blant annet, følgende kolonner:
_id – intern identifikator for registreringenjudețul – fylket hvor museet er lokalisertdenumirea (română) – navnet på museet på rumensklocalitatea – lokaliteten hvor museet befinner seganul înființării – året museet ble etablertcategoria (română) – kategorien til museetlatitudine – geografisk breddegrad-koordinatlongitudine – geografisk lengdegrad-koordinatdescrierea (română) – tekstlig beskrivelse av museetURL – nettstedet til museet (hvis tilgjengelig)Manglende verdier er markert med tomme felt.
Bestem det totale antallet museer i datasettet.
Bestem antallet museer hvor vi i kolonnen județul finner verdien București.
Bestem antallet kolonner som inneholder minst én manglende verdi (NaN).
Bestem året hvor flest museer ble etablert, basert på informasjonen vi har spesifisert i kolonnen anul înființării.
Bestem for hvert fylke som forekommer i dette datasettet, hvor mange museer som finnes i det fylket.
For hvert museum, beregn prosenten av utfylte kolonner (non-NaN) av totalt antall kolonner. Beregningen av denne poengsummen utføres ved å bruke følgende formel:
Bestem gjennomsnittet av fullstendighetsscore for hele datasettet. For dette vil vi summere scorene oppnådd i krav 6 og dele totalen på antall museer.
Bestem prosenten av museer som har maksimal fullstendighetsscore. Vi definerer maksimal fullstendighetsscore som den maksimale verdien blant de som ble bestemt i oppgave 6.
For automatisk evaluering må dere laste opp en fil i csv-format med følgende struktur:
id – identifikator for raden (tilsvarende den i test.csv)
ididididid_id fra datasettet)ididsubtaskID – identifikator for kravet:
1 for totalt antall registreringer (oppgave 1)2 for antall museer i București (oppgave 2)3 for antall kolonner med manglende verdier (oppgave 3)4 for året med flest museer (oppgave 4)5 for fordeling av museer per fylke (oppgave 5)6 for prosent av utfylte verdier (oppgave 6)7 for gjennomsnitt av fullstendighetsscore (oppgave 7)8 for museer med maksimal fullstendighet (oppgave 8)answer – svaret tilsvarende hver oppgave
for oppgave 1, vil inneholde totalt antall museer i datasettet (verdi av type integer)
for oppgave 2, vil inneholde antall museer i București (verdi av type integer)
for oppgave 3, vil inneholde antall kolonner som inneholder minst én manglende verdi (NaN) (verdi av type integer)
for oppgave 4, vil inneholde året hvor flest museer ble etablert (verdi av type integer)
for oppgave 5, vil inneholde antall museer i hvert fylke (verdi av type integer, én rad for hvert fylke)
for oppgave 6, vil inneholde prosent av utfylte felt for hvert museum, beregnet som:
(antall utfylte felt / totalt antall kolonner) × 100(verdi av type float, anbefalt avrundet til 2 desimaler)
for oppgave 7, vil inneholde gjennomsnitt av fullstendighetsscore for hele datasettet (verdi av type float, anbefalt avrundet til 2 desimaler)
for oppgave 8, vil inneholde prosent av museer som har maksimal fullstendighetsscore (verdi av type float, anbefalt avrundet til 2 desimaler)