Museus da Romênia (11-12)

Contexto

Um passo essencial no processo de digitalização do patrimônio cultural é representado pela coleta, estruturação e publicação de dados. Sem dados reais, coerentes e acessíveis, qualquer análise ou aplicação digital permaneceria em nível puramente teórico.

O Instituto Nacional do Patrimônio contribui diretamente para este processo através da publicação de conjuntos de dados abertos na plataforma governamental data.gov.ro, oferecendo acesso público a informações oficiais sobre as instituições de cultura da Romênia. Entre estes encontra-se também o dataset referente aos museus da Romênia, que contém informações como denominação dos museus, localização administrativa, ano de fundação, coordenadas geográficas e dados descritivos.

No âmbito deste problema vocês terão que realizar uma análise exploratória para este conjunto de dados.

Estrutura do conjunto de dados

O conjunto de dados é fornecido em formato CSV (Comma-Separated Values) e contém informações sobre os museus da Romênia, resultantes da conversão de um formato JSON publicado na plataforma data.gov.ro.

Cada linha do arquivo CSV corresponde a um museu, e cada coluna descreve um determinado atributo do mesmo.

Campos relevantes

O conjunto de dados contém, entre outros, as seguintes colunas:

• _id – identificador interno do registro
• județul – distrito onde está localizado o museu
• denumirea (română) – nome do museu em língua romena
• localitatea – localidade onde se encontra o museu
• anul înființării – ano em que foi fundado o museu
• categoria (română) – categoria do museu
• latitudine – coordenada geográfica de latitude
• longitudine – coordenada geográfica de longitude
• descrierea (română) – descrição textual do museu
• URL – site web do museu (se disponível)

Os valores ausentes são marcados através de campos vazios.

Requisitos

Task 1 - Número total de registros (5 pontos)

Determine o número total de museus no dataset.

Task 2 - Número de museus de Bucareste (10 pontos)

Determine o número de museus para os quais na coluna județul encontramos o valor București.

Task 3 - Número de colunas com valores ausentes (15 pontos)

Determine o número de colunas que contêm pelo menos um valor ausente (NaN).

Task 4 - Ano com mais museus (10 pontos)

Determine o ano em que foram fundados mais museus, com base nas informações que temos especificadas na coluna anul înființării.

Task 5 - Distribuição dos museus por distritos (20 pontos)

Determine para cada distrito, que aparece neste conjunto de dados, quantos museus existem naquele distrito.

Task 6 - Percentual de valores preenchidos (20 pontos)

Para cada museu, calcule o percentual de colunas preenchidas (non-NaN) do total de colunas. O cálculo deste score é realizado utilizando a seguinte fórmula:

Task 7 - Média do score de completude (10 pontos)

Determine a média do score de completude para todo o dataset. Para isso, somaremos os scores obtidos no requisito 6 e dividiremos o total pelo número de museus.

Task 8 - Museus com completude máxima (10 pontos)

Determine o percentual de museus que têm o score de completude máximo. Definimos o score de completude máximo como o valor máximo entre os determinados no task 6.

Formato do arquivo de submissão

Para a avaliação automática deve carregar um arquivo em formato csv com a seguinte estrutura:

• id – identificador da linha (correspondente ao de test.csv)

  • para o task 1, usará o valor 1 para id
  • para o task 2, usará o valor 2 para id
  • para o task 3, usará o valor 3 para id
  • para o task 4, usará o valor 4 para id
  • para o task 5, usará o nome de cada distrito (escrito exatamente como aparece no conjunto de dados) como id
  • para o task 6, usará o identificador interno do registro (coluna _id do conjunto de dados)
  • para o task 7, usará o valor 7 para id
  • para o task 8, usará o valor 8 para id

• subtaskID – identificador do requisito:

  • 1 para número total de registros (task 1)
  • 2 para número de museus de Bucareste (task 2)
  • 3 para número de colunas com valores ausentes (task 3)
  • 4 para ano com mais museus (task 4)
  • 5 para distribuição dos museus por distritos (task 5)
  • 6 para percentual de valores preenchidos (task 6)
  • 7 para média do score de completude (task 7)
  • 8 para museus com completude máxima (task 8)

• answer – resposta correspondente a cada task

  • para o task 1, conterá o número total de museus no dataset (valor do tipo integer)

  • para o task 2, conterá o número de museus de Bucareste (valor do tipo integer)

  • para o task 3, conterá o número de colunas que contêm pelo menos um valor ausente (NaN) (valor do tipo integer)

  • para o task 4, conterá o ano em que foram fundados mais museus (valor do tipo integer)

  • para o task 5, conterá o número de museus de cada distrito (valor do tipo integer, uma linha para cada distrito)

  • para o task 6, conterá o percentual de campos preenchidos para cada museu, calculado como:

    PythonCopiar código

    1(número campos preenchidos / número total colunas) × 100

    (valor do tipo float, recomendado arredondado a 2 casas decimais)

  • para o task 7, conterá a média do score de completude para todo o dataset (valor do tipo float, recomendado arredondado a 2 casas decimais)

  • para o task 8, conterá o percentual de museus que têm o score de completude máximo (valor do tipo float, recomendado arredondado a 2 casas decimais)