Museer i Rumänien (9-10)

Kontext

Ett väsentligt steg i processen för digitalisering av kulturarvet utgörs av insamling, strukturering och publicering av data. Utan verkliga, sammanhängande och tillgängliga data skulle alla analyser eller digitala applikationer förbli på rent teoretisk nivå.

Institutet för Nationellt Kulturarv bidrar direkt till denna process genom att publicera öppna dataset på den statliga plattformen data.gov.ro, vilket ger allmän tillgång till officiell information om kulturinstitutioner i Rumänien. Bland dessa finns även datasetet som rör museer i Rumänien, vilket innehåller information som museernas namn, administrativa lokalisering, grundläggningsår, geografiska koordinater och beskrivande data.

Inom ramen för detta problem ska ni genomföra en explorativ analys för detta dataset.

Datasetets struktur

Datasetet tillhandahålls i CSV-format (Comma-Separated Values) och innehåller information om museer i Rumänien, som resultat av konvertering från ett JSON-format publicerat på plattformen data.gov.ro.

Varje rad i CSV-filen motsvarar ett museum, och varje kolumn beskriver ett visst attribut för detta.

Relevanta fält

Datasetet innehåller bland annat följande kolumner:

• _id – intern identifierare för posten
• județul – länet där museet är lokaliserat
• denumirea (română) – museumnamnet på rumänska
• localitatea – orten där museet finns
• anul înființării – året då museet grundades
• categoria (română) – museumkategorin
• latitudine – geografisk latitudkoordinat
• longitudine – geografisk longitudkoordinat
• descrierea (română) – textbeskrivning av museet
• URL – museumets webbplats (om tillgänglig)

Saknade värden markeras genom tomma fält.

Krav

Uppgift 1 - Totalt antal poster (5 poäng)

Bestäm det totala antalet museer i datasetet.

Uppgift 2 - Antal museer i Bukarest (10 poäng)

Bestäm antalet museer för vilka vi i kolumnen județul finner värdet București.

Uppgift 3 - Antal kolumner med saknade värden (15 poäng)

Bestäm antalet kolumner som innehåller minst ett saknat värde (NaN).

Uppgift 4 - Året med flest museer (10 poäng)

Bestäm året då flest museer grundades, baserat på informationen vi har specificerad i kolumnen anul înființării.

Uppgift 5 - Fördelning av museer per län (20 poäng)

Bestäm för varje län som förekommer i detta dataset hur många museer som finns i det länet.

Uppgift 6 - Procent ifyllda värden (20 poäng)

För varje museum, beräkna procenten ifyllda kolumner (non-NaN) av totala antalet kolumner. Beräkningen av denna poäng görs med följande formel:

Uppgift 7 - Medelvärde för fullständighetspoäng (10 poäng)

Bestäm medelvärdet för fullständighetspoängen för hela datasetet. För detta adderar vi poängen från krav 6 och dividerar totalen med antalet museer.

Uppgift 8 - Museer med maximal fullständighet (10 poäng)

Bestäm procenten museer som har maximal fullständighetspoäng. Vi definierar maximal fullständighetspoäng som det maximala värdet bland de som bestämdes i uppgift 6.

Format för inlämningsfilen

För automatisk utvärdering måste ni ladda upp en fil i csv-format med följande struktur:

• id – radidentifierare (motsvarande den i test.csv)

  • för uppgift 1 använder ni värdet 1 för id
  • för uppgift 2 använder ni värdet 2 för id
  • för uppgift 3 använder ni värdet 3 för id
  • för uppgift 4 använder ni värdet 4 för id
  • för uppgift 5 använder ni namnet på varje län (skrivet exakt som det förekommer i datasetet) som id
  • för uppgift 6 använder ni den interna identifieraren för posten (kolumnen _id från datasetet)
  • för uppgift 7 använder ni värdet 7 för id
  • för uppgift 8 använder ni värdet 8 för id

• subtaskID – kravsidentifierare:

  • 1 för totalt antal poster (uppgift 1)
  • 2 för antal museer i Bukarest (uppgift 2)
  • 3 för antal kolumner med saknade värden (uppgift 3)
  • 4 för året med flest museer (uppgift 4)
  • 5 för fördelning av museer per län (uppgift 5)
  • 6 för procent ifyllda värden (uppgift 6)
  • 7 för medelvärde för fullständighetspoäng (uppgift 7)
  • 8 för museer med maximal fullständighet (uppgift 8)

• answer – svaret motsvarande varje uppgift

  • för uppgift 1 kommer det att innehålla totalt antal museer i datasetet (värde av typ integer)

  • för uppgift 2 kommer det att innehålla antal museer i Bukarest (värde av typ integer)

  • för uppgift 3 kommer det att innehålla antal kolumner som innehåller minst ett saknat värde (NaN) (värde av typ integer)

  • för uppgift 4 kommer det att innehålla året då flest museer grundades (värde av typ integer)

  • för uppgift 5 kommer det att innehålla antal museer i varje län (värde av typ integer, en rad för varje län)

  • för uppgift 6 kommer det att innehålla procent ifyllda fält för varje museum, beräknat som:

    PythonKopiera kod

    1(antal ifyllda fält / totalt antal kolumner) × 100

    (värde av typ float, rekommenderat avrundat till 2 decimaler)

  • för uppgift 7 kommer det att innehålla medelvärdet för fullständighetspoängen för hela datasetet (värde av typ float, rekommenderat avrundat till 2 decimaler)

  • för uppgift 8 kommer det att innehålla procent museer som har maximal fullständighetspoäng (värde av typ float, rekommenderat avrundat till 2 decimaler)