Museer i Rumänien (11-12)

Kontext

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

Nationella institutet för 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 museinamn, administrativ lokalisering, grundningsår, geografiska koordinater och beskrivande data.

I denna uppgift ska ni genomföra en explorativ analys av detta dataset.

Datasetets struktur

Datasetet tillhandahålls i CSV-format (Comma-Separated Values) och innehåller information om museer i Rumänien, 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 – det län där museet är lokaliserat
• denumirea (română) – museets namn på rumänska
• localitatea – orten där museet finns
• anul înființării – året då museet grundades
• categoria (română) – museets kategori
• latitudine – geografisk latitudkoordinat
• longitudine – geografisk longitudkoordinat
• descrierea (română) – textbeskrivning av museet
• URL – museets webbplats (om tillgänglig)

Saknade värden markeras genom tomma fält.

Krav

Task 1 - Totalt antal poster (5 poäng)

Bestäm det totala antalet museer i datasetet.

Task 2 - Antal museer i Bukarest (10 poäng)

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

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

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

Task 4 - Året med flest museer (10 poäng)

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

Task 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.

Task 6 - Procent av ifyllda värden (20 poäng)

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

Task 7 - Medelvärde av fullständighetspoäng (10 poäng)

Bestäm medelvärdet av fullständighetspoängen för hela datasetet. För detta adderar vi poängen från krav 6 och delar summan med antalet museer.

Task 8 - Museer med maximal fullständighet (10 poäng)

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

Format för inlämningsfil

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

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

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

• subtaskID – kravsidentifierare:

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

• answer – svaret motsvarande varje task

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

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

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

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

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

  • för task 6, kommer att innehålla procent av 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 task 7, kommer att innehålla medelvärdet av fullständighetspoängen för hela datasetet (värde av typ float, rekommenderat avrundat till 2 decimaler)

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