expected files uploaded

1_Einfuehrung_Jupyter_Notebooks.ipynb

-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {
-    "deletable": false,
-    "editable": false,
-    "run_control": {
-     "frozen": true
-    }
-   },
-   "source": [
-    "# Einführung in Jupyter-Notebooks\n",
-    "\n",
-    "Ein Jupyter Notebook besteht in der Regel zum einen aus **formatierten Texten** (z.B. Aufgabenstellungen, Erklärungen und Graphiken) und  zum anderen aus **ausführbaren Code**.\n",
-    "\n",
-    "Die Art eines Textes wird durch den Typ der jeweiligen Zelle festgelegt in der er steht. Wir unterscheiden zwischen **Markdown-Zellen** und **Code-Zellen**. Sie bilden die Bausteine aus denen sich ein Notebook zusammensetzt."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {
-    "deletable": false,
-    "editable": false,
-    "run_control": {
-     "frozen": true
-    }
-   },
-   "source": [
-    "## Code Zellen"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {
-    "deletable": false,
-    "editable": false,
-    "run_control": {
-     "frozen": true
-    }
-   },
-   "source": [
-    "Code Zellen enthalten ausführbaren Code. Die Programmiersprache hängt von dem ausgewählten Kernel (hier Python 3) ab.\n",
-    "\n",
-    "Mit Hilfe der Tastenkombinationen\n",
-    "\n",
-    "    Shift + Enter (Führe Zelle aus und springe in die nächste Zelle)\n",
-    "    Strg + Enter (Führe Zelle aus)\n",
-    "    \n",
-    "oder durch den Menüpunkt im Header\n",
-    "\n",
-    "    Cell --> Run Cells\n",
-    "    \n",
-    "kann eine Zelle ausgeführt werden."
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 3,
-   "metadata": {
-    "deletable": false,
-    "editable": false
-   },
-   "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "Hello World\n"
-     ]
-    }
-   ],
-   "source": [
-    "s = 'Hello World'\n",
-    "print(s)"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "Variablen und deren Belegungen werden zellenübergreifend im Kernel hinterlegt.\n",
-    "\n",
-    "Dies ermöglicht es uns auf die zuvor deklarierte Variable `s` zuzugreifen."
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 4,
-   "metadata": {},
-   "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "Hello World of Warcraft\n"
-     ]
-    }
-   ],
-   "source": [
-    "s = s + ' of Warcraft'\n",
-    "print(s)"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Beachte:** Die Reihenfolge der Ausführung der Zellen kann variiert werden. Das kann jedoch zu anderen Belegungen der Variablen und mitunter auch zu Fehlern führen. Um einen reibungslosen Ablauf zu gewährleisten empfiehlt es sich daher den Befehl\n",
-    "\n",
-    "    Cells --> Run All\n",
-    "    \n",
-    "zu verwenden. Dadurch ist sicher gestellt, dass die Zellen in Reihenfolge ihres Auftretens ausgeführt werden."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "## Markdown Zellen\n",
-    "\n",
-    "Markdown Zellen enthalten formatierten Text. Die Zelle in der dieser Text steht ist ein Besipiel für eine Markdown Zelle. Mit Hilfe der Formatierungssprache Markdown kann der Text beliebig formatiert werden.\n",
-    "\n",
-    "Durch Doppelklick auf eine Markdown-Zelle kann der Inhalt bearbeitet werden. Durch Klick auf\n",
-    "\n",
-    "    Cell --> Run Cells\n",
-    "\n",
-    "oder mit Hilfe der Tastenkombination\n",
-    "\n",
-    "    Shift + Enter\n",
-    "    \n",
-    "wird der Inhalt anschließend wieder formatiert.\n",
-    "\n",
-    "Es folgt ein Überblick über die wichtigsten Befehle zum Formatieren."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Überschriften\n",
-    "\n",
-    "**Eingabe:**\n",
-    "\n",
-    "    # H1\n",
-    "    ## H2\n",
-    "    ### H3\n",
-    "    #### H4\n",
-    "    ##### H5\n",
-    "    ###### H6"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Betonungen (Fett, Kursiv, Durchgestrichen)\n",
-    "\n",
-    "| Art | Syntax |\n",
-    "| :--- | :--- |\n",
-    "| **Fett** | `**Fett**` |\n",
-    "| *Kursiv* | `*Kursiv*` |\n",
-    "| **_Kombiniert_** | `*_Kombiniert_*` |\n",
-    "| ~~Durchgestrichen~~ | `~~Durchgestrichen~~` |\n",
-    "\n",
-    "\n"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Listen"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Eingabe:**\n",
-    "\n",
-    "    + unsortierte Liste\n",
-    "      Einrückung\n",
-    "    + ...\n",
-    "\n",
-    "**Ausgabe:**\n",
-    "\n",
-    "+ unsortierte Liste  \n",
-    "  Einrückung\n",
-    "+ ..."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Eingabe:**\n",
-    "    1. sortierte Liste\n",
-    "    2. ...\n",
-    "    \n",
-    "**Ausgabe:**\n",
-    "1. sortierte Liste\n",
-    "2. ..."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Links\n",
-    "\n",
-    "Mit hilfe von Links kann auf Webseiten oder lokale Daten wie z.B. Graphiken verwiesen werden."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Eingabe:**\n",
-    "\n",
-    "    [google](https://www.google.com)\n",
-    "    \n",
-    "**Ausgabe:**\n",
-    "\n",
-    "[google](https://www.google.com)"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "**Eingabe:**\n",
-    "    \n",
-    "    ![Bild](Ressourcen/python_logo.png)\n",
-    "    \n",
-    "**Ausgabe:**\n",
-    "    \n",
-    "![Bild](Ressourcen/python_logo.png)"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Code in Markdown\n",
-    "\n",
-    "Manchmal möchte man auch Code in Markdown darstellen.\n",
-    "\n",
-    "**Eingabe:**\n",
-    "\n",
-    "    In fließendem Text 'print('Hello World')`\n",
-    "    \n",
-    "**Ausgabe:**\n",
-    "    \n",
-    "In fließendem Text `print('Hello World')` \n",
-    "\n",
-    "Oder abgesetzt und formatiert\n",
-    "\n",
-    "**Eingabe:**\n",
-    "\n",
-    "    ```python\n",
-    "    print('Hello World')\n",
-    "    ```\n",
-    "**Ausgabe:**    \n",
-    "\n",
-    "```python\n",
-    "print('Hello World')\n",
-    "```"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "### Tabellen\n",
-    "\n",
-    "    | Spalte 1 | Spalte 2 | Spalte 3 |\n",
-    "    | :------- | :------: | -------: |\n",
-    "    | links ausgerichtet | zentriert | rechts ausgerichtet |\n",
-    "    | 1 | 2 | 3 |\n",
-    "    \n",
-    "| Spalte 1 | Spalte 2 | Spalte 3 |\n",
-    "| :------- | :------: | -------: |\n",
-    "| links ausgerichtet | zentriert | rechts ausgerichtet |\n",
-    "| 1 | 2 | 3 |"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {
-    "deletable": false,
-    "editable": false,
-    "run_control": {
-     "frozen": true
-    }
-   },
-   "source": [
-    "<div style=\"background-color: lightblue; padding: 5px 20px 20px\">\n",
-    "\n",
-    "## Aufgabe (Formatieren mit Markdown)\n",
-    "\n",
-    "Formatiert den folgenden Text so wie er im Bild zu sehen ist.\n",
-    "\n",
-    "</div>\n",
-    "\n",
-    "![Markdown_Example](Ressourcen/markdown_example.png)"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "Python\n",
-    "\n",
-    "Python is an interpreted, high-level, general-purpose programming language. Created by Guido van Rossum and first released in 1991, Python's design philosophy emphasizes code readability with its notable use of significant whitespace. Its language constructs and object-oriented approach aim to help programmers write clear, logical code for small and large-scale projects.\n",
-    "Python is dynamically typed and garbage-collected. It supports multiple programming paradigms, including procedural, object-oriented, and functional programming. Python is often described as a \"batteries included\" language due to its comprehensive standard library.\n",
-    "\n",
-    "Content\n",
-    "\n",
-    "History\n",
-    "Features\n",
-    "Syntax\n",
-    "\n",
-    "Code-Beispiel\n",
-    "\n",
-    "l = [1, 2, 4]\n",
-    "print(len(l))\n",
-    "\n",
-    "Eckdaten\n",
-    "\n",
-    "Name Designed by First appeared\n",
-    "Python Guido van Rossum 1990\n",
-    "\n",
-    "Quelle: https://en.wikipedia.org/wiki/Python_(programming_language)"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3 Virtual Environment",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.6.8"
-  },
-  "toc": {
-   "base_numbering": 1,
-   "nav_menu": {},
-   "number_sections": true,
-   "sideBar": true,
-   "skip_h1_title": true,
-   "title_cell": "Table of Contents",
-   "title_sidebar": "Contents",
-   "toc_cell": false,
-   "toc_position": {},
-   "toc_section_display": true,
-   "toc_window_display": true
-  },
-  "varInspector": {
-   "cols": {
-    "lenName": 16,
-    "lenType": 16,
-    "lenVar": 40
-   },
-   "kernels_config": {
-    "python": {
-     "delete_cmd_postfix": "",
-     "delete_cmd_prefix": "del ",
-     "library": "var_list.py",
-     "varRefreshCmd": "print(var_dic_list())"
-    },
-    "r": {
-     "delete_cmd_postfix": ") ",
-     "delete_cmd_prefix": "rm(",
-     "library": "var_list.r",
-     "varRefreshCmd": "cat(var_dic_list()) "
-    }
-   },
-   "types_to_exclude": [
-    "module",
-    "function",
-    "builtin_function_or_method",
-    "instance",
-    "_Feature"
-   ],
-   "window_display": false
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}

5_Fragestellung.ipynb

-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# Eine Fragestellung formulieren"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "Die Fragestellung ist die Grundlage einer jeder Datenanalyse. Oft steht die Fragestellung schon fest bevor die Daten gesammelt werden. Mittlerweile ist es jedoch gängige Praxis, dass Daten gesammelt werden, noch bevor deren genauer Nutzen feststeht.\n",
-    "\n",
-    "Eine Datenauswertung ist in den meisten Fällen mit einem bestimmten Ziel verbunden. Die Datenauswertung soll dabei helfen gute Entscheidungen zu treffen und Konsequenzen zu ziehen, die dem Ziel zuträglich sind.\n",
-    "\n",
-    "**Beispiel:** Eine Stadt möchte die Feinstaubbelastung in der Innenstadt reduzieren (Ziel). Daher möchte die Stadt wissen, wo die Feinstaubbelastung am größten ist (Fragestellung). In den kritischen Zonen sollen dann Bäume gepflanzt werden, um die Luftqualität zu verbessern (Konsequenz)."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "<div style=\"background-color: lightblue; padding: 5px 20px 20px\">\n",
-    "\n",
-    "## Aufgabe (Fragestellung)\n",
-    "\n",
-    "Formulieren Sie auf Grundlage Ihrer Vorüberlegungen mindestens drei Fragestellungen, die Sie in Ihrer Analyse untersuchen möchten\n",
-    "</div>"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "*Hier ist Platz für deine Antwort*"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "<div style=\"background-color: lightblue; padding: 5px 20px 20px\">\n",
-    "\n",
-    "## Aufgabe (Vermutung)\n",
-    "\n",
-    "Stelle eine Vermutung auf: Welche Antworten erwartest du?\n",
-    "</div>"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "*Hier ist Platz für deine Antwort*"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "<div style=\"background-color: lightblue; padding: 5px 20px 20px\">\n",
-    "\n",
-    "## Aufgabe (Nutzen und Konsequenzen)\n",
-    "\n",
-    "Welchen potenziellen Nutzen könnten die Antworten auf die Fragen haben? Welche Personen könnten sich für die Antworten interessieren? Wie könnten entsprechende Konsequenzen aussehen?\n",
-    "\n",
-    "</div>"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "*Hier ist Platz für deine Antwort*"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "<div style=\"background-color: lightblue; padding: 5px 20px 20px\">\n",
-    "\n",
-    "## Aufgabe (Vorgehensweise)\n",
-    "\n",
-    "Erläutern Sie nun, wie Sie die Fragestellungen untersuchen möchten. Welche Schritte sind notwendig? Welche Arten der Visualisierungen bietet sich an?\n",
-    "</div>"
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "*Hier ist Platz für deine Antwort*"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3 Virtual Environment",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.6.8"
-  },
-  "toc": {
-   "base_numbering": 1,
-   "nav_menu": {},
-   "number_sections": true,
-   "sideBar": true,
-   "skip_h1_title": true,
-   "title_cell": "Table of Contents",
-   "title_sidebar": "Contents",
-   "toc_cell": false,
-   "toc_position": {},
-   "toc_section_display": true,
-   "toc_window_display": true
-  },
-  "varInspector": {
-   "cols": {
-    "lenName": 16,
-    "lenType": 16,
-    "lenVar": 40
-   },
-   "kernels_config": {
-    "python": {
-     "delete_cmd_postfix": "",
-     "delete_cmd_prefix": "del ",
-     "library": "var_list.py",
-     "varRefreshCmd": "print(var_dic_list())"
-    },
-    "r": {
-     "delete_cmd_postfix": ") ",
-     "delete_cmd_prefix": "rm(",
-     "library": "var_list.r",
-     "varRefreshCmd": "cat(var_dic_list()) "
-    }
-   },
-   "types_to_exclude": [
-    "module",
-    "function",
-    "builtin_function_or_method",
-    "instance",
-    "_Feature"
-   ],
-   "window_display": false
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}

6_Eigene_Datenauswertung.ipynb

-{
- "cells": [
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "# Eigene Datenauswertung"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": null,
-   "metadata": {},
-   "outputs": [],
-   "source": []
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3 Virtual Environment",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.6.8"
-  },
-  "toc": {
-   "base_numbering": 1,
-   "nav_menu": {},
-   "number_sections": true,
-   "sideBar": true,
-   "skip_h1_title": false,
-   "title_cell": "Table of Contents",
-   "title_sidebar": "Contents",
-   "toc_cell": false,
-   "toc_position": {},
-   "toc_section_display": true,
-   "toc_window_display": false
-  },
-  "varInspector": {
-   "cols": {
-    "lenName": 16,
-    "lenType": 16,
-    "lenVar": 40
-   },
-   "kernels_config": {
-    "python": {
-     "delete_cmd_postfix": "",
-     "delete_cmd_prefix": "del ",
-     "library": "var_list.py",
-     "varRefreshCmd": "print(var_dic_list())"
-    },
-    "r": {
-     "delete_cmd_postfix": ") ",
-     "delete_cmd_prefix": "rm(",
-     "library": "var_list.r",
-     "varRefreshCmd": "cat(var_dic_list()) "
-    }
-   },
-   "types_to_exclude": [
-    "module",
-    "function",
-    "builtin_function_or_method",
-    "instance",
-    "_Feature"
-   ],
-   "window_display": false
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 2
-}

Daten/.~lock.EinlauefeBereinigt.csv#

-,soeren,soeren-ThinkPad-E555,06.10.2019 16:31,file:///home/soeren/.config/libreoffice/4;
\ No newline at end of file

Daten/JIM_Daten_Auszug.csv

-Alter;Geschlecht;Klasse;Anzahl_Apps;Anzahl_Onlineprofile;Anzahl_Kontakte;Nutzen_WhatsApp;Nutzen_Instagram;Nutzen_Facebook;Nutzen_Twitter;Nutzen_Snapchat
-12;männlich;6;92;9;88;täglich;mehrmals pro Woche;seltener;nie;täglich
-12;männlich;6;34;5;120;täglich;mehrmals pro Woche;nie;nie;nie
-18;weiblich;11;13;1;70;täglich;täglich;nie;nie;nie
-13;männlich;7;40;15;1265;täglich;nie;nie;nie;nie
-17;männlich;11;104;10;314;täglich;täglich;nie;seltener;täglich
-17;männlich;11;83;12;177;täglich;täglich;nie;nie;täglich
-17;männlich;11;170;40;271;täglich;täglich;einmal in 14 Tagen;nie;mehrmals pro Woche
-16;männlich;10;70;9;239;einmal im Monat;einmal pro Woche;seltener;einmal im Monat;mehrmals pro Woche
-13;männlich;8;35;6;270;täglich;einmal in 14 Tagen;nie;mehrmals pro Woche;mehrmals pro Woche
-14;männlich;8;10;5;87;täglich;nie;nie;nie;nie
-18;männlich;12;110;25;311;täglich;nie;nie;nie;täglich
-17;weiblich;11;128;1;46;nie;nie;nie;nie;nie
-18;weiblich;12;6;2;153;täglich;täglich;seltener;nie;nie
-17;männlich;11;18;6;200;täglich;täglich;einmal im Monat;nie;täglich
-18;weiblich;12;45;4;190;mehrmals pro Woche;seltener;nie;seltener;nie
-14;weiblich;9;51;5;170;täglich;mehrmals pro Woche;nie;nie;nie
-18;männlich;11;26;3;310;täglich;täglich;einmal pro Woche;nie;mehrmals pro Woche
-16;männlich;10;62;1;38;täglich;nie;seltener;nie;nie
-16;männlich;11;26;5;154;täglich;täglich;mehrmals pro Woche;nie;täglich
-17;männlich;11;25;4;150;täglich;täglich;nie;nie;täglich
-17;weiblich;11;52;3;275;täglich;täglich;nie;nie;täglich
-14;weiblich;8;27;5;191;täglich;täglich;nie;nie;täglich
-14;männlich;8;67;9;34;täglich;täglich;nie;mehrmals pro Woche;mehrmals pro Woche
-13;männlich;8;56;13;251;täglich;täglich;seltener;seltener;einmal pro Woche
-14;männlich;8;34;4;134;täglich;täglich;nie;nie;mehrmals pro Woche
-13;männlich;8;78;;;täglich;nie;nie;nie;nie
-19;männlich;12;51;25;106;täglich;täglich;nie;nie;täglich
-13;weiblich;7;5;2;45;täglich;täglich;nie;nie;einmal in 14 Tagen
-17;weiblich;11;33;7;211;täglich;täglich;nie;nie;mehrmals pro Woche
-17;männlich;11;156;7;240;täglich;täglich;nie;nie;täglich
-17;männlich;11;69;8;156;täglich;täglich;nie;nie;täglich
-13;männlich;7;10;5;87;täglich;täglich;nie;nie;nie
-17;männlich;11;47;16;166;täglich;täglich;nie;nie;täglich
-16;männlich;11;116;4;236;täglich;mehrmals pro Woche;nie;nie;einmal in 14 Tagen
-16;weiblich;10;60;5;312;täglich;täglich;mehrmals pro Woche;täglich;täglich
-16;weiblich;11;43;5;313;täglich;täglich;mehrmals pro Woche;nie;täglich
-16;weiblich;10;13;15;164;täglich;täglich;seltener;einmal pro Woche;täglich
-17;männlich;11;279;12;265;täglich;mehrmals pro Woche;täglich;nie;mehrmals pro Woche
-14;männlich;8;40;1;55;täglich;täglich;nie;nie;nie
-17;weiblich;11;17;10;215;täglich;täglich;täglich;nie;täglich
-17;weiblich;11;40;4;302;täglich;täglich;nie;nie;täglich
-18;männlich;12;56;3;490;täglich;mehrmals pro Woche;nie;nie;täglich
-18;weiblich;12;18;3;189;täglich;täglich;nie;nie;täglich
-13;weiblich;7;4;1;106;täglich;täglich;nie;seltener;mehrmals pro Woche
-17;weiblich;11;22;4;458;täglich;täglich;nie;nie;täglich
-17;weiblich;12;58;7;75;mehrmals pro Woche;täglich;nie;nie;täglich
-13;weiblich;7;22;22;79;täglich;täglich;nie;nie;täglich
-14;männlich;8;84;10;145;täglich;nie;nie;nie;nie
-15;weiblich;9;20;5;240;täglich;täglich;einmal in 14 Tagen;nie;täglich
-17;männlich;11;10;4;86;täglich;nie;nie;einmal pro Woche;nie
-11;männlich;5;8;0;57;täglich;nie;nie;nie;einmal pro Woche
-11;männlich;5;8;0;57;täglich;nie;nie;nie;einmal pro Woche
-17;weiblich;12;38;6;319;täglich;täglich;nie;nie;täglich
-13;weiblich;8;12;5;146;täglich;täglich;nie;nie;mehrmals pro Woche
-18;männlich;12;31;5;228;täglich;täglich;einmal pro Woche;einmal im Monat;täglich
-14;männlich;8;90;4;283;täglich;täglich;nie;nie;einmal in 14 Tagen
-11;weiblich;5;37;1;65;täglich;nie;nie;nie;mehrmals pro Woche
-12;weiblich;6;18;0;70;täglich;nie;nie;nie;nie
-14;weiblich;9;95;5;161;täglich;einmal pro Woche;nie;nie;nie
-18;weiblich;12;53;4;359;täglich;täglich;einmal pro Woche;nie;einmal pro Woche
-17;männlich;11;73;16;130;täglich;täglich;seltener;täglich;täglich
-15;weiblich;9;;6;252;täglich;einmal pro Woche;nie;nie;täglich
-17;weiblich;12;16;6;463;täglich;täglich;nie;nie;täglich
-14;männlich;9;55;15;;täglich;mehrmals pro Woche;seltener;seltener;nie
-15;männlich;9;34;25;158;täglich;täglich;nie;nie;täglich
-16;männlich;10;43;6;126;täglich;täglich;nie;nie;täglich
-17;männlich;10;6;3;26;täglich;seltener;nie;nie;nie
-16;männlich;10;30;7;278;täglich;nie;täglich;täglich;täglich
-15;weiblich;9;51;7;140;täglich;einmal im Monat;seltener;nie;nie
-14;weiblich;8;51;3;243;mehrmals pro Woche;mehrmals pro Woche;nie;nie;täglich
-18;männlich;12;70;6;128;täglich;täglich;täglich;einmal pro Woche;täglich
-17;männlich;11;16;3;70;täglich;nie;nie;nie;nie
-14;weiblich;8;40;2;158;täglich;nie;nie;nie;nie
-17;männlich;11;16;2;120;täglich;seltener;nie;nie;nie
-17;weiblich;11;86;26;249;täglich;täglich;seltener;seltener;täglich
-15;männlich;9;12;7;184;täglich;täglich;nie;nie;täglich
-12;männlich;6;12;3;55;täglich;einmal in 14 Tagen;nie;nie;nie
-17;weiblich;11;17;9;267;nie;einmal im Monat;mehrmals pro Woche;nie;nie
-17;männlich;11;21;5;56;täglich;täglich;mehrmals pro Woche;nie;nie
-18;weiblich;11;41;8;73;täglich;täglich;einmal in 14 Tagen;nie;nie
-13;männlich;8;12;4;88;mehrmals pro Woche;einmal pro Woche;nie;nie;einmal pro Woche
-15;weiblich;9;38;5;150;täglich;täglich;nie;nie;täglich
-14;weiblich;8;8;0;56;mehrmals pro Woche;nie;nie;nie;nie
-17;weiblich;11;31;12;176;täglich;täglich;seltener;nie;täglich
-16;männlich;10;38;12;129;täglich;einmal in 14 Tagen;täglich;einmal in 14 Tagen;nie
-17;weiblich;11;40;9;479;täglich;täglich;täglich;seltener;täglich
-18;weiblich;12;72;4;270;täglich;täglich;mehrmals pro Woche;nie;täglich
-16;weiblich;10;17;10;237;täglich;täglich;nie;täglich;täglich
-16;weiblich;11;62;6;469;täglich;täglich;einmal im Monat;nie;täglich
-15;männlich;9;20;29;30;mehrmals pro Woche;täglich;nie;nie;täglich
-15;weiblich;10;17;5;57;täglich;täglich;nie;nie;täglich
-13;männlich;8;167;8;67;täglich;täglich;nie;nie;täglich
-14;männlich;9;80;5;115;täglich;mehrmals pro Woche;seltener;nie;mehrmals pro Woche
-16;männlich;11;51;20;280;täglich;täglich;nie;seltener;täglich
-16;männlich;10;42;14;251;täglich;täglich;seltener;nie;nie
-17;männlich;12;129;9;101;täglich;täglich;täglich;seltener;täglich
-17;männlich;11;29;1;132;täglich;seltener;nie;nie;täglich
-17;männlich;12;90;15;163;täglich;einmal pro Woche;nie;nie;täglich
-17;männlich;11;53;15;243;täglich;einmal im Monat;nie;seltener;einmal in 14 Tagen
-14;männlich;8;58;6;180;täglich;täglich;nie;einmal im Monat;täglich
-15;männlich;8;41;9;104;täglich;mehrmals pro Woche;nie;täglich;nie
-15;männlich;8;31;4;288;täglich;täglich;nie;einmal pro Woche;täglich
-15;weiblich;10;27;1;111;täglich;nie;nie;nie;nie
-13;weiblich;7;9;4;61;täglich;täglich;täglich;nie;nie
-15;männlich;10;44;15;45;täglich;täglich;nie;nie;täglich
-15;weiblich;9;32;5;89;mehrmals pro Woche;mehrmals pro Woche;nie;nie;nie
-17;weiblich;12;12;9;99;täglich;täglich;nie;nie;täglich
-18;männlich;11;50;10;147;täglich;einmal pro Woche;einmal im Monat;einmal in 14 Tagen;täglich
-12;männlich;7;;;;seltener;nie;nie;nie;nie
-18;weiblich;11;61;5;189;täglich;täglich;täglich;nie;täglich
-17;männlich;11;37;7;304;täglich;täglich;einmal in 14 Tagen;mehrmals pro Woche;täglich
-14;männlich;8;25;4;35;mehrmals pro Woche;nie;nie;nie;nie
-17;männlich;11;28;20;474;täglich;täglich;einmal im Monat;nie;täglich
-18;weiblich;11;17;6;48;mehrmals pro Woche;mehrmals pro Woche;nie;nie;mehrmals pro Woche
-17;männlich;11;25;5;322;täglich;täglich;seltener;einmal pro Woche;täglich
-18;männlich;11;63;3;52;täglich;täglich;nie;täglich;täglich
-18;männlich;11;54;15;198;täglich;nie;nie;seltener;nie
-17;weiblich;11;14;5;165;täglich;seltener;nie;nie;einmal in 14 Tagen
-20;männlich;12;48;4;104;täglich;nie;seltener;nie;mehrmals pro Woche
-17;männlich;11;70;39;190;täglich;nie;nie;nie;nie
-17;weiblich;11;47;12;217;täglich;täglich;einmal pro Woche;einmal pro Woche;täglich
-12;weiblich;6;6;3;72;täglich;nie;nie;nie;mehrmals pro Woche
-11;männlich;6;45;1;43;täglich;nie;nie;nie;nie
-13;weiblich;8;15;4;64;täglich;mehrmals pro Woche;nie;nie;täglich
-17;weiblich;11;30;12;465;täglich;täglich;nie;nie;täglich
-15;männlich;9;101;8;299;täglich;mehrmals pro Woche;einmal in 14 Tagen;einmal im Monat;täglich
-17;weiblich;11;18;3;230;täglich;täglich;mehrmals pro Woche;nie;nie
-19;weiblich;11;52;3;110;täglich;mehrmals pro Woche;täglich;nie;täglich
-16;männlich;10;59;4;86;täglich;täglich;einmal pro Woche;nie;täglich
-15;männlich;9;70;9;140;täglich;täglich;nie;einmal pro Woche;täglich
-18;männlich;12;40;50;250;täglich;nie;nie;nie;täglich
-16;weiblich;10;5;5;31;täglich;täglich;mehrmals pro Woche;nie;täglich
-19;weiblich;12;23;6;146;täglich;täglich;mehrmals pro Woche;seltener;täglich
-12;männlich;6;40;2;75;täglich;nie;nie;nie;nie
-11;weiblich;5;0;0;29;nie;nie;nie;nie;nie
-14;weiblich;8;15;3;120;täglich;täglich;nie;nie;täglich
-18;männlich;12;198;4;121;täglich;täglich;einmal in 14 Tagen;nie;einmal im Monat
-14;weiblich;10;6;4;316;täglich;täglich;nie;nie;täglich
-14;männlich;8;30;3;257;täglich;täglich;nie;seltener;nie
-15;weiblich;9;28;3;225;täglich;täglich;nie;nie;täglich
-15;weiblich;9;28;3;225;täglich;täglich;nie;nie;täglich
-15;weiblich;10;18;2;38;täglich;täglich;nie;nie;mehrmals pro Woche
-14;männlich;9;6;3;250;täglich;täglich;nie;einmal im Monat;täglich
-17;männlich;11;67;13;152;täglich;täglich;nie;seltener;täglich
-14;männlich;8;71;6;150;täglich;täglich;einmal in 14 Tagen;täglich;täglich
-13;männlich;7;59;13;89;täglich;mehrmals pro Woche;mehrmals pro Woche;mehrmals pro Woche;nie
-12;weiblich;6;4;0;0;nie;nie;nie;nie;nie
-14;männlich;8;67;6;32;täglich;täglich;nie;mehrmals pro Woche;einmal pro Woche
-16;männlich;10;29;16;197;täglich;täglich;nie;einmal pro Woche;täglich
-15;männlich;9;21;4;104;täglich;täglich;seltener;nie;nie
-13;weiblich;8;47;0;138;täglich;nie;nie;nie;nie
-13;weiblich;8;43;0;138;täglich;nie;nie;nie;nie
-17;weiblich;10;35;10;1058;täglich;täglich;seltener;seltener;täglich
-17;männlich;10;37;10;1058;täglich;täglich;seltener;seltener;täglich
-15;männlich;9;53;4;112;täglich;täglich;nie;seltener;täglich
-14;weiblich;8;95;15;303;täglich;täglich;einmal im Monat;seltener;täglich
-15;weiblich;9;20;8;90;täglich;täglich;seltener;mehrmals pro Woche;täglich
-14;männlich;9;80;4;105;täglich;mehrmals pro Woche;seltener;nie;mehrmals pro Woche
-14;weiblich;8;83;7;291;täglich;täglich;nie;nie;täglich
-14;männlich;8;98;20;60;täglich;täglich;nie;nie;täglich
-16;weiblich;11;75;7;181;täglich;nie;nie;nie;mehrmals pro Woche
-15;männlich;8;16;6;40;täglich;nie;nie;täglich;nie
-11;weiblich;6;30;6;66;täglich;täglich;nie;nie;täglich
-11;männlich;5;19;0;24;täglich;nie;nie;nie;nie
-16;weiblich;9;36;8;68;einmal in 14 Tagen;einmal pro Woche;einmal in 14 Tagen;täglich;einmal pro Woche
-15;weiblich;8;24;5;99;mehrmals pro Woche;täglich;nie;nie;täglich
-11;weiblich;6;9;1;42;täglich;nie;nie;nie;nie
-14;weiblich;8;96;13;109;täglich;täglich;seltener;seltener;täglich
-14;weiblich;8;75;3;157;täglich;täglich;nie;nie;mehrmals pro Woche
-14;männlich;8;34;1;99;täglich;mehrmals pro Woche;nie;nie;nie
-17;männlich;11;113;3;102;täglich;mehrmals pro Woche;nie;nie;nie
-17;weiblich;10;26;15;75;täglich;täglich;nie;täglich;täglich
-13;männlich;7;54;9;63;täglich;täglich;nie;nie;täglich
-14;männlich;8;44;6;40;täglich;täglich;seltener;mehrmals pro Woche;täglich
-18;weiblich;12;10;6;160;täglich;nie;nie;nie;nie
-14;männlich;8;45;10;52;täglich;täglich;einmal in 14 Tagen;täglich;täglich
-15;männlich;9;60;9;73;mehrmals pro Woche;mehrmals pro Woche;einmal pro Woche;einmal pro Woche;einmal im Monat
-15;weiblich;9;26;11;220;täglich;täglich;nie;nie;täglich
-12;männlich;7;20;4;114;täglich;seltener;nie;nie;nie
-13;weiblich;7;9;2;112;täglich;täglich;nie;nie;nie
-10;männlich;5;7;2;46;täglich;täglich;nie;nie;seltener
-10;männlich;5;30;2;49;täglich;nie;nie;nie;nie
-11;männlich;5;25;2;81;täglich;nie;nie;nie;nie
-18;weiblich;11;46;8;294;täglich;täglich;mehrmals pro Woche;nie;täglich
-18;männlich;12;37;5;120;täglich;täglich;seltener;einmal im Monat;täglich
-16;weiblich;10;34;2;100;täglich;mehrmals pro Woche;nie;nie;täglich
-11;männlich;5;67;3;30;mehrmals pro Woche;nie;nie;nie;nie
-14;männlich;7;23;9;36;täglich;täglich;nie;nie;täglich
-15;weiblich;9;121;3;66;täglich;täglich;nie;nie;täglich
-15;weiblich;9;10;7;60;täglich;täglich;nie;seltener;nie
-18;männlich;12;74;3;482;täglich;mehrmals pro Woche;nie;nie;täglich
-16;männlich;10;18;6;67;täglich;nie;nie;nie;nie
-12;weiblich;6;10;1;22;täglich;nie;nie;nie;seltener
-17;männlich;11;46;26;83;täglich;täglich;nie;nie;nie
-11;weiblich;6;3;0;56;mehrmals pro Woche;nie;nie;nie;nie
-11;männlich;5;32;7;42;täglich;nie;nie;nie;mehrmals pro Woche
-10;männlich;5;20;8;32;täglich;nie;nie;nie;nie
-16;männlich;10;18;5;119;täglich;täglich;nie;nie;mehrmals pro Woche
-15;weiblich;11;167;23;170;täglich;täglich;nie;mehrmals pro Woche;täglich
-16;männlich;10;108;5;118;täglich;täglich;nie;nie;täglich
-10;männlich;5;;2;0;nie;nie;nie;nie;nie
-14;männlich;9;30;10;68;täglich;nie;nie;seltener;nie
-13;männlich;7;8;5;50;täglich;mehrmals pro Woche;nie;seltener;nie
-18;männlich;12;7;21;26;mehrmals pro Woche;nie;nie;nie;seltener
-13;männlich;8;8;2;15;täglich;seltener;nie;nie;seltener
-13;männlich;8;;6;;mehrmals pro Woche;einmal pro Woche;einmal im Monat;seltener;einmal pro Woche
-18;männlich;12;30;7;116;täglich;nie;nie;einmal pro Woche;mehrmals pro Woche
-18;weiblich;12;42;15;222;täglich;täglich;nie;mehrmals pro Woche;täglich
-11;männlich;5;47;0;7;nie;nie;nie;nie;nie
-11;männlich;5;47;0;7;einmal im Monat;einmal pro Woche;einmal im Monat;seltener;einmal in 14 Tagen
-15;männlich;9;57;8;249;mehrmals pro Woche;täglich;nie;nie;täglich
-17;weiblich;12;82;9;262;täglich;täglich;seltener;einmal pro Woche;täglich
-13;weiblich;8;41;8;114;täglich;täglich;einmal im Monat;täglich;täglich
-17;männlich;12;90;8;271;täglich;täglich;nie;nie;täglich
-17;weiblich;12;12;5;90;täglich;täglich;seltener;nie;täglich
-15;weiblich;10;51;6;59;täglich;täglich;nie;nie;täglich
-14;weiblich;9;14;1;177;täglich;nie;nie;nie;nie
-16;männlich;11;62;10;25;täglich;einmal pro Woche;nie;nie;einmal im Monat
-13;weiblich;8;19;2;117;täglich;nie;nie;nie;nie
-13;weiblich;9;33;5;218;täglich;täglich;nie;nie;mehrmals pro Woche
-14;weiblich;9;60;5;43;täglich;täglich;nie;nie;täglich
-13;weiblich;8;9;2;271;täglich;täglich;nie;nie;nie
-17;männlich;12;18;7;52;mehrmals pro Woche;nie;nie;nie;nie
-17;männlich;12;48;2;96;täglich;nie;nie;nie;nie
-17;weiblich;12;17;3;167;täglich;nie;nie;nie;einmal im Monat
-16;männlich;12;73;20;50;mehrmals pro Woche;mehrmals pro Woche;nie;nie;nie
-18;männlich;12;90;19;180;täglich;täglich;nie;seltener;täglich
-17;männlich;12;84;19;255;täglich;täglich;einmal pro Woche;nie;mehrmals pro Woche
-17;männlich;12;99;16;8;mehrmals pro Woche;mehrmals pro Woche;nie;nie;täglich
-17;männlich;12;22;5;115;täglich;täglich;mehrmals pro Woche;seltener;mehrmals pro Woche
-14;männlich;9;40;3;201;täglich;nie;nie;nie;nie

DatenauswertungTeil2.ipynb

+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Datenauswertung in Phyton - Teil 2"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 2. Gruppierung und Aggregation (Personalkartei)\n",
+    "Zwei wichtige Konzepte der Datenauswertung sind **Gruppierung und Aggregation**, wobei eine Aggregation immer eine Gruppierung voraussetzt. Um diese Konzepte zu verstehen, betrachten wir folgendes Beispiel einer fiktiven **Personalkartei**:"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "    Abteilung  Einkommen Geschlecht     Name\n",
+      "0     Verkauf       2700   weiblich   Müller\n",
+      "1     Verkauf       2900   männlich    Meier\n",
+      "2    Personal       3600   weiblich  Schmidt\n",
+      "3       Lager       2600   weiblich   Wagner\n",
+      "4  Verwaltung       3300   männlich    Weber\n",
+      "5       Lager       2900   männlich   Wagner\n"
+     ]
+    }
+   ],
+   "source": [
+    "#Importieren von Pandas\n",
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "#Instanzieren eines Data Frames mit Namen personalDF\n",
+    "personalDF = pd.DataFrame({'Name':['Müller','Meier','Schmidt','Wagner','Weber','Wagner'],\n",
+    "                          'Geschlecht':['weiblich','männlich','weiblich','weiblich','männlich','männlich'],\n",
+    "                          'Abteilung':['Verkauf','Verkauf','Personal','Lager','Verwaltung','Lager'],\n",
+    "                          'Einkommen':[2700,2900,3600,2600,3300,2900]})\n",
+    "print(personalDF)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 2.1. Gruppierung\n",
+    "Eine Darstellung in einem Graphen macht hier offensichtlich wenig Sinn. Es bietet sich jedoch an die Datensätze bezüglich gemeinsamer Eigenschaften in Gruppen zusammenzufassen, um im Anschluss allgemeine Aussagen über diese Gruppen treffen zu können. Möchten wir beispielsweise die Frauen und Männer seperat betrachten hilft uns die Funktion **groupby([*Spaltenname(n)*])**:"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 8,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Männer:\n",
+      "    Abteilung  Einkommen Geschlecht    Name\n",
+      "1     Verkauf       2900   männlich   Meier\n",
+      "4  Verwaltung       3300   männlich   Weber\n",
+      "5       Lager       2900   männlich  Wagner\n",
+      "Frauen:\n",
+      "  Abteilung  Einkommen Geschlecht     Name\n",
+      "0   Verkauf       2700   weiblich   Müller\n",
+      "2  Personal       3600   weiblich  Schmidt\n",
+      "3     Lager       2600   weiblich   Wagner\n"
+     ]
+    }
+   ],
+   "source": [
+    "#Gruppieren nach dem Merkmal Geschlecht\n",
+    "grouped = personalDF.groupby(['Geschlecht'])\n",
+    "\n",
+    "#Gruppe der Männer\n",
+    "print('Männer:')\n",
+    "print(grouped.get_group('männlich'))\n",
+    "\n",
+    "#Gruppe der Frauen\n",
+    "print('Frauen:')\n",
+    "print(grouped.get_group('weiblich'))"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Im obigem Code werden die Datensätze in die Gruppen **männlich** und **weiblich** aufgeteilt. Wir können auch nach mehr als einer Eigenschaft gruppieren:"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 9,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Gruppe: ('Lager', 'Wagner')\n",
+      "  Abteilung  Einkommen Geschlecht    Name\n",
+      "3     Lager       2600   weiblich  Wagner\n",
+      "5     Lager       2900   männlich  Wagner\n",
+      "Gruppe: ('Personal', 'Schmidt')\n",
+      "  Abteilung  Einkommen Geschlecht     Name\n",
+      "2  Personal       3600   weiblich  Schmidt\n",
+      "Gruppe: ('Verkauf', 'Meier')\n",
+      "  Abteilung  Einkommen Geschlecht   Name\n",
+      "1   Verkauf       2900   männlich  Meier\n",
+      "Gruppe: ('Verkauf', 'Müller')\n",
+      "  Abteilung  Einkommen Geschlecht    Name\n",
+      "0   Verkauf       2700   weiblich  Müller\n",
+      "Gruppe: ('Verwaltung', 'Weber')\n",
+      "    Abteilung  Einkommen Geschlecht   Name\n",
+      "4  Verwaltung       3300   männlich  Weber\n"
+     ]
+    }
+   ],
+   "source": [
+    "#Gruppieren nach Abteilung und Name\n",
+    "grouped = personalDF.groupby(['Abteilung','Name'])\n",
+    "\n",
+    "#Die Gruppennamen identifizieren\n",
+    "groups = grouped.groups.keys()\n",
+    "\n",
+    "#Ausgabe für jede der Gruppen\n",
+    "for group in groups:\n",
+    "    print('Gruppe:',group)\n",
+    "    print(grouped.get_group(group))"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Hier werden die Personen sowohl nach ihrer Abteilung, als auch nach ihrem Namen gruppiert. Die erste Gruppe beispielsweise enthält demnach alle Personen mit Namen Wagner, die im Lager beschäftigt sind."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 2.2. Aufgabe (Gruppierung)\n",
+    "#### Verwende die Funktion **groupby(...)**, um die Gruppe der männlichen Personen mit einem Einkommen von 2900 (€) zu identifizieren und gib diese anschließend aus."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 10,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "#Hier ist Platz für deinen Code:\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 2.3. Aggregation\n",
+    "Gruppierung alleine reicht meist nicht aus, um allgemeine Aussagen über die Gruppen treffen zu können. Im Folgendem verwenden wir sogennante **Aggregationsfunktionen**. Diese ermöglichen uns mehrer Datensätze in einem für die Gruppe repräsentativen Datensatz zusammenzufassen (**aggregieren**). Die Aggregationsfunktion legt dabei fest wie dieses \"Zusammenfassen\" geschehen soll. Typische Aggregationsfunktionen sind:\n",
+    "+ **mean** Durchschnitt\n",
+    "+ **max** Maximum\n",
+    "+ **min** Minimum\n",
+    "+ **median** Median\n",
+    "+ **sum** Summe\n",
+    "+ **first** Erstes Element\n",
+    "+ **last** Letztes Element\n",
+    "\n",
+    "Die Syntax für die Aggregation ist wie folgt: **aggregate({*Spaltenname*:*Aggregationsfunktion*, ...})**"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 11,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "               Name Geschlecht\n",
+      "Abteilung                     \n",
+      "Lager        Wagner   weiblich\n",
+      "Personal    Schmidt   weiblich\n",
+      "Verkauf      Müller   weiblich\n",
+      "Verwaltung    Weber   männlich\n"
+     ]
+    }
+   ],
+   "source": [
+    "#Gruppieren nach Abteilung\n",
+    "grouped = personalDF.groupby(['Abteilung'])\n",
+    "#Auswählen des ersten Eintrags in jeder Gruppe (Aggregation)\n",
+    "aggregationDF = grouped.aggregate({'Name':'first','Geschlecht':'first'})\n",
+    "\n",
+    "print(aggregationDF)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 2.4. Aufgabe (Aggregation)\n",
+    "#### Verwende eine geeignete Aggregationsfunktion, um zu ermitteln, ob die Frauen oder die Männer im Betrieb mehr Geld verdienen."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 12,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "#Hier ist Platz für deinen Code:\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.6.3"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}

DatenauswertungTeil3.ipynb

+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Datenauswertung in Phyton - Teil 3"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## 3. Genug der Vorrede - Hier kommen die Daten! (Lautstärke im Lehrerzimmer)\n",
+    "An einer Schule in Paderborn wurde einen Tag lang die **Lautstärke in einem Lehrerzimmer** gemessen. Im Verlauf der folgenden Datenauswertung möchten wir dazu folgende **Fragestellung** untersuchen:\n",
+    "### Wie sind die Unterrichtszeiten an der Schule? Wann findet Unterricht statt und wann sind (Mittags-)Pausen?"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.1. Die Daten\n",
+    "Die gesammelten Daten wurden in einer sogenannten **CSV-Datei** gespeichert. CSV steht für *Comma-seperated values* (zu deutsch \"durch Kommata getrennte Werte\"). Eine CSV-Datei beschreibt in Textform den Aufbau und Inhalt einer Tabelle. Glücklicherweise bietet uns **pandas** die Mölichkeit solche CSV-Dateien auszulesen und in die uns bekannte Form eines **Data Frames** zu speichern. Dafür benötigen wir den Befehl **read_csv(*Dateiname*)** mit dem Dateinamen als Parameter."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 33,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "#Importieren von pandas und csv\n",
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "import csv\n",
+    "\n",
+    "#Einlesen der CSV-Datei\n",
+    "df = pd.read_csv('lautstaerke.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.2. Aufgabe (Struktur)\n",
+    "#### Untersuche die Struktur der Daten. Welche Spalten gibt es? Wieviele Einträge gibt es insgesamt? In welcher Form wurden die Messdaten gespeichert? Gib dazu den Data Frame aus."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 34,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "#Hier ist Platz für deinen Code:\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Hier ist Platz für deine Antwort:"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.3. Indizierung\n",
+    "Wie in Teil 1 möchten wir zunächst einen **Index** für unsere Daten festlegen. Da in diesem Fall die Lautstärke von der Uhrzeit abhängt und nicht umgekehrt, bietet es sich an die Uhrzeit als **Index** zu wählen. Zusätzlich legen wir noch fest, dass es sich bei den Uhrzeiten um Zeitangaben handelt, damit **pandas** diese auch als solche interpretiert. Im Zuge dessen wird automatisch auch ein Datum ergänzt."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 35,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "import dateutil\n",
+    "\n",
+    "#Zeitangaben als solche interpretieren\n",
+    "df['Uhrzeit'] = pd.to_datetime(df['Uhrzeit'])\n",
+    "#Setzen des Index\n",
+    "dfIndexed = df.set_index('Uhrzeit')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.4. Aufgabe (Graph)\n",
+    "#### Zeichne den Graphen mit pandas."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 36,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "#Hier ist Platz für deinen Code:\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.5. Resampling\n",
+    "Wie du vielleicht schon beobachtet hast, beträgt der Zeitabstand zwischen zwei Messungen oft nur einige Millisekunden. Für die Beantwortung unserer anfangs gestellten Frage interessieren wir uns jedoch weniger für die Lautstärke in jedem Sekundenintervall als für die durchschnittliche Lautstärke in einem größer gewählten Zeitintervall. Abhilfe schafft die Funktion **resample(*Frequenz*)**"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 37,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "dfResampled = dfIndexed.resample(\"1Min\").mean()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.6. Aufgabe (Resample)\n",
+    "#### Was bewirkt die Funktion **resample**? Erkläre die Funktionsweise mithilfe der Konzepte Gruppierung und Aggregation."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 38,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "#Hier ist Platz für deinen Code:\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Hier ist Platz für deine Antwort:"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.7. Achsenmarkierungen\n",
+    "Für die Beantwortung der Frage nach den Unterrichtszeiten müssen wir eine geeignete Schrittweite für Markierungen auf der Zeitachse wählen. Da potenziell auch Fünf-Minuten-Pausen im Studenplan möglich sind, sollten wir mindestens alle fünf Minuten eine Markierung setzen. Auf der anderen Seite sollten wir die Markierungen auch nicht zu kleinschrittig wählen, um die Übersichtlichkeit zu wahren. Im folgenden definieren wir eine Funktion **plotFormatiert(*Name des Data Frames*)**, die wir anstelle der uns bekannten Funktion **plot()** verwenden können, um einen nach unseren Anforderungen **formatierten** Graphen zu zeichnen."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 39,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "import matplotlib.dates as mdates\n",
+    "\n",
+    "def plotFormatiert(dataFrame):\n",
+    "    plot = dataFrame.plot(x_compat=True,grid=True,title='Lautstärke im Lehrerzimmer')\n",
+    "    plot.xaxis.set_major_locator(mdates.MinuteLocator(byminute=range(0,60,10)))\n",
+    "    plot.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.8. Aufgabe (Graph erweitert)\n",
+    "#### Verwende die Funktion **plotFormatiert()**, um *lautstaerkeResampledDF* in einem Graphen darzustellen."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 40,
+   "metadata": {
+    "collapsed": true
+   },
+   "outputs": [],
+   "source": [
+    "#Hier ist Platz für deine Antwort:\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.9. Automatisierte Datenauswertung\n",
+    "Ziel der Automatisierten Datenauswertung ist es Wissen aus Daten automatisch generieren zu lassen. Dazu werden **(Entscheidungs-)Regeln** definiert, anhand dieser der Computer **Aussagen** ableitet. Solche Aussagen sind jedoch mit äußerster Vorsicht zu betrachten, da nicht immer alle Faktoren berücksichtigt werden können. In unserem speziellen Fall könnte eine solche Regel folgendermaßen lauten:\n",
+    "#### Genau dann, wenn die Lautstärke zu einem Zeitpunkt im Lehrerzimmer mindestens 0.06 beträgt, findet kein Unterricht statt.\n",
+    "Eine Möglichkeit eine solche Regel zu implementieren ist das Hinzufügen einer neuen Spalte (**Unterricht**), in der das Ergebnis der automatisierten Auswertung festgehalten wird. Das Programm durchläuft dann alle Messwerte und entscheidet jeweils, ob Unterricht stattfindet oder nicht."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 41,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def entscheideUnterricht(wert):\n",
+    "    #Hier ist Platz für deinen Code:\n",
+    "    return 0\n",
+    "\n",
+    "#Kopie des alten Data Frames\n",
+    "dfCopy = dfResampled.copy()\n",
+    "#Hinzufügen einer neuen Spalte mit den Werten, die die Funktion entscheideUnterricht ermittelt\n",
+    "dfCopy['Unterricht'] = dfCopy['Wert'].apply(entscheideUnterricht)\n",
+    "\n",
+    "#Hier ist Platz für deinen Code:\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 3.11. Abschluss (Ergebnis)\n",
+    "Mithilfe der bisherigen Untersuchungen sollte es dir nun möglich sein die Frage nach den Unterrichtszeiten abschließend zu beantworten. Erstelle dazu eine Übersicht, die jeweils Beginn und Ende einer jeden Einheit (Unterricht/Pause) beinhaltet."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Deine Lösung:\n",
+    "+ Erste Stunde von ... bis ...\n",
+    "+ ..."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## Du hast es geschafft!"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.6.3"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}