{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "cell-0",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "# Wochenaufgabe - Woche 8\n",
    "\n",
    "\n",
    "Mit `groupby(..)` steht in dieser Woche eine mächtige Möglichkeit von Pandas\n",
    "bereit, mit der viele spannende Fragestellungen in Daten beantwortet werden können. Im\n",
    "Prinzip ist das eine automatisierte Erweiterung von *Filtern und Aggregieren* aus\n",
    "der letzten Woche.\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cell-1",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "## Aufgabe (Statistiken mit Pandas DataFrame)\n",
    "\n",
    "In dieser Aufgabe betrachten wir wieder die Daten von Fahrradkäufern aus der letzten Woche.\n",
    "Die Daten sind wieder unter der URL [https://data.hsbo.de/bike-sales.csv](https://data.hsbo.de/bike-sales.csv) verfügbar. \n",
    "Den Datensatz hatten Sie in der letzten Woche ja schon eingeladen und hinsichtlich einiger\n",
    "Aspekte untersucht. Hier ist nochmal ein Ausschnitt der Daten:\n",
    "\n",
    "<table><tr><th>ID</th><th>Alter</th><th>Geschlecht</th><th>Einkommen</th><th>Verheiratet</th><th>Kinder</th><th>Bildung</th><th>Beruf</th><th>Pendeldistanz</th><th>AnzahlAutos</th><th>Hausbesitzer</th><th>Region</th><th>Fahrradkauf</th></tr><tr><td>12496</td><td>42</td><td>weiblich</td><td>40000</td><td>Ja</td><td>1</td><td>Bachelor</td><td>Handerk</td><td>0-1 Kilometer</td><td>0</td><td>Ja</td><td>Europa</td><td>Nein</td></tr><tr><td>24107</td><td>43</td><td>männlich</td><td>30000</td><td>Ja</td><td>3</td><td>Mittlere Reife</td><td>Angestellter</td><td>0-1 Kilometer</td><td>1</td><td>Ja</td><td>Europa</td><td>Nein</td></tr><tr><td>14177</td><td>60</td><td>männlich</td><td>80000</td><td>Ja</td><td>5</td><td>Mittlere Reife</td><td>Freiberufler</td><td>2-5 Kilometer</td><td>2</td><td>Nein</td><td>Europa</td><td>Nein</td></tr><tr><td>24381</td><td>41</td><td>männlich</td><td>70000</td><td>Nein</td><td>0</td><td>Bachelor</td><td>Freiberufler</td><td>5-10 Kilometer</td><td>1</td><td>Ja</td><td>Asien-Pazifik</td><td>Ja</td></tr><tr><td>25597</td><td>36</td><td>männlich</td><td>30000</td><td>Nein</td><td>0</td><td>Bachelor</td><td>Angestellter</td><td>0-1 Kilometer</td><td>0</td><td>Nein</td><td>Europa</td><td>Ja</td></tr><tr><td>13507</td><td>50</td><td>weiblich</td><td>10000</td><td>Ja</td><td>2</td><td>Mittlere Reife</td><td>Arbeiter</td><td>1-2 Kilometer</td><td>0</td><td>Ja</td><td>Europa</td><td>Nein</td></tr><tr><td>27974</td><td>33</td><td>männlich</td><td>160000</td><td>Nein</td><td>2</td><td>Abitur</td><td>Management</td><td>0-1 Kilometer</td><td>4</td><td>Ja</td><td>Asien-Pazifik</td><td>Ja</td></tr><tr><td>19364</td><td>43</td><td>männlich</td><td>40000</td><td>Ja</td><td>1</td><td>Bachelor</td><td>Handerk</td><td>0-1 Kilometer</td><td>0</td><td>Ja</td><td>Europa</td><td>Ja</td></tr></table>\n",
    "Mit diesen Daten lassen sich natürlich viele Fragestellungen untersuchen. Wir sind\n",
    "an den folgenden Fragen interessiert:\n",
    "\n",
    "  - Aus welcher Region stammen die meisten Kunden, die ein Fahrrad gekauft haben?\n",
    "  - Wie ist das durchschnittliche Einkommen und die durchschnittliche Anzahl an Kindern je Region?\n",
    "\n",
    "\n",
    "*Hinweis:* Es ist hilfreich, sich aus den Daten zunächst einen DataFrame zu basteln,\n",
    "der nur die Spalten enthält, die für die Fragestellung relevant sind. Ggf. kann es\n",
    "hilfreich sein, zusätzliche Spalten zu berechnen oder Werte in Spalten zu ersetzen."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "9c6fd60c-2f98-459a-be57-9db501673cf1",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "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": "3.12.10"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}