{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "cell-0",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "# Wochenaufgabe - Wochen 9\n",
    "\n",
    "Ihre Kette von Fahrradl\u00e4den hat mehrere Filialen, deren Verk\u00e4ufe in \n",
    "einer zentralen Datenbank abgelegt werden.\n",
    "\n",
    "Unter der URL [https://data.hsbo.de/fahrrad/verkaeufe.csv](https://data.hsbo.de/fahrrad/verkaeufe.csv)\n",
    "finden Sie eine Liste der verkauften Fahrr\u00e4der \u00fcber die letzten Monate.\n",
    "\n",
    "Unter [https://data.hsbo.de/fahrrad/kunden.csv](https://data.hsbo.de/fahrrad/kunden.csv)\n",
    "ist eine Liste mit Kundendaten abgelegt.\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cell-1",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "### 1. Aufgabe \n",
    "\n",
    "In dieser Aufgabe sollen Sie sich mit Hilfe von Pandas einen \u00dcberblick \u00fcber die Daten\n",
    "verschaffen und einige Fragestellungen beantworten und dazu einige Funktionen programmieren.\n",
    "Es ist hilfreich, die Daten zun\u00e4chst in einen DataFrame zu laden und zu schauen, welche\n",
    "Spalten \u00fcberhaupt existieren und welchen Umfang die Daten haben.\n",
    "\n",
    "  - Welche Spalten gibt es? Welchen Datentyp haben die Spalten?\n",
    "  - Wieviele Zeilen hat der Datensatz mit den Verk\u00e4ufen?\n",
    "  - F\u00fcr welche Spalten der Verkaufsdaten ist es sinnvoll Statistiken zu berechnen?\n",
    "    Welche Charakterisierung haben diese Spalten?\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-2",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Hier ist Platz fuer ihre Loesung zu Aufgabe 1.:\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-3",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "markdown",
   "id": "cell-4",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "### 2. Aufgabe \n",
    "\n",
    "Schreiben Sie eine Funktion `verkaeufe_nach_alter(verkaeufe_df, kunden_df)`, die DataFrames \n",
    "mit den Verk\u00e4ufen und den Kundendaten bekommt und je Kundenalter den Umsatz und die Anzahl\n",
    "der verkaufen Fahrr\u00e4der berechnet.\n",
    "\n",
    "Welches Alter haben ihre umsatzst\u00e4rksten Kunden?\n",
    "\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-5",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Hier ist Platz fuer ihre Loesung zu Aufgabe 2.:\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-6",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "markdown",
   "id": "cell-7",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "### 3. Aufgabe \n",
    "\n",
    "Schreiben Sie eine Funktion `verkaeufe_nach_wochentag(df)`, die f\u00fcr\n",
    "die Verkaufsdaten einen neuen DataFrame berechnet und zur\u00fcckgibt, \n",
    "der die Gesamtums\u00e4tze und Gesamtzahl der verkauften Fahrr\u00e4der je Wochentag enth\u00e4lt.\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-8",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Hier ist Platz fuer ihre Loesung zu Aufgabe 3.:\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-9",
   "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": "3.12.7"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}