{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "cell-0",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "# Wochenaufgaben - Woche 6\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cell-1",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "### Aufgabe (Statistiken mit Pandas DataFrame)\n",
    "\n",
    "Unter der URL [https://datascience.hs-bochum.de/data/bitcoin.csv](https://datascience.hs-bochum.de/data/bitcoin.csv) haben wir eine CSV-Datei abgelegt,\n",
    "die Kursinformationen zur Kryptow\u00e4hrung *Bitcoin* enth\u00e4lt. \n",
    "Die Datei k\u00f6nnen Sie entweder auf ihren Rechner herunterladen und dann in \n",
    "ihren Account auf dem Jupyter-Server in einen DataFrame einlesen - oder \n",
    "direkt mit Pandas auf die URL zugreifen.\n",
    "\n",
    "  - Laden Sie die Bitcoin-Daten in einen DataFrame.\n",
    "  - Welche Spalten gibt es? Welchen Datentyp haben die Spalten?\n",
    "  - Berechnen Sie den minimalen, maximalen und durchschnittlichen Schlusskurs \u00fcber den gesamten Datensatz.\n",
    "  - Berechnen Sie eine neue Spalte Mittelwert, die das arithmetische Mittel aus H\u00f6chst- und Tiefpunkt je Tag enth\u00e4lt.\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-2",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Hier ist Platz fuer ihre Loesung zu Aufgabe  (Statistiken mit Pandas DataFrame):\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-3",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-4",
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cell-5",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "\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": [
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cell-8",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "### Aufgabe (Daten besorgen und einlesen)\n",
    "\n",
    "*Open Data* ist eine Idee/Initiative die von vielen Vereinen und Kommunen \n",
    "betrieben wird, um m\u00f6glichst viele Daten der \u00d6ffentlichkeit zur Verf\u00fcgung \n",
    "zu stellen. So sind z.B. Wahlergebnisse, Verkehrsz\u00e4hldaten oder \u00e4hnliches \n",
    "bereits in vielen St\u00e4dten abrufbar. Die Stadt Dortmund bietet sogar ein \n",
    "Verzeichnis aller B\u00e4ume im Dortmunder Stadtgebiet an.\n",
    "\n",
    "Auch Bochum betreibt einige Projekte, die Daten aufzeichnen und bereitstellen. \n",
    "Die Bochumer *Smarten B\u00e4nke* sind 12 Parkb\u00e4nke, die mit Solarzellen,\n",
    "Akku-Ladestation und Wettersensoren ausgestattet sind. Die Stadt Bochum\n",
    "ver\u00f6ffentlicht dazu Datens\u00e4tze von allen 12 smarten Parkb\u00e4nken.\n",
    "\n",
    "\n",
    "**Die Aufgabe** Finden Sie die Projektseite zu den Bochumer *Smart City B\u00e4nken*\n",
    "und laden Sie die Daten von zwei B\u00e4nken ihrer Wahl herunter. Bestimmen Sie die\n",
    "Durchschnittstemperatur von beiden B\u00e4nken jeweils \u00fcber alle gemessenen Zeitpunkte.\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-9",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Hier ist Platz fuer ihre Loesung zu Aufgabe  (Daten besorgen und einlesen):\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-10",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-11",
   "metadata": {},
   "outputs": [],
   "source": [
    ""
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cell-12",
   "metadata": {
    "editable": false,
    "tags": [
     "aufgabe"
    ]
   },
   "source": [
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cell-13",
   "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
}