Make data science exercise ready.

README.md

@@ -9,9 +9,9 @@
 * Tic-Tac-Toe mit GUI                               ☑️
 * URL-Shortener implementieren                      ☑️
 * Server-Backup durchführen                         ☑️
-* Datenbank erstellen und abfragen                  
+* Veranstaltungsdatenbank mit Web-App               ☑️
 * Relationale Datenbank anbinden                    ☑️
-* HTTP-Monitoring einrichten                        
+* HTTP-Monitoring einrichten                        ☑️
 * Datenauswertung durchführen                       
 * Diagramme für Messprotokoll erstellen             
 * Turtle-Grafiken erstellen                         
@@ -20,5 +20,6 @@
 
 ## Weitere mögliche Aufgaben
 
+* Musikdaten mit der Spotify-API abfragen
 * Telegram-Bot programmieren (https://www.heise.de/hintergrund/Programmieren-Mikro-Blog-per-Telegram-Messenger-Bot-befuellen-6328492.html)
-* Spotify-API abfragen
+* Klassen-Diagramme und ER-Modelle mit graphviz erstellen

datenauswertung_aufgabe.py

@@ -0,0 +1,38 @@
+
+"""
+Die Datei datenauswertung.csv enthält den Anteil der Internetnutzer in ver-
+schiedenen Ländern an der Gesamtbevölkerung über die Jahre von 2002 bis 2021
+(Datenquelle: Statistikdatenbank der Weltbank [1]). Es soll für eine ausge-
+wählte Anzahl von Ländern ein Liniendiagramm erstellt werden, das den Verlauf
+des Anteils über die gegebenen Jahre darstellt.
+
+Mögliche Erweiterungen:
+
+Hilfen:
+ * Einführung in die Bibliothek "pandas" [2]
+ * Artikel von heise zu "Analyse von Open Data mit Pandas" [3]
+ * Artikel aus der c't "Mit Python und Pandas die eigenen Einkaufsdaten analysieren" [4]
+ * Beispieldaten von den Machern der Bibliothek "pandas" [5]
+
+Bibliotheken:
+ * pandas - 
+    pip install pandas
+ * matplotlib - Erstellung von Diagrammen
+    pip install matplotlib
+
+Quellen:
+[1] https://databank.worldbank.org/data/reports.aspx?dsid=2&series=IT.NET.USER.ZS
+[2] https://pandas.pydata.org/docs/getting_started/intro_tutorials/index.html
+[3] https://www.heise.de/hintergrund/Analyse-von-Open-Data-mit-Pandas-5049049.html
+[4] https://www.heise.de/ratgeber/Mit-Python-und-Pandas-die-eigenen-Einkaufsdaten-analysieren-6668748.html
+[5] https://github.com/pandas-dev/pandas/tree/main/doc/data
+
+"""
+
+
+import pandas as pd
+import matplotlib.pyplot as plt
+
+
+daten = pd.read_csv('datenauswertung_daten.csv', index_col='Country Code')
+gesuchte_laender = ['Germany', 'United States', 'France', 'Poland', 'United Kingdom', 'Sweden', 'Switzerland']

datenauswertung_lösung.py

@@ -0,0 +1,46 @@
+
+"""
+Die Datei datenauswertung.csv enthält den Anteil der Internetnutzer in ver-
+schiedenen Ländern an der Gesamtbevölkerung über die Jahre von 2002 bis 2021
+(Datenquelle: Statistikdatenbank der Weltbank [1]). Es soll für eine ausge-
+wählte Anzahl von Ländern ein Liniendiagramm erstellt werden, das den Verlauf
+des Anteils über die gegebenen Jahre darstellt.
+
+Mögliche Erweiterungen:
+
+Hilfen:
+ * Einführung in die Bibliothek "pandas" [2]
+ * Artikel von heise zu "Analyse von Open Data mit Pandas" [3]
+ * Artikel aus der c't "Mit Python und Pandas die eigenen Einkaufsdaten analysieren" [4]
+ * Beispieldaten von den Machern der Bibliothek "pandas" [5]
+
+Bibliotheken:
+ * pandas - 
+    pip install pandas
+ * matplotlib - Erstellung von Diagrammen
+    pip install matplotlib
+
+Quellen:
+[1] https://databank.worldbank.org/data/reports.aspx?dsid=2&series=IT.NET.USER.ZS
+[2] https://pandas.pydata.org/docs/getting_started/intro_tutorials/index.html
+[3] https://www.heise.de/hintergrund/Analyse-von-Open-Data-mit-Pandas-5049049.html
+[4] https://www.heise.de/ratgeber/Mit-Python-und-Pandas-die-eigenen-Einkaufsdaten-analysieren-6668748.html
+[5] https://github.com/pandas-dev/pandas/tree/main/doc/data
+
+"""
+
+
+import pandas as pd
+import matplotlib.pyplot as plt
+
+
+daten = pd.read_csv('datenauswertung_daten.csv', index_col='Country Code')
+gesuchte_laender = ['Germany', 'United States', 'France', 'Poland', 'United Kingdom', 'Sweden', 'Switzerland']
+zeitreihe_deutschland = daten[daten['Country Name'].isin(gesuchte_laender)]
+zeitreihe_deutschland = zeitreihe_deutschland.drop(['Series Name', 'Series Code', 'Country Name'], axis=1)
+kurve = zeitreihe_deutschland.transpose().plot()
+plt.xlabel('Jahre')
+plt.title('Anteil der Internetnutzer in verschiedenen Ländern')
+plt.ylabel('Anteil Internetnutzer in Prozent')
+plt.grid()
+plt.show()