edit corelation.py and add hr_data_cleaned.csv

code/corelation.py

@@ -2,82 +2,236 @@ import pandas as pd
 import matplotlib.pyplot as plt
 import numpy as np
 from datetime import datetime
-
+import os
 
+# Manuelle Zuordnung der Monatsnamen von Deutsch auf Englisch
+# month_translation = {
+#     'Jan': 'Jan', 'Feb': 'Feb', 'Mär': 'Mar', 'Apr': 'Apr', 'Mai': 'May', 'Jun': 'Jun',
+#     'Jul': 'Jul', 'Aug': 'Aug', 'Sep': 'Sep', 'Okt': 'Oct', 'Nov': 'Nov', 'Dez': 'Dec', 'Mrz': 'Mar'
+# }
+
+
+# Funktion, um 'Okt 10-16' in eine Kalenderwoche zu konvertieren und das Startdatum zurückzugeben
+# def convert_to_week_number_and_start_date(date_range_str):
+#     # Splitte den Datumsbereich in Monat und Tage
+#     start_part, end_part = date_range_str.split(" - ")
+#     start_month_str, start_day = start_part.split(" ")
+#     start_day = int(start_day)  # Nimm den Starttag
+#
+#     # Konvertiere den deutschen Monatsnamen in den englischen
+#     if start_month_str in month_translation:
+#         start_month_str = month_translation[start_month_str]
+#
+#     # Erstelle das Datum basierend auf dem Starttag und dem aktuellen Jahr
+#     current_year = datetime.now().year
+#     date_str = f"{start_month_str} {start_day} {current_year}"
+#
+#     try:
+#         start_date = datetime.strptime(date_str, "%b %d %Y")  # Konvertiere in ein Datum
+#     except ValueError:
+#         raise ValueError(f"Ungültiges Datum: {date_str}")
+#
+#     week_number = start_date.isocalendar()[1]  # Kalenderwoche ermitteln
+#
+#     return week_number, start_date.strftime('%Y-%m-%d')  # Gib KW und das Startdatum zurück
+# Funktion, um 'Okt 10-16' oder 'Okt 10 - 16' in eine Kalenderwoche zu konvertieren und das Startdatum zurückzugeben
+# def convert_to_week_number_and_start_date(date_range_str):
+#     # Entferne zusätzliche Leerzeichen um den Bindestrich herum
+#     date_range_str = date_range_str.replace(" - ", "-")
+#
+#     # Splitte den Datumsbereich in Start- und Endbereich
+#     start_part, end_part = date_range_str.split("-")
+#     start_month_str, start_day = start_part.split(" ")
+#     start_day = int(start_day.strip())  # Nimm den Starttag und entferne etwaige Leerzeichen
+#
+#     # Konvertiere den deutschen Monatsnamen in den englischen
+#     if start_month_str in month_translation:
+#         start_month_str = month_translation[start_month_str]
+#
+#     # Erstelle das Datum basierend auf dem Starttag und dem aktuellen Jahr
+#     current_year = datetime.now().year
+#     date_str = f"{start_month_str} {start_day} {current_year}"
+#
+#     try:
+#         start_date = datetime.strptime(date_str, "%b %d %Y")  # Konvertiere in ein Datum
+#     except ValueError:
+#         raise ValueError(f"Ungültiges Datum: {date_str}")
+#
+#     week_number = start_date.isocalendar()[1]  # Kalenderwoche ermitteln
+#
+#     return week_number, start_date.strftime('%Y-%m-%d')  # Gib KW und das Startdatum zurück
+
+# Funktion, um Datumsbereiche wie 'Mrz 29-Apr 4' oder 'Okt 10-16' in die Kalenderwoche zu konvertieren
+# und das Startdatum zurückzugeben
+# Funktion, um Datumsbereiche wie 'Mrz 29-Apr 4' oder 'Okt 10-16' in die Kalenderwoche zu konvertieren
+# und das Startdatum zurückzugeben
+# def convert_to_week_number_and_start_date(date_range_str):
+#     # Entferne zusätzliche Leerzeichen um den Bindestrich herum
+#     date_range_str = date_range_str.replace(" - ", "-")
+#
+#     # Splitte den Datumsbereich in Start- und Endteil
+#     start_part, end_part = date_range_str.split("-")
+#
+#     # Verarbeite den Startteil
+#     start_month_str, start_day = start_part.split(" ")
+#     start_day = int(start_day.strip())  # Nimm den Starttag und entferne etwaige Leerzeichen
+#
+#     # Wenn der Endteil einen Monat enthält, verarbeite ihn ebenfalls
+#     if " " in end_part:
+#         end_month_str, end_day = end_part.split(" ")
+#         end_day = int(end_day.strip())  # Nimm den Endtag
+#     else:
+#         # Wenn der Endteil keinen Monat enthält, verwenden wir denselben Monat wie im Startteil
+#         end_month_str = start_month_str
+#         end_day = int(end_part.strip())
+#
+#     # Konvertiere den deutschen Monatsnamen in den englischen für beide Monate
+#     if start_month_str in month_translation:
+#         start_month_str = month_translation[start_month_str]
+#     if end_month_str in month_translation:
+#         end_month_str = month_translation[end_month_str]
+#
+#     # Erstelle das Datum basierend auf dem Starttag und dem aktuellen Jahr
+#     current_year = datetime.now().year
+#     start_date_str = f"{start_month_str} {start_day} {current_year}"
+#
+#     try:
+#         # Konvertiere in ein Datum
+#         start_date = datetime.strptime(start_date_str, "%b %d %Y")
+#     except ValueError:
+#         raise ValueError(f"Ungültiges Startdatum: {start_date_str}")
+#
+#     # Berechne die Kalenderwoche basierend auf dem Startdatum
+#     week_number = start_date.isocalendar()[1]
+#
+#     return week_number, start_date.strftime('%Y-%m-%d')  # Gib KW und das Startdatum zurück
 # Manuelle Zuordnung der Monatsnamen von Deutsch auf Englisch
 month_translation = {
-    'Jan': 'Jan', 'Feb': 'Feb', 'Mär': 'Mar', 'Apr': 'Apr', 'Mai': 'May', 'Jun': 'Jun',
+    'Jan': 'Jan', 'Feb': 'Feb', 'Mär': 'Mar', 'Mrz': 'Mar', 'Apr': 'Apr', 'Mai': 'May', 'Jun': 'Jun',
     'Jul': 'Jul', 'Aug': 'Aug', 'Sep': 'Sep', 'Okt': 'Oct', 'Nov': 'Nov', 'Dez': 'Dec'
 }
 
-# Funktion, um 'Okt 10-16' in eine Kalenderwoche zu konvertieren
-def convert_to_week_number(date_range_str):
-    # Splitte den Datumsbereich in Monat und Tage
-    month_str, day_range = date_range_str.split(" ")
-    start_day = int(day_range.split("-")[0])  # Nimm den Starttag
-    current_year = datetime.now().year
 
-    # Konvertiere den deutschen Monatsnamen in den englischen
+# Funktion, um Datumsbereiche wie 'Mrz 29-Apr 4' oder 'Dez 29, 2023-Jan 4, 2024' in die Kalenderwoche und das Startdatum zu konvertieren
-    if month_str in month_translation:
+def convert_to_week_number_and_start_date(date_range_str):
-        month_str = month_translation[month_str]
+    # Entferne zusätzliche Leerzeichen um den Bindestrich herum
+    date_range_str = date_range_str.replace(" - ", "-").replace(",", "")
 
-    # Erstelle das Datum basierend auf dem Starttag und dem aktuellen Jahr
+    # Splitte den Datumsbereich in Start- und Endteil
-    date_str = f"{month_str} {start_day} {current_year}"
+    start_part, end_part = date_range_str.split("-")
-    start_date = datetime.strptime(date_str, "%b %d %Y")  # Konvertiere in ein Datum
+
-    return start_date.isocalendar()[1]  # Gib die Kalenderwoche zurück
+    # Verarbeite den Startteil
+    start_parts = start_part.split(" ")
+    start_month_str = start_parts[0]
+    start_day = int(start_parts[1].strip())  # Nimm den Starttag und entferne etwaige Leerzeichen
+
+    # Verarbeite den Endteil
+    end_parts = end_part.split(" ")
+
+    if len(end_parts) == 2:
+        end_month_str = end_parts[0]
+        end_day = int(end_parts[1].strip())  # Nimm den Endtag
+    else:
+        end_month_str = start_month_str  # Falls kein Monat angegeben, setze den Startmonat
+        end_day = int(end_parts[0].strip())
+
+    # Konvertiere den deutschen Monatsnamen in den englischen für beide Monate
+    if start_month_str in month_translation:
+        start_month_str = month_translation[start_month_str]
+    if end_month_str in month_translation:
+        end_month_str = month_translation[end_month_str]
+
+    # Wenn der Startteil ein Jahr enthält, nutze dieses
+    if len(start_parts) == 3:
+        current_year = int(start_parts[2])
+    else:
+        current_year = datetime.now().year
+
+    # Wenn der Datumsbereich über den Dezember hinausgeht, endet das Enddatum im nächsten Jahr
+    if start_month_str == 'Dec' and end_month_str == 'Jan':
+        end_year = current_year + 1
+    else:
+        end_year = current_year
+
+    try:
+        # Konvertiere das Startdatum in ein Datum
+        start_date = datetime.strptime(f"{start_month_str} {start_day} {current_year}", "%b %d %Y")
+    except ValueError:
+        raise ValueError(f"Ungültiges Startdatum: {start_month_str} {start_day} {current_year}")
+
+    try:
+        # Konvertiere das Enddatum in ein Datum
+        end_date = datetime.strptime(f"{end_month_str} {end_day} {end_year}", "%b %d %Y")
+    except ValueError:
+        raise ValueError(f"Ungültiges Enddatum: {end_month_str} {end_day} {end_year}")
+
+    # Berechne die Kalenderwoche basierend auf dem Startdatum
+    week_number = start_date.isocalendar()[1]
+
+    return week_number, start_date.strftime('%Y-%m-%d')  # Gib KW und das Startdatum zurück
 
 
-# Schritt 1: Lade die HR-Daten (mit Semikolon separiert) und entferne 'bpm'
+# Funktion zum Bereinigen und Zwischenspeichern der Daten
-hr_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv', sep=';')
+def clean_and_save_data(hr_data, sleep_data, output_dir='sandbox'):
+    # Entferne 'bpm' und konvertiere die Werte in numerische Daten
+    hr_data['In Ruhe'] = hr_data['In Ruhe'].str.replace(' bpm', '').astype(float)
+    hr_data['Hoch'] = hr_data['Hoch'].str.replace(' bpm', '').astype(float)
 
-# Zeige die ersten Zeilen der HR-Daten vor der Bereinigung
+    # Konvertiere die Spalte 'Datum' in Kalenderwoche (KW) und Startdatum
-print("HR-Daten (vor der Bereinigung):")
+    hr_data[['week', 'start_date']] = hr_data['Datum'].apply(
-print(hr_data.head())
+        lambda x: pd.Series(convert_to_week_number_and_start_date(x)))
 
-# Entferne 'bpm' und konvertiere die Werte in numerische Daten
+    # Berechne den Durchschnitt der Herzfrequenzdaten (In Ruhe und Hoch)
-hr_data['In Ruhe'] = hr_data['In Ruhe'].str.replace(' bpm', '').astype(float)
+    hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)
-hr_data['Hoch'] = hr_data['Hoch'].str.replace(' bpm', '').astype(float)
 
-# Konvertiere die Spalte 'Datum' in Kalenderwoche (KW)
+    # Konvertiere auch das 'Datum' der Schlafdaten in Kalenderwoche (KW) und Startdatum
-hr_data['week'] = hr_data['Datum'].apply(convert_to_week_number)
+    sleep_data[['week', 'start_date']] = sleep_data['Datum'].apply(
+        lambda x: pd.Series(convert_to_week_number_and_start_date(x)))
 
-# Zeige die HR-Daten nach der Umwandlung in Wochen
+    # Speichere die bereinigten Daten in 'sandbox'
-print("\nHR-Daten (nach der Umwandlung in KW):")
+    if not os.path.exists(output_dir):
-print(hr_data.head())
+        os.makedirs(output_dir)
 
-# Schritt 2: Berechne den Durchschnitt der Herzfrequenzdaten (In Ruhe und Hoch)
+    hr_data_clean_path = os.path.join(output_dir, 'hr_data_clean.csv')
-hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)
+    sleep_data_clean_path = os.path.join(output_dir, 'sleep_data_clean.csv')
 
-# Schritt 3: Lade die Schlafdaten (mit Komma separiert)
+    hr_data.to_csv(hr_data_clean_path, sep=';', index=False)
-sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')
+    sleep_data.to_csv(sleep_data_clean_path, sep=',', index=False)
 
-# Zeige die ersten Zeilen der Schlafdaten
+    print(f"HR-Daten wurden bereinigt und in {hr_data_clean_path} gespeichert.")
-print("\nSchlafdaten:")
+    print(f"Schlafdaten wurden bereinigt und in {sleep_data_clean_path} gespeichert.")
-print(sleep_data.head())
 
-# Konvertiere auch das 'Datum' der Schlafdaten in Kalenderwoche (KW)
+    return hr_data, sleep_data
-sleep_data['week'] = sleep_data['Datum'].apply(convert_to_week_number)
 
-# Schritt 4: Sicherstellen, dass beide Datensätze nach 'week' sortiert sind
-hr_data = hr_data.sort_values(by='week')
-sleep_data = sleep_data.sort_values(by='week')
 
-# Schritt 5: Kombiniere die beiden Datensätze anhand der 'week' Spalte mit einem äußeren Join
+# Schritt 1: Lade die HR- und Schlafdaten
-combined_data = pd.merge(hr_data, sleep_data, on='week', how='outer')
+hr_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv',
+                      sep=';')
+sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv',
+                         sep=',')
+
+# Bereinige und speichere die Daten
+hr_data, sleep_data = clean_and_save_data(hr_data, sleep_data)
+
+# Schritt 2: Sortiere beide Datensätze nach 'week' und 'start_date'
+hr_data = hr_data.sort_values(by=['week', 'start_date'])
+sleep_data = sleep_data.sort_values(by=['week', 'start_date'])
+
+# Schritt 3: Kombiniere die beiden Datensätze anhand der 'week' und 'start_date' Spalten mit einem äußeren Join
+combined_data = pd.merge(hr_data, sleep_data, on=['week', 'start_date'], how='outer')
 
 # Zeige die kombinierten Daten
 print("\nKombinierte Daten:")
 print(combined_data)
 
-# Schritt 6: Entferne alle Zeilen mit fehlenden Daten
+# Schritt 4: Entferne alle Zeilen mit fehlenden Daten
 combined_data = combined_data.dropna()
 
-# Schritt 7: Berechne die Korrelation zwischen dem durchschnittlichen Herzfrequenzwert ('avg_hr') und der Schlafdauer ('Durchschnittliche Dauer')
+# Schritt 5: Berechne die Korrelation zwischen 'avg_hr' und 'Durchschnittliche Dauer'
 correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])
-
 print(f"\nDie Korrelation zwischen der durchschnittlichen Herzfrequenz und der Schlafdauer ist: {correlation}")
 
-# Schritt 8: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer
+# Schritt 6: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer
 plt.figure(figsize=(10, 6))
 plt.scatter(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], color='blue', label='Datenpunkte')
 plt.title('Zusammenhang zwischen Herzfrequenz (Durchschnitt) und Schlafdauer')

code/corelation_old3.py

@@ -0,0 +1,94 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import numpy as np
+from datetime import datetime
+
+
+# Manuelle Zuordnung der Monatsnamen von Deutsch auf Englisch
+month_translation = {
+    'Jan': 'Jan', 'Feb': 'Feb', 'Mär': 'Mar', 'Apr': 'Apr', 'Mai': 'May', 'Jun': 'Jun',
+    'Jul': 'Jul', 'Aug': 'Aug', 'Sep': 'Sep', 'Okt': 'Oct', 'Nov': 'Nov', 'Dez': 'Dec'
+}
+
+# Funktion, um 'Okt 10-16' in eine Kalenderwoche zu konvertieren
+def convert_to_week_number(date_range_str):
+    # Splitte den Datumsbereich in Monat und Tage
+    month_str, day_range = date_range_str.split(" ")
+    start_day = int(day_range.split("-")[0])  # Nimm den Starttag
+    current_year = datetime.now().year
+
+    # Konvertiere den deutschen Monatsnamen in den englischen
+    if month_str in month_translation:
+        month_str = month_translation[month_str]
+
+    # Erstelle das Datum basierend auf dem Starttag und dem aktuellen Jahr
+    date_str = f"{month_str} {start_day} {current_year}"
+    start_date = datetime.strptime(date_str, "%b %d %Y")  # Konvertiere in ein Datum
+    return start_date.isocalendar()[1]  # Gib die Kalenderwoche zurück
+
+
+# Schritt 1: Lade die HR-Daten (mit Semikolon separiert) und entferne 'bpm'
+hr_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv', sep=';')
+
+# Zeige die ersten Zeilen der HR-Daten vor der Bereinigung
+print("HR-Daten (vor der Bereinigung):")
+print(hr_data.head())
+
+# Entferne 'bpm' und konvertiere die Werte in numerische Daten
+hr_data['In Ruhe'] = hr_data['In Ruhe'].str.replace(' bpm', '').astype(float)
+hr_data['Hoch'] = hr_data['Hoch'].str.replace(' bpm', '').astype(float)
+
+# Konvertiere die Spalte 'Datum' in Kalenderwoche (KW)
+hr_data['week'] = hr_data['Datum'].apply(convert_to_week_number)
+
+# Zeige die HR-Daten nach der Umwandlung in Wochen
+print("\nHR-Daten (nach der Umwandlung in KW):")
+print(hr_data.head())
+
+# Schritt 2: Berechne den Durchschnitt der Herzfrequenzdaten (In Ruhe und Hoch)
+hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)
+
+# Schritt 3: Lade die Schlafdaten (mit Komma separiert)
+sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')
+
+# Zeige die ersten Zeilen der Schlafdaten
+print("\nSchlafdaten:")
+print(sleep_data.head())
+
+# Konvertiere auch das 'Datum' der Schlafdaten in Kalenderwoche (KW)
+sleep_data['week'] = sleep_data['Datum'].apply(convert_to_week_number)
+
+# Schritt 4: Sicherstellen, dass beide Datensätze nach 'week' sortiert sind
+hr_data = hr_data.sort_values(by='week')
+sleep_data = sleep_data.sort_values(by='week')
+
+# Schritt 5: Kombiniere die beiden Datensätze anhand der 'week' Spalte mit einem äußeren Join
+combined_data = pd.merge(hr_data, sleep_data, on='week', how='outer')
+
+# Zeige die kombinierten Daten
+print("\nKombinierte Daten:")
+print(combined_data)
+
+# Schritt 6: Entferne alle Zeilen mit fehlenden Daten
+combined_data = combined_data.dropna()
+
+# Schritt 7: Berechne die Korrelation zwischen dem durchschnittlichen Herzfrequenzwert ('avg_hr') und der Schlafdauer ('Durchschnittliche Dauer')
+correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])
+
+print(f"\nDie Korrelation zwischen der durchschnittlichen Herzfrequenz und der Schlafdauer ist: {correlation}")
+
+# Schritt 8: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer
+plt.figure(figsize=(10, 6))
+plt.scatter(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], color='blue', label='Datenpunkte')
+plt.title('Zusammenhang zwischen Herzfrequenz (Durchschnitt) und Schlafdauer')
+plt.xlabel('Durchschnittliche Herzfrequenz (bpm)')
+plt.ylabel('Schlafdauer (Stunden)')
+plt.grid(True)
+
+# Linie zur Visualisierung des Trends hinzufügen
+m, b = np.polyfit(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], 1)
+plt.plot(combined_data['avg_hr'], m * combined_data['avg_hr'] + b, color='red',
+         label=f'Trendlinie (Kor = {correlation:.2f})')
+
+plt.legend()
+plt.show()

data/raw/Schlaf.csv

@@ -0,0 +1,53 @@
+Datum,Ø Score,Ø Qualität,Durchschnittliche Dauer,Ø Schlafenszeit,Ø Aufstehzeit
+Okt 11-17,45,Schlecht,5h 59min,1:40,7:50
+Okt 4-10,52,Schlecht,6h 38min,0:29,7:25
+Sep 27 - Okt 3,53,Schlecht,6h 5min,0:14,6:31
+Sep 20-26,60,Ausreichend,7h 5min,0:12,7:23
+Sep 13-19,61,Ausreichend,6h 27min,0:44,7:18
+Sep 6-12,53,Schlecht,6h 8min,1:08,7:22
+Aug 30 - Sep 5,66,Ausreichend,6h 59min,0:11,7:19
+Aug 23-29,61,Ausreichend,6h 39min,0:35,7:19
+Aug 16-22,67,Ausreichend,6h 25min,0:41,7:17
+Aug 9-15,57,Schlecht,5h 43min,0:17,6:04
+Aug 2-8,61,Ausreichend,6h 30min,0:31,7:24
+Jul 26 - Aug 1,62,Ausreichend,6h 55min,0:31,7:48
+Jul 19-25,55,Schlecht,7h 0min,2:35,10:14
+Jul 12-18,72,Ausreichend,6h 48min,0:03,7:05
+Jul 5-11,58,Schlecht,7h 42min,0:32,8:57
+Jun 28 - Jul 4,66,Ausreichend,6h 26min,1:24,7:57
+Jun 21-27,65,Ausreichend,6h 25min,0:39,7:17
+Jun 14-20,59,Schlecht,5h 43min,0:24,6:14
+Jun 7-13,61,Ausreichend,6h 34min,23:47,6:26
+Mai 31 - Jun 6,61,Ausreichend,6h 47min,0:35,7:33
+Mai 24-30,52,Schlecht,6h 33min,1:00,7:38
+Mai 17-23,51,Schlecht,6h 11min,1:12,7:30
+Mai 10-16,48,Schlecht,5h 44min,0:48,6:39
+Mai 3-9,45,Schlecht,5h 55min,0:49,6:48
+Apr 26 - Mai 2,56,Schlecht,6h 11min,1:26,7:41
+Apr 19-25,51,Schlecht,6h 19min,2:55,9:31
+Apr 12-18,57,Schlecht,6h 24min,1:28,8:03
+Apr 5-11,62,Ausreichend,6h 4min,0:56,7:09
+Mrz 29 - Apr 4,73,Ausreichend,6h 59min,1:34,8:53
+Mrz 22-28,59,Schlecht,5h 59min,1:05,7:11
+Mrz 15-21,55,Schlecht,6h 25min,0:47,7:23
+Mrz 8-14,53,Schlecht,6h 22min,0:56,7:25
+Mrz 1-7,47,Schlecht,5h 56min,0:51,6:56
+Feb 23-29,64,Ausreichend,7h 11min,0:09,7:27
+Feb 16-22,46,Schlecht,6h 56min,0:24,7:52
+Feb 9-15,50,Schlecht,8h 26min,23:58,8:48
+Feb 2-8,43,Schlecht,6h 13min,1:06,7:26
+Jan 26 - Feb 1,55,Schlecht,7h 17min,1:12,8:32
+Jan 19-25,55,Schlecht,6h 33min,0:59,7:37
+Jan 12-18,49,Schlecht,6h 16min,1:39,8:04
+Jan 5-11,54,Schlecht,6h 35min,1:28,8:14
+Dez 29, 2023 - Jan 4, 2024,55,Schlecht,7h 15min,0:52,8:34
+Dez 22-28, 2023,56,Schlecht,7h 10min,1:02,8:33
+Dez 15-21, 2023,61,Ausreichend,7h 40min,0:18,8:18
+Dez 8-14, 2023,43,Schlecht,7h 45min,23:45,8:52
+Dez 1-7, 2023,47,Schlecht,6h 51min,0:31,7:25
+Nov 24-30, 2023,48,Schlecht,7h 5min,0:29,8:01
+Nov 17-23, 2023,53,Schlecht,7h 1min,0:26,7:34
+Nov 10-16, 2023,47,Schlecht,7h 5min,0:19,7:28
+Nov 3-9, 2023,49,Schlecht,6h 10min,23:58,7:12
+Okt 27 - Nov 2, 2023,61,Ausreichend,6h 33min,0:08,6:50
+Okt 20-26, 2023,47,Schlecht,6h 11min,0:41,7:14