Zero Shot

.gitignore

@@ -0,0 +1,6 @@
+# Python
+**/Lib
+**/Scripts
+**/etc
+**/pyvenv.cfg
+**/share

Task.md

@@ -0,0 +1,16 @@
+# Mini Hackathon: Data Visualizer & Analyzer
+Aufgabe: "List Data Visualizer & Analyzer” -> 70 Minuten
+Nutze LLMs und erstelle eine kleine Webanwendung (zum Beispiel mit Streamlit oder einem anderen
+Framework deiner Wahl), die eine Liste von numerischen Daten vom Benutzer akzeptiert und folgende
+Funktionen bereitstellt:
+1. Statistische Analyse: Zeige grundlegende Statistiken der eingegebenen Daten (Durchschnitt, Median,
+Standardabweichung, etc.).
+1. Visualisierung: Erstelle mindestens zwei verschiedene Diagramme, die die Daten visualisieren (z.B.
+Histogramm, Boxplot, etc.).
+1. Interaktive Filter: Ermögliche es dem Benutzer, Filter auf die Daten anzuwenden (z.B. Werte über/unter
+einem bestimmten Schwellenwert anzeigen).
+1. Dynamische Updates: Die Visualisierungen und Analysen sollten sich dynamisch aktualisieren, wenn
+der Benutzer die Liste ändert.
+Bonus (für die besonders Schnellen):
+• Implementiere eine Funktion, die automatisch Ausreißer in den Daten erkennt und markiert.
+• Erweitere die Anwendung um die Möglichkeit, Daten aus einer CSV-Datei hochzuladen und zu analysieren.

backend/app.py

@@ -0,0 +1,76 @@
+import streamlit as st
+import pandas as pd
+import numpy as np
+import plotly.express as px
+
+st.title("List Data Visualizer & Analyzer")
+
+# Seitenleiste für die Dateneingabe
+st.sidebar.header("Dateneingabe")
+
+datenquelle = st.sidebar.radio("Datenquelle auswählen:", ("Manuelle Eingabe", "CSV-Datei hochladen"))
+
+if datenquelle == "Manuelle Eingabe":
+    dateneingabe = st.sidebar.text_area("Gib Zahlen ein, getrennt durch Kommas:", value="1,2,3,4,5")
+    try:
+        datenliste = [float(x.strip()) for x in dateneingabe.split(",") if x.strip()]
+        df = pd.DataFrame(datenliste, columns=['Werte'])
+    except ValueError:
+        st.error("Bitte gib eine gültige Liste von Zahlen ein.")
+        st.stop()
+elif datenquelle == "CSV-Datei hochladen":
+    hochgeladene_datei = st.sidebar.file_uploader("Wähle eine CSV-Datei aus", type="csv")
+    if hochgeladene_datei is not None:
+        df = pd.read_csv(hochgeladene_datei)
+        # Annahme: Die Daten stehen in der ersten Spalte
+        df = df.iloc[:, [0]]
+        df.columns = ['Werte']
+    else:
+        st.warning("Bitte lade eine CSV-Datei hoch.")
+        st.stop()
+
+# Interaktive Filter
+st.sidebar.header("Datenfilter")
+min_wert = float(df['Werte'].min())
+max_wert = float(df['Werte'].max())
+filterbereich = st.sidebar.slider('Wertebereich auswählen:', min_wert, max_wert, (min_wert, max_wert))
+gefilterter_df = df[(df['Werte'] >= filterbereich[0]) & (df['Werte'] <= filterbereich[1])]
+
+# Statistische Analyse
+st.header("Statistische Analyse")
+st.write(f"**Anzahl:** {gefilterter_df['Werte'].count()}")
+st.write(f"**Mittelwert:** {gefilterter_df['Werte'].mean()}")
+st.write(f"**Median:** {gefilterter_df['Werte'].median()}")
+st.write(f"**Standardabweichung:** {gefilterter_df['Werte'].std()}")
+
+# Ausreißererkennung (mithilfe der 1.5*IQR-Regel)
+Q1 = gefilterter_df['Werte'].quantile(0.25)
+Q3 = gefilterter_df['Werte'].quantile(0.75)
+IQR = Q3 - Q1
+untere_grenze = Q1 - 1.5 * IQR
+obere_grenze = Q3 + 1.5 * IQR
+ausreisser = gefilterter_df[(gefilterter_df['Werte'] < untere_grenze) | (gefilterter_df['Werte'] > obere_grenze)]
+
+# Visualisierungen
+st.header("Datenvisualisierungen")
+
+# Histogramm
+st.subheader("Histogramm")
+fig1 = px.histogram(gefilterter_df, x='Werte', nbins=20, title='Histogramm')
+st.plotly_chart(fig1)
+
+# Boxplot
+st.subheader("Boxplot")
+fig2 = px.box(gefilterter_df, y='Werte', points="all", title='Boxplot mit Ausreißern')
+st.plotly_chart(fig2)
+
+# Ausreißer anzeigen
+if not ausreisser.empty:
+    st.subheader("Erkannte Ausreißer")
+    st.write(ausreisser)
+else:
+    st.subheader("Keine Ausreißer erkannt")
+
+# Gefilterte Daten anzeigen
+st.header("Gefilterte Daten")
+st.write(gefilterter_df)

backend/data/model_function_data.csv

@@ -0,0 +1,101 @@
+x,y
+0.0,2.5777634568920975
+0.10101010101010101,2.7797836589122995
+0.20202020202020202,2.9818038609325015
+0.30303030303030304,3.1838240629527035
+0.40404040404040403,3.3858442649729055
+0.5050505050505051,3.587864466993108
+0.6060606060606061,3.7898846690133094
+0.7070707070707071,3.991904871033512
+0.8080808080808081,4.193925073053713
+0.9090909090909091,4.395945275073916
+1.0101010101010102,4.597965477094118
+1.1111111111111112,4.79998567911432
+1.2121212121212122,5.002005881134521
+1.3131313131313131,5.204026083154724
+1.4141414141414141,5.406046285174926
+1.5151515151515151,5.608066487195128
+1.6161616161616161,5.810086689215329
+1.7171717171717171,6.012106891235532
+1.8181818181818181,6.214127093255734
+1.9191919191919191,6.416147295275936
+2.0202020202020203,6.618167497296138
+2.121212121212121,6.82018769931634
+2.2222222222222223,7.022207901336542
+2.323232323232323,7.224228103356744
+2.4242424242424243,7.426248305376946
+2.525252525252525,7.628268507397148
+2.6262626262626263,7.83028870941735
+2.727272727272727,8.03230891143755
+2.8282828282828283,8.234329113457754
+2.929292929292929,8.436349315477955
+3.0303030303030303,8.638369517498157
+3.131313131313131,8.84038971951836
+3.2323232323232323,9.04240992153856
+3.3333333333333335,9.244430123558764
+3.4343434343434343,9.446450325578965
+3.5353535353535355,9.648470527599168
+3.6363636363636362,9.85049072961937
+3.7373737373737375,10.05251093163957
+3.8383838383838382,10.254531133659773
+3.9393939393939394,10.456551335679976
+4.040404040404041,10.658571537700178
+4.141414141414141,10.860591739720379
+4.242424242424242,11.062611941740581
+4.343434343434343,11.264632143760783
+4.444444444444445,11.466652345780986
+4.545454545454545,11.668672547801187
+4.646464646464646,11.870692749821389
+4.747474747474747,12.072712951841591
+4.848484848484849,12.274733153861794
+4.94949494949495,12.476753355881996
+5.05050505050505,12.678773557902197
+5.151515151515151,12.8807937599224
+5.252525252525253,13.082813961942602
+5.353535353535354,13.284834163962804
+5.454545454545454,13.486854365983005
+5.555555555555555,13.688874568003207
+5.656565656565657,13.89089477002341
+5.757575757575758,14.092914972043612
+5.858585858585858,14.294935174063813
+5.959595959595959,14.496955376084015
+6.0606060606060606,14.698975578104218
+6.161616161616162,14.90099578012442
+6.262626262626262,15.10301598214462
+6.363636363636363,15.305036184164823
+6.4646464646464645,15.507056386185026
+6.565656565656566,15.709076588205228
+6.666666666666667,15.911096790225432
+6.767676767676767,16.113116992245633
+6.8686868686868685,16.315137194265834
+6.96969696969697,16.517157396286034
+7.070707070707071,16.71917759830624
+7.171717171717171,16.92119780032644
+7.2727272727272725,17.123218002346643
+7.373737373737374,17.325238204366844
+7.474747474747475,17.527258406387045
+7.575757575757575,17.729278608407245
+7.6767676767676765,17.93129881042745
+7.777777777777778,18.133319012447654
+7.878787878787879,18.335339214467854
+7.979797979797979,18.537359416488055
+8.080808080808081,18.73937961850826
+8.181818181818182,18.94139982052846
+8.282828282828282,19.14342002254866
+8.383838383838384,19.345440224568865
+8.484848484848484,19.547460426589065
+8.585858585858587,19.74948062860927
+8.686868686868687,19.95150083062947
+8.787878787878787,20.15352103264967
+8.88888888888889,20.355541234669875
+8.98989898989899,20.557561436690076
+9.09090909090909,20.759581638710277
+9.191919191919192,20.96160184073048
+9.292929292929292,21.16362204275068
+9.393939393939394,21.365642244770886
+9.494949494949495,21.567662446791086
+9.595959595959595,21.769682648811287
+9.696969696969697,21.97170285083149
+9.797979797979798,22.17372305285169
+9.8989898989899,22.375743254871896
+10.0,22.577763456892097