Diese Klausur zur Datenanalyse mit Python und pandas für die gymnasiale Oberstufe im Fach Informatik prüft alle wesentlichen Kompetenzen der vierteiligen Unterrichtsreihe und verbindet sie mit einer realitätsnahen Praxisaufgabe aus dem Umweltmonitoring. Die Klausur umfasst einen ausführlichen Text (ca. 850 Wörter) zur Analyse stündlicher Messdaten (NO₂, PM₁₀, O₃) aus fünf Berliner Messstationen sowie drei Aufgaben in den Anforderungsbereichen 1, 2 und 3.

Aufbau und Inhalte der Klausur:

• Aufgabenstellung: Die Schülerinnen und Schüler importieren mehrere CSV-Dateien mit pd.read_csv(), führen eine vertikale Zusammenführung der Datensätze mittels pd.concat() durch und analysieren die Datenstruktur mit df.head(), df.info() und df.describe().

• Datenbereinigung: Beschreibung und Anwendung der linearen Interpolation (interpolate(method='time')) und der Median-Imputation gruppiert nach Monat und Station.

• Zeitreihen-Aggregation: Resampling auf Monatsmittelwerte, Gruppierung mit groupby() nach Jahr und Monat, Feature Engineering (Wochentagsanalyse).

• Visualisierung: Einsatz von matplotlib für Linienplots und seaborn für Boxplots und Heatmaps.

• Interpretation: Reflexion zu Saisonalität, methodischen Verzerrungen und Datenethik.

Drei Aufgaben im AFB:

1. AFB 1 (20 Punkte): Benennen und Erklären zentraler pandas-Funktionen (Import und Exploration).

2. AFB 2 (50 Punkte): Analysieren und Erläutern der beiden Bereinigungsstrategien, quantitative Erfassung fehlender Werte, alternative Verfahren.

3. AFB 3 (30 Punkte): Diskutieren methodischer und ethischer Aspekte; Hypothese zur saisonalen NO₂-Variabilität entwickeln und empirische Überprüfungsstrategie skizzieren.

Vorteile dieser Klausur:

• Realitätsnahe Datenanalyse: Umweltmonitoring-Daten fördern die Lebensweltorientierung.

• Kompetenzorientiert: Alle Anforderungsbereiche 1–3 gemäß Kernlehrplan Informatik abgedeckt.

• Ausführlicher Analyse-Text: Bietet ausreichend Kontext und anspruchsvolle fachliche Tiefe.

• Genaue Punkteverteilung: Fair und transparent mit detailliertem Erwartungshorizont.

• Flexibel einsetzbar: Kann in 90 Minuten bearbeitet oder auf zwei Einzelstunden verteilt werden.

  
  

  Keywords im Fokus:

• Klausur Datenanalyse Python

• pandas Umweltmonitoring Informatik

• NO2 PM10 O3 Analyse

• AFB 1 2 3 Klausur

• Jupyter Notebook Prüfungsaufgabe

Mit dieser umfassenden Klausur prüfen Sie nicht nur reines Faktenwissen, sondern auch methodische Reflexion und ethische Urteilsfähigkeit im Bereich der Datenanalyse mit Python und pandas.