diff --git a/kmedoids.ipynb b/kmedoids.ipynb
index a05a43c..0609c18 100644
--- a/kmedoids.ipynb
+++ b/kmedoids.ipynb
@@ -79,7 +79,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 7,
+   "execution_count": 1,
    "id": "73cffc81",
    "metadata": {},
    "outputs": [
@@ -87,6 +87,46 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
+      "     Długość kielicha  Szerokość kielicha  Długość płatka  Szerokość płatka  \\\n",
+      "0            0.222222            0.625000        0.067797          0.041667   \n",
+      "1            0.166667            0.416667        0.067797          0.041667   \n",
+      "2            0.111111            0.500000        0.050847          0.041667   \n",
+      "3            0.083333            0.458333        0.084746          0.041667   \n",
+      "4            0.194444            0.666667        0.067797          0.041667   \n",
+      "..                ...                 ...             ...               ...   \n",
+      "145          0.666667            0.416667        0.711864          0.916667   \n",
+      "146          0.555556            0.208333        0.677966          0.750000   \n",
+      "147          0.611111            0.416667        0.711864          0.791667   \n",
+      "148          0.527778            0.583333        0.745763          0.916667   \n",
+      "149          0.444444            0.416667        0.694915          0.708333   \n",
+      "\n",
+      "                                     Wartość medoidu 0  \\\n",
+      "0    [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "1    [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "2    [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "3    [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "4    [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "..                                                 ...   \n",
+      "145  [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "146  [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "147  [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "148  [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "149  [0.19444444444444442, 0.5833333333333333, 0.08...   \n",
+      "\n",
+      "                                     Wartość medoidu 1  Medoid  \n",
+      "0    [0.5277777777777779, 0.33333333333333326, 0.64...       0  \n",
+      "1    [0.5277777777777779, 0.33333333333333326, 0.64...       0  \n",
+      "2    [0.5277777777777779, 0.33333333333333326, 0.64...       0  \n",
+      "3    [0.5277777777777779, 0.33333333333333326, 0.64...       0  \n",
+      "4    [0.5277777777777779, 0.33333333333333326, 0.64...       0  \n",
+      "..                                                 ...     ...  \n",
+      "145  [0.5277777777777779, 0.33333333333333326, 0.64...       1  \n",
+      "146  [0.5277777777777779, 0.33333333333333326, 0.64...       1  \n",
+      "147  [0.5277777777777779, 0.33333333333333326, 0.64...       1  \n",
+      "148  [0.5277777777777779, 0.33333333333333326, 0.64...       1  \n",
+      "149  [0.5277777777777779, 0.33333333333333326, 0.64...       1  \n",
+      "\n",
+      "[150 rows x 7 columns]\n",
       "Sylwetka (ang. Silhouette) dla algorytmu k-medoid dla k = 2 ---------- 0.6114567207221335\n"
      ]
     }
@@ -193,7 +233,17 @@
     "        final_clusters = self.get_clusters(data, medoids)\n",
     "        cluster_labels = self.get_clusters_label(data, final_clusters)\n",
     "        silhouette_avg = silhouette_score(data, cluster_labels)\n",
-    "\n",
+    "        \n",
+    "        data = {'Długość kielicha': [data[i][0] for i in range(0, len(data))],\n",
+    "                'Szerokość kielicha': [data[i][1] for i in range(0, len(data))],\n",
+    "                'Długość płatka': [data[i][2] for i in range(0, len(data))],\n",
+    "                'Szerokość płatka': [data[i][3] for i in range(0, len(data))],\n",
+    "                'Wartość medoidu 0': [medoids[0] for i in range(150)],\n",
+    "                'Wartość medoidu 1': [medoids[1] for i in range(150)],\n",
+    "                'Medoid': cluster_labels}\n",
+    "        df = pd.DataFrame(data)\n",
+    "        print(df)\n",
+    "        df.to_csv('data.csv')\n",
     "        print('Sylwetka (ang. Silhouette) dla algorytmu k-medoid dla k =', self.k_value, 10*'-', silhouette_avg)\n",
     "\n",
     "    def calculateDistance(self, x, y):\n",