diff --git a/labs06/task02.py b/labs06/task02.py
index 9d96016..4846bca 100644
--- a/labs06/task02.py
+++ b/labs06/task02.py
@@ -1,14 +1,34 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 
+"""
+** zad. 2 (domowe) **
+Jest to zadanie złożone, składające się z kilku części. Całość będzie opierać się o dane zawarte w pliku *mieszkania.csv* i dotyczą cen mieszkań w Poznaniu kilka lat temu.
+ 1. Napisz funkcje ``find_borough(desc)``, która przyjmuje 1 argument typu *string* i zwróci jedną z dzielnic zdefiniowaną w liście ``dzielnice``. Funkcja ma zwrócić pierwszą (wzgledem kolejności) nazwę dzielnicy, która jest zawarta w ``desc``. Jeżeli żadna nazwa nie została odnaleziona, zwróć *Inne*.
+ 1. Dodaj kolumnę ``Borough``, która będzie zawierać informacje o dzielnicach i powstanie z kolumny ``Localization``. Wykorzystaj do tego funkcję ``find_borough``.
+ 1. Uzupełnił funkcje ``write_plot``, która zapisze do pliku ``filename`` wykres słupkowy przedstawiający liczbę ogłoszeń mieszkań z podziałem na dzielnice.
+ 1. Napisz funkcje ``mean_price``, która zwróci średnią cenę mieszkania ``room_numer``-pokojowego.
+ 1. Uzupełnij funkcje ``find_13``, która zwróci listę dzielnic, które zawierają ofertę mieszkanie na 13 piętrze.
+ 1. Napisz funkcje ``find_best_flats``, która zwróci wszystkie ogłoszenia mieszkań, które znajdują się na Winogradach, mają 3 pokoje i są położone na 1 piętrze.
+ 1. *(dodatkowe)*: Korzystając z pakietu *sklearn* zbuduj model regresji liniowej, która będzie wyznaczać cenę mieszkania na podstawie wielkości mieszkania i liczby pokoi.
+"""
+import csv
+import pandas as pd
+import statistics
+
 def wczytaj_dane():
-    pass
+    raw_data = pd.read_csv('mieszkania.csv',sep=',')
+    data = pd.DataFrame(raw_data)
+    return data
 
 def most_common_room_number(dane):
-    pass
+    rooms=dane['Rooms']
+    return(int(statistics.mode(rooms)))
 
 def cheapest_flats(dane, n):
-    pass
+    cheapest=pd.DataFrame(dane['Expected'])
+    cheapest.sort=cheapest.sort_values(by=['Expected'])
+    return cheapest.sort[:n]
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -37,6 +57,7 @@ def find_13(dane):
 def find_best_flats(dane):
     pass
 
+
 def main():
     dane = wczytaj_dane()
     print(dane[:5])
@@ -44,11 +65,14 @@ def main():
     print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}"
           .format(most_common_room_number(dane)))
 
-    print("{} to najłądniejsza dzielnica w Poznaniu."
-          .format(find_borough("Grunwald i Jeżyce"))))
+    #print("{} to najłądniejsza dzielnica w Poznaniu."
+    #      .format(find_borough("Grunwald i Jeżyce"))))
+
+    #print("Średnia cena mieszkania 3-pokojowego, to: {}"
+    #      .format(mean_price(dane, 3)))
+
+
 
-    print("Średnia cena mieszkania 3-pokojowego, to: {}"
-          .format(mean_price(dane, 3)))
 
 if __name__ == "__main__":
     main()