diff --git a/Homework/Labs06/task02.py b/Homework/Labs06/task02.py
new file mode 100644
index 0000000..fff1f19
--- /dev/null
+++ b/Homework/Labs06/task02.py
@@ -0,0 +1,88 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+import pandas as pd
+
+def wczytaj_dane():
+    dane = pd.read_csv('C:/Users/aga/Desktop/python2017/labs06/mieszkania.csv', sep = ",", index_col='Id') #indeksowanie po Id (od 1)
+    return pd.DataFrame(dane).head() #dla .head() - domyslnie 5 pierwszch
+    #print(dane)
+wczytaj_dane()
+
+def d(dane):          ##sprawdzam typ
+    if isinstance(dane, pd.DataFrame):
+        print("si")
+#d(dane)
+
+def most_common_room_number(dane):
+    pokoje = dane['Rooms'].value_counts().head()
+    print(pokoje)
+#most_common_room_number(dane)
+
+#n = 3
+def cheapest_flats(dane, n): #zwroc n najtanszych
+    najtansze = dane.sort_values(by = ['Expected'], ascending=True)
+    return dane.head(n)
+cheapest_flats(dane, n)
+
+def find_borough(desc):
+    dzielnice = ['Stare Miasto',
+                 'Wilda',
+                 'Jeżyce',
+                 'Rataje',
+                 'Piątkowo',
+                 'Winogrady',
+                 'Miłostowo',
+                 'Dębiec']
+    for i in dzielnice:
+        if i in desc:
+            return i
+        else:
+            return('Inne')
+
+def add_borough(dane): #do pliku, wykres z liczba ogloszen z podzialem na dzielnice
+    dane['Borough'] = dane['Location'].apply(find_borough)
+    return dane
+#add_borough(dane)
+
+#filename = 'filename.png'
+import matplotlib.pyplot as plt
+def write_plot(dane, filename): #do pliku ``filename`` wykres słupkowy przedstawiający liczbę ogłoszeń mieszkań z podziałem na dzielnice
+    kontent = dane['Borough'].value_counts()
+    kontent.plot(kind = 'bar')
+    wykres = kontent.get_figure()
+    wykres.savefig(filename)
+
+#write_plot(dane, filename)
+#room_number = 2
+def mean_price(dane, room_number): #srednia cena mieszkania n-pokojowego
+    room_number = dane['Rooms']
+    srednia = room_number[dane['Expected']].mean()
+    return srednia
+mean_price(dane, room_number)
+
+def find_13(dane):
+    pietro13 = dane[dane['Floor'] == 13]['Borough']
+    return pietro13
+find_13(dane)
+
+def find_best_flats(dane): #wszystkie: Winogrady+3pokoje+1pietro
+    najlepsze = dane[(dane['Floor'] == 1) & dane(['Borough' == "Winogrady"]) & (dane['Rooms']==3)]
+    return najlepsze
+
+#find_best_flats(dane)
+
+def main():
+    dane = wczytaj_dane()
+    print(dane[:5])
+
+    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("Średnia cena dane 3-pokojowego, to: {}"
+          .format(mean_price(dane, 3)))
+
+if __name__ == "__main__":
+    main()