Eksploracja danych baseballowych

Ponieważ średnia i mediana tak bardzo się od siebie różnią, postanawiasz złożyć skargę do MLB. Organizacja odnajduje błąd i przesyła ci poprawione dane. Są one ponownie dostępne jako dwuwymiarowa tablica NumPy np_baseball z trzema kolumnami.

Skrypt Pythona w edytorze zawiera już kod wyświetlający informacyjne komunikaty z różnymi statystykami podsumowującymi, a biblioteka numpy jest załadowana jako np. Czy uda ci się ukończyć zadanie? Tablica np_baseball jest dostępna.

To ćwiczenie jest częścią kursu

Wprowadzenie do Pythona

Zobacz kurs

Instrukcje do ćwiczenia

Kod wyświetlający średnią wzrostu jest już gotowy. Uzupełnij kod obliczający medianę wzrostu.
Użyj np.std() na pierwszej kolumnie tablicy np_baseball, aby obliczyć stddev.
Czy wyżsi zawodnicy mają tendencję do większej masy ciała? Użyj np.corrcoef(), aby zapisać korelację między pierwszą a drugą kolumną tablicy np_baseball w zmiennej corr.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

avg = np.mean(np_baseball[:,0])
print("Average: " + str(avg))

# Print median height
med = ____
print("Median: " + str(med))

# Print out the standard deviation on height
stddev = ____
print("Standard Deviation: " + str(stddev))

# Print out correlation between first and second column
corr = ____
print("Correlation: " + str(corr))

Edytuj i uruchom kod