Исследование данных о бейсболе

Поскольку среднее значение и медиана сильно расходятся, вы решаете пожаловаться в MLB. Там обнаруживают ошибку и присылают вам исправленные данные. Они снова доступны в виде двумерного массива NumPy np_baseball с тремя столбцами.

Скрипт Python в редакторе уже содержит код для вывода информационных сообщений с различными сводными статистиками, а библиотека numpy уже импортирована как np. Доделайте оставшуюся работу! Массив np_baseball доступен.

Это упражнение является частью курса

Введение в Python

Посмотреть курс

Инструкции к упражнению

Код для вывода среднего значения роста уже включён. Завершите код для вычисления медианного роста.
Используйте np.std() на первом столбце массива np_baseball, чтобы вычислить stddev.
Действительно ли крупные игроки tend to весят больше? Используйте np.corrcoef(), чтобы сохранить в переменную corr коэффициент корреляции между первым и вторым столбцами массива np_baseball.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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))

Редактировать и запускать код