Дослідження даних із бейсболу

Оскільки середнє і медіана так сильно відрізняються, ви вирішуєте поскаржитися до MLB. Вони знаходять помилку та надсилають вам виправлені дані. Вони знову доступні як 2D-масив NumPy np_baseball із трьома стовпцями.

Скрипт Python в редакторі вже містить код, який виводить інформативні повідомлення з різними описовими статистиками, а numpy уже імпортовано як np. Чи зможете ви завершити завдання? np_baseball доступний.

Ця вправа є частиною курсу

Вступ до Python

Переглянути курс

Інструкції до вправи

Код для виведення середнього зросту вже додано. Доповніть код для медіанного зросту.
Використайте np.std() для першого стовпця np_baseball, щоб обчислити stddev.
Чи мають великі гравці тенденцію бути важчими? Використайте np.corrcoef(), щоб зберегти кореляцію між першим і другим стовпцями np_baseball у змінній corr.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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))

Редагувати та запускати код