探索棒球資料
由於均值和中位數相差甚遠，你決定向 MLB 投訴。他們找到了錯誤，並將更正後的資料傳送給了你。這些資料同樣以包含三欄的二維 NumPy 陣列 np_baseball 提供。
編輯器中的 Python 腳本已經寫好了用於印出包含不同彙總統計資訊的提示程式碼，並且 numpy 也已經使用 np 匯入。你能把剩下的程式碼補充完整嗎？np_baseball 已準確就緒。
本練習屬於課程
Python 入門
練習說明
- 印出平均身高的程式碼已包含在內。請把計算身高中位數的程式碼補充完整。
- 對
np_baseball的第 1 欄呼叫np.std()來計算stddev。 - 身材高大的球員體重往往也更重嗎？使用
np.corrcoef()計算np_baseball第 1 欄與第 2 欄之間的相關係數，並將結果儲存到corr中。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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))