探索棒球数据
由于均值和中位数相差甚远，您决定向 MLB 投诉。他们找到了错误并将更正后的数据发送给了你。这些数据同样以包含三列的二维 NumPy 数组 np_baseball 提供。
编辑器中的 Python 脚本已经编写好了用于打印包含不同汇总统计信息的提示代码，并且 numpy 也已经使用 np 导入。你能把剩下的代码补充完整吗？np_baseball 已准确就绪。
本练习是课程的一部分
Python 入门
练习说明
- 打印平均身高的代码已包含在内。请把计算身高中位数的代码补充完整。
- 对
np_baseball的第 1 列调用np.std()来计算stddev。 - 身材高大的球员体重往往也更重吗？使用
np.corrcoef()计算np_baseball第 1 列与第 2 列之间的相关系数，并将结果存储到corr中。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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))