计算并输出数据集的以下统计信息：（5分）平均考试成绩最高考试成绩最低考试成绩不同课程的平均成绩使用NumPy和Pandas计算每个课程的考试成绩分布，包括平均分、中位数、标准差等，并将结果存储在一个新的DataFrame中。将该DataFrame按平均分降序排列。（10分）

首先，我们需要导入必要的库，如`pandas`用于数据处理，`numpy`用于数值计算。假设我们有一个包含学生考试成绩的数据集，名为df，其中每一行代表一个学生的成绩，列包括`course_id`（课程ID）和`scores`（考试成绩列表）。

import pandas as pd
import numpy as np

# 假设df结构如下：
#   course_id  scores
# 0       1      [85, 90, 87]
# 1       1      [92, 88, 90]
# 2       2      [78, 80, 82]
# 3       2      [85, 86, 84]

# 1. 计算平均考试成绩
mean_scores = df['scores'].apply(np.mean)

# 2. 找出最高和最低考试成绩
max_score = df['scores'].apply(max)
min_score = df['scores'].apply(min)

# 3. 按课程计算平均成绩
avg_course_scores = df.groupby('course_id')['scores'].apply(np.mean)

# 将以上结果整合到一个新的DataFrame中
stats_df = pd.DataFrame({'Course ID': avg_course_scores.index,
                         'Average Score': avg_course_scores.values,
                         'Max Score': max_score,
                         'Min Score': min_score})

# 4. 计算每个课程的成绩分布统计（例如平均分、中位数、标准差）
for col in ['scores']:
    stats_df[f'{col}_Mean'] = df.groupby('course_id')[col].apply(np.mean)
    stats_df[f'{col}_Median'] = df.groupby('course_id')[col].apply(np.median)
    stats_df[f'{col}_StdDev'] = df.groupby('course_id')[col].apply(np.std)

# 5. 按平均分降序排列
stats_df.sort_values(by='Average Score', ascending=False, inplace=True)

完成上述步骤后，`stats_df`就是所需的新DataFrame，包含了所有指定的统计信息，并按照平均分从高到低排序。