选取一个数据集，利用Numpy进行探索性分析的程序，可参照课件，只需实现3-5个功能。鼓励编写为一个类。运行并提交简要的程序说明

当你需要使用NumPy对数据集进行探索性分析时，可以创建一个名为`ExploratoryDataAnalysis`的类，这个类包含一些基本的功能，如加载数据、查看基本信息、计算描述性统计等。下面是一个简单的例子：

import numpy as np

class ExploratoryDataAnalysis:
    def __init__(self, data_path):
        self.data = np.loadtxt(data_path)  # 加载数据，假设数据是文本文件

    def load_data(self, path):
        """加载数据"""
        self.data = np.loadtxt(path)

    def print_info(self):
        """打印数据的基本信息"""
        print(f"Shape of the data: {self.data.shape}")
        print("First few rows:\n", self.data[:5])
        print("Data type: ", self.data.dtype)

    def describe_stats(self):
        """计算并显示描述性统计"""
        print("Descriptive statistics:")
        print(np.describe(self.data))

    def plot_histogram(self, column_index=0):
        """绘制指定列的直方图"""
        import matplotlib.pyplot as plt
        if column_index < self.data.shape[1]:
            plt.hist(self.data[:, column_index], bins='auto')
            plt.title(f"Histogram for column {column_index+1}")
            plt.xlabel("Value")
            plt.ylabel("Frequency")
            plt.show()

# 使用示例
eda = ExploratoryDataAnalysis('your_data.csv')  # 替换为实际的数据路径
eda.load_data('your_data.csv')
eda.print_info()
eda.describe_stats()
eda.plot_histogram()  # 可视化某一列数据分布

在这个例子中，我们实现了以下几个功能：
1. `load_data`：加载数据到类属性中。
2. `print_info`：展示数据的形状、前几行和数据类型。
3. `describe_stats`：计算并打印数据的描述性统计（平均值、标准差、最小值、四分位数等）。
4. `plot_histogram`：绘制数据中指定列的直方图。