请完成文档里的代码要求

根据您提供的文档中的实验要求，以下是使用Python与Numpy库来完成这两个任务的基本步骤和示例代码：

### 使用 Numpy 统计成绩分析

假设有一个成绩表如下形式：
| 学生 | 数学 | 英语 | 物理 |
|------|------|------|------|
| S1 | 85 | 90 | 78 |
| S2 | 76 | 84 | 88 |

可以这样做：

1. **导入必要的库**：

    import numpy as np

2. **构造成绩数组**：

    scores = np.array([[85, 90, 78], [76, 84, 88]])
    # 假设第一行为学生S1的成绩，第二行为学生S2的成绩
    # 第一列表示数学分数，第二个表示英语分数，第三个表示物理分数。

3. **计算统计数据**：

    # 计算各科平均分
    subject_averages = np.mean(scores, axis=0)
    
    # 各科最高分
    subject_maxes = np.max(scores, axis=0)
    
    # 各科最低分
    subject_mins = np.min(scores, axis=0)
    
    # 每个学生的总分
    student_totals = np.sum(scores, axis=1)
    
    # 每个学生的平均分
    student_averages = np.mean(scores, axis=1)

### 使用 Numpy 分析花萼数据

对于分析鸢尾花的数据集，这里以CSV文件存储为例，具体操作如下：

1. **导入必要的库**：

    import numpy as np
    import pandas as pd

2. **获取数据**：

    data = pd.read_csv('path_to_your_data.csv')  # 替换路径为你实际数据所在位置
    sepal_length = data['sepal_length'].values  # 提取花萼长度这一列作为例子

3. **数据清洗**：
如果需要去除索引或其他非数值信息，确保所有数据都是浮点数格式。

4. **数据统计**：

    # 创建一个适当的numpy数组
    sepal_lengths = np.array(sepal_length, dtype=float)

    # 对数据进行排序
    sorted_sepal_lengths = np.sort(sepal_lengths)

    # 数据去重
    unique_sepal_lengths = np.unique(sorted_sepal_lengths)

    # 统计信息
    sum_of_values = np.sum(unique_sepal_lengths)  # 和
    cum_sum = np.cumsum(unique_sepal_lengths)     # 累积和
    mean_value = np.mean(unique_sepal_lengths)    # 平均值
    std_deviation = np.std(unique_sepal_lengths)  # 标准差
    variance = np.var(unique_sepal_lengths)       # 方差
    min_value = np.min(unique_sepal_lengths)      # 最小值
    max_value = np.max(unique_sepal_lengths)      # 最大值

请注意，以上代码仅为演示如何实现基本功能而简化展示，实际应用中可能需要根据具体情况调整或扩展相关功能。