یک برنامه پایتون بنویسید که یک فایل CSV حاوی داده‌های عددی دوبعدی را بخواند و به‌صورت برداری با استفاده از NumPy میانگین، میانه، انحراف معیار هر ستون و ماتریس کوواریانس را محاسبه کرده و زمان اجرای این پیاده‌سازی را با یک پیاده‌سازی ساده مبتنی بر حلقه‌های پایتون مقایسه کند.

برای خواندن داده‌ها از numpy.loadtxt یا numpy.genfromtxt استفاده کنید تا آرایهٔ دوبعدی به‌دست آید و با np.mean(axis=0)، np.median(axis=0)، np.std(axis=0) و np.cov(rowvar=False) آمار هر ستون و ماتریس کوواریانس محاسبه شوند. پیاده‌سازی‌های برداری به‌دلیل اجرا در کتابخانه‌های بهینه‌شدهٔ C و اجتناب از حلقه‌های پایتون، معمولاً سریع‌تر هستند. برای مقایسهٔ زمان اجرا از time.perf_counter یا timeit استفاده کنید و نتیجهٔ تفاوت کارایی را بطور واضح نشان دهید. برای داده‌های بسیار بزرگ می‌توانید از np.memmap یا پردازش دسته‌ای (chunking) استفاده کنید تا مصرف حافظه مدیریت شود و به نکته‌هایی مانند صحت داده‌ها و وجود NaNها نیز توجه کنید.