在统计学中，分位数是将一组数据按照大小顺序进行排序后，将其分成若干等份的一个值。而Python作为一种常用的编程语言，也提供了多种计算分位数的方法。
使用numpy库
numpy库是Python中一个广泛使用的科学计算库，它提供了许多方便的数组操作函数。其中，numpy.percentile(a, q, axis=None) 函数可以计算出一个数组 a 在给定百分数 q 的分位数。
例如，对于一个包含 100 个随机整数的列表，我们可以通过以下代码计算出该列表的中位数和四分位数：
import numpy as np
lst = np.random.randint(0, 100, size=100)
median = np.percentile(lst, 50)
q1 = np.percentile(lst, 25)
q3 = np.percentile(lst, 75)
print("中位数：", median)
print("第一四分位数：", q1)
print("第三四分位数：", q3)
以上代码输出的结果如下：
中位数： 49.0
第一四分位数： 28.25
第三四分位数： 74.5
使用pandas库
pandas库是Python中另一个常用的数据处理库，它可以处理各种各样的数据类型，并且提供了许多数据分析和处理方法。其中，pandas.DataFrame.quantile(q=0.5, axis=0, numeric_only=True) 函数可以计算DataFrame或Series对象的分位数。
例如，对于一个包含 100 个随机整数的Series对象，我们可以通过以下代码计算出该Series对象的中位数和四分位数：
import pandas as pd
s = pd.Series(np.random.randint(0, 100, size=100))
median = s.quantile(0.5)
q1 = s.quantile(0.25)
q3 = s.quantile(0.75)
print("中位数：", median)
print("第一四分位数：", q1)
print("第三四分位数：", q3)
以上代码输出的结果与方法一相同。
应用场景
分位数通常被用来表示一组数据的特殊值，例如中位数可以用来表示数据的集中趋势，四分位数可以用来衡量数据的离散程度。分位数在数据分析和建模中具有广泛的应用。
例如，在金融领域中，分位数可以用来计算股票或基金的价值分布；在人口统计学中，分位数可以用来计算家庭收入或财富的分布情况。
Python提供了多种方便的方法来计算分位数，并且分位数在各个领域的应用范围也非常广泛。