百分位数是统计学中重要的概念，它可以用来描述一组数据中的位置和分布。在Python中，我们可以使用numpy库和scipy库来计算各种类型的百分位数。

一、计算简单百分位数

简单百分位数是指将一组数据按百分数大小排列后所对应的数据值，例如50%百分位数就是将一组数据从小到大排列后，位于中间位置的数值。在Python中，我们可以使用numpy库的percentile()函数来计算百分位数：

import numpy as np

data = [23, 35, 12, 17, 56, 32, 19, 28, 45, 67]
pct = 50 # 计算50%的百分位数
result = np.percentile(data, pct)
print('第{}%的百分位数为：{}'.format(pct, result))

上述代码中，我们传递了一个列表data和一个表示百分位数的参数pct给percentile()函数，函数返回了对应的简单百分位数。

二、计算加权百分位数

加权百分位数是指将一组有权重的数据按百分数大小排列后所对应的数据值，例如10%加权百分位数就是将一组数据按权重从高到低排列后，使得前10%的权重之和达到全部权重之和的数值。在Python中，我们可以使用scipy库的weightedpercentile()函数来计算加权百分位数：

from scipy.stats import weightedpercentile

data = [23, 35, 12, 17, 56, 32, 19, 28, 45, 67]
weights = [0.1, 0.1, 0.2, 0.1, 0.1, 0.2, 0.05, 0.05, 0.05, 0.05]
pct = 10 # 计算10%的加权百分位数
result = weightedpercentile(data, pct, weights=weights)
print('第{}%的加权百分位数为：{}'.format(pct, result))

上述代码中，我们传递了一个列表data、一个表示权重的列表weights和一个表示百分位数的参数pct给weightedpercentile()函数，函数返回了对应的加权百分位数。

三、计算分位数范围

分位数范围是指一组数据中上四分位数和下四分位数的差值，可以用来衡量数据分布的离散程度。在Python中，我们可以使用numpy库的iqr()函数来计算分位数范围：

import numpy as np

data = [23, 35, 12, 17, 56, 32, 19, 28, 45, 67]
result = np.subtract(*np.percentile(data, [75, 25]))
print('分位数范围为：{}'.format(result))

上述代码中，我们先使用percentile()函数来计算上四分位数和下四分位数，然后使用numpy库的subtract()函数来计算它们的差值，得到了分位数范围。

四、计算四分位数

四分位数是指将一组数据分为四等份的三个分割点，分别是下四分位数、中位数和上四分位数。在Python中，我们可以使用numpy库的percentile()函数来计算四分位数：

import numpy as np

data = [23, 35, 12, 17, 56, 32, 19, 28, 45, 67]
pcts = [25, 50, 75] # 计算下四分位数、中位数和上四分位数
results = np.percentile(data, pcts)
print('四分位数为：下四分位数={}, 中位数={}, 上四分位数={}'.format(*results))

上述代码中，我们传递了一个列表data和一个表示四分位数的列表pcts给percentile()函数，函数返回了对应的下四分位数、中位数和上四分位数。