百分位数和分位数都是用于描述数据分布的值。它们的计算方式略有不同，但是都可以使用numpy库中的percentile函数来进行计算。

分位数指将一组数据按大小顺序排列后，将这些数据划分成n等分的点，即把数据分成了n-1份，分别是q1,q2,q3...qn-1。其中q2就是中位数，q1是这组数据中较小的一半的中位数，q3是大的那一半的中位数。我们可以使用numpy中的percentile函数来计算分位数。

代码示例：

import numpy as np

# 生成一组数据
data = np.random.randint(1, 100, size=10)
print(data)

# 计算中位数
median = np.percentile(data, 50)
print("median:", median)

# 计算四分位数
quartiles = np.percentile(data, [25, 50, 75])
print("quartiles:", quartiles)

百分位数是指一组数据中有多少比例的数据小于某个值。例如，75%的数据小于某个值，也可以用百分位数来表示。我们可以使用numpy库中的percentile函数来计算百分位数。

代码示例：

import numpy as np

# 生成一组数据
data = np.random.randint(1, 100, size=10)
print(data)

# 计算70%的分位数
percentile_70 = np.percentile(data, 70)
print("70th percentile:", percentile_70)

# 计算95%的分位数
percentile_95 = np.percentile(data, 95)
print("95th percentile:", percentile_95)