以下是一个使用Python的示例代码，用于根据中位数、百分位数和总百分比对数据进行分组：

import numpy as np

# 生成随机数据
data = np.random.randint(1, 100, 100)

# 按中位数分组
median = np.median(data)
group_by_median = np.where(data <= median, 'Low', 'High')

# 按百分位数分组
percentile25 = np.percentile(data, 25)
percentile75 = np.percentile(data, 75)
group_by_percentile = np.where(data <= percentile25, 'Low', np.where(data <= percentile75, 'Medium', 'High'))

# 按总百分比分组
percentile10 = np.percentile(data, 10)
percentile30 = np.percentile(data, 30)
percentile60 = np.percentile(data, 60)
percentile90 = np.percentile(data, 90)
group_by_total_percent = np.where(data <= percentile10, 'Very Low', np.where(data <= percentile30, 'Low', np.where(data <= percentile60, 'Medium', np.where(data <= percentile90, 'High', 'Very High'))))

# 打印分组结果
print("按中位数分组结果:")
print(group_by_median)

print("\n按百分位数分组结果:")
print(group_by_percentile)

print("\n按总百分比分组结果:")
print(group_by_total_percent)

这个示例代码使用了NumPy库来计算中位数和百分位数，并使用np.where函数根据条件对数据进行分组。根据中位数的分组结果将小于等于中位数的值标记为'Low'，大于中位数的值标记为'High'。根据百分位数的分组结果将小于等于25%的值标记为'Low'，大于25%但小于等于75%的值标记为'Medium'，大于75%的值标记为'High'。根据总百分比的分组结果将小于等于10%的值标记为'Very Low'，大于10%但小于等于30%的值标记为'Low'，大于30%但小于等于60%的值标记为'Medium'，大于60%但小于等于90%的值标记为'High'，大于90%的值标记为'Very High'。

注意：这只是一个示例代码，具体的分组条件和标记可以根据实际需求进行调整。