在Python中，如何计算非高斯分布的中位数和中位数周围的68%置信区间？

我有一个数据集，它是一个numpy数组，比如a=[a1，a2，…]，还有数据的权重w=[w1，w2，w3…]。我已经使用numpy直方图包计算了直方图，它给了我hist数组。现在我想计算这个概率分布函数的中位数，以及中位数周围68%的等高线。记住，我的数据集不是高斯分布的

有人能帮忙吗？我正在使用python。

这里有一个解决方案，它使用：

输出反映了示例数据集中的不均匀权重：

中值：13.0
68%可信区间：（7.0,18.0）

看看。为了确认，对于您的数据集，w1给出了a1值的可能性，等等。我注意到，即使答案“我觉得不错”，您也不必对问题的答案进行投票并接受。如果您认识到这些答案，您会发现人们更愿意提供帮助！毕竟，你得到了免费的帮助，通常来自专家！如果权重表示值的可能性，则您没有样本，但有总体描述（在本例中为离散随机变量），引导不是正确的做法。Re：置信区间，计算并不困难，但“仅仅是numpy.percentile”听起来并不正确。稍后将发布答案。手动计算68%的置信区间应如下所示：创建（ai，wi）对并按ai排序对。然后，从中间值开始，在每个方向上的总和（wi）增加34%。这将是维基百科计算置信区间的扩展。边缘情况/值需要仔细考虑（注意，例如Wikipedia有两个中位数情况），因此我很高兴scipy.stats有一个置信区间计算：非常感谢你。这是一种非常有用的、更干净的方法，可以做我真正需要的事情。

from __future__ import division, print_function
import numpy as np, scipy.stats as st

# example data set
a = np.arange(20)
w = a + 1

# create custom discrete random variable from data set
rv = st.rv_discrete(values=(a, w/w.sum()))

# scipy.stats.rv_discrete has methods for median, confidence interval, etc.
print("median:", rv.median())
print("68% CI:", rv.interval(0.68))