1、有一组数据:[-35,10,20,30,40,50,60,100]，求它的x25%、x50%、x75%以及他们的上界、下界、中点和最近邻。利用Python代码

首先，让我们理解术语含义：
- x25% 表示数据集的第25百分位数（Q1），即最小值到最大值之间的一半距离的第一个值。
- x50% 或者 Q50%，代表数据的中位数，即将数据分成两部分，一半数值小于它，另一半大于它。
- x75% 或者 Q75%，表示数据集的第75百分位数，相当于最小值和最大值之间剩余部分的起点。
- 上界是数据集的最大值，下界是数据集的最小值。
- 中点通常指数据集中位数的位置，但在统计学意义上，这里特指中位数。
- 最近邻是指每个百分位数附近最接近的数据点。

以下是使用Python的pandas库计算这些统计信息的代码：

import pandas as pd

# 数据列表
data = [-35, 10, 20, 30, 40, 50, 60, 100]

# 将数据转换为pandas Series
df = pd.Series(data)

# 计算百分位数
q1 = df.quantile(0.25)
q25 = df.quantile(0.5)   # 中位数
q75 = df.quantile(0.75)

# 计算上下界
min_value = df.min()
max_value = df.max()

# 找出每个百分位数的最近邻，假设最近邻是最接近的整数
q1_nearest = df[df == df.quantile(0.25)].iloc[0]
q25_nearest = df[df == df.quantile(0.5)].iloc[0]
q75_nearest = df[df == df.quantile(0.75)].iloc[0]

print(f"x25% (Q1): {q1}, 最近邻: {q1_nearest}")
print(f"中位数 (Q50%): {q25}, 最近邻: {q25_nearest}")
print(f"x75% (Q3): {q75}, 最近邻: {q75_nearest}")
print(f"上界: {max_value}, 下界: {min_value}")

# 如果你想要找到中点（这里就是中位数），直接使用 q25
median_index = int(len(df) / 2)
print(f"中点位置: {median_index}")

运行上述代码后，你会得到所需的各种统计信息。