假设数据有1列，如何用python检查数据是否相同，如果全部相同，不进行分布检查；如果不是完全相同，进行正态分布检查，并返回P值；

在Python中，可以使用pandas库来处理数据，使用scipy库中的stat模块来进行正态分布检验。具体步骤如下：

1. 首先，使用pandas读取数据，假设数据存储在一个CSV文件中，可以使用`pandas.read_csv`方法读取数据。

2. 将数据加载到DataFrame中后，可以使用`DataFrame.nunique()`方法来检查数据列中不同值的数量。

3. 如果`nunique()`返回值为1，说明数据列中的所有值都是相同的，那么就不需要进行正态分布检查。

4. 如果`nunique()`返回值大于1，说明数据列中的值不完全相同，那么可以使用scipy的`scipy.stats.shapiro()`方法进行正态分布检验，并返回P值。

下面是一个简单的代码示例：

import pandas as pd
from scipy import stats

# 假设CSV文件名为data.csv，数据在名为"value"的列中
data = pd.read_csv('data.csv')['value']

# 检查数据是否完全相同
if data.nunique() == 1:
    print("数据完全相同，无需进行分布检查。")
else:
    # 进行正态分布检验
    stat, p_value = stats.shapiro(data)
    print(f"正态分布检验的P值为: {p_value}")