Python判断某批数据是否符合正态分布

可以使用Shapiro-Wilk正态性检验来判断一组数据是否符合正态分布。在Python中，可以使用`scipy.stats`模块的`shapiro()`函数进行检验。

下面是一个示例代码：

from scipy.stats import shapiro

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]  # 待检验的数据

stat, p = shapiro(data)  # 进行Shapiro-Wilk检验

alpha = 0.05  # 设置显著性水平

if p > alpha:
    print("数据符合正态分布")
else:
    print("数据不符合正态分布")

在上面的代码中，`shapiro()`函数返回两个值：`stat`和`p`。其中，`stat`为检验统计量的值，`p`为检验的p值。如果p值大于设定的显著性水平（例如0.05），则可以认为数据符合正态分布。反之，则不符合正态分布。