python用random设计一个n有0.9的概率是1，有0.1的概率是0。同时取1到1000的所有整数N，每个N中有N个n，计算n＝1在N中的数量比例p，得出p在0.08和0.12中的所有可能和对应n的值，将N值排入到正态分布图中，并取最小值

在Python中，可以使用`random`模块中的`random()`函数来生成一个0到1之间的随机浮点数，然后根据这个数来确定变量`n`的值。具体来说，如果生成的随机数小于或等于0.1，则`n`赋值为0；否则赋值为1。下面是根据这个逻辑设计的代码示例：

import random
import numpy as np
import matplotlib.pyplot as plt

# 设置随机数种子，确保每次运行结果一致（可选）
# random.seed(0)

# 生成N的值，例如从1到1000
Ns = range(1, 1001)

# 存储n=1出现的次数
n_counts = []

# 对每个N值进行操作
for N in Ns:
    n_sum = 0
    for _ in range(N):
        # 生成随机数并判断n的值
        n = 1 if random.random() <= 0.9 else 0
        n_sum += n
    # 计算n=1的比例
    p = n_sum / N
    n_counts.append((N, n_sum, p))

# 筛选出p在0.08到0.12之间的所有可能N值和对应的n值
filtered_counts = [nc for nc in n_counts if 0.08 <= nc[2] <= 0.12]

# 提取符合条件的N值
filtered_Ns = [nc[0] for nc in filtered_counts]

# 将符合条件的N值排入正态分布图中
plt.hist(filtered_Ns, bins=30, density=True, alpha=0.6, color='g')
plt.title('N Distribution (filtered)')
plt.xlabel('N value')
plt.ylabel('Frequency')
plt.show()

# 找出并返回最小的N值
min_N = min(filtered_Ns)
print("最小的符合条件的N值为:", min_N)

在这段代码中，首先导入了必要的模块，然后使用`random.random()`生成所需的随机数，并计算出每个`N`中`n=1`的数量和比例。之后，代码筛选出比例在0.08到0.12之间的`N`值，并使用`matplotlib`库将这些值绘制到正态分布图中。最后，找出并打印出符合条件的最小`N`值。

请注意，这里使用了正态分布图来展示数据，实际上数据是整数，因此更合适的可能是使用直方图或条形图来表示。另外，这里提到的正态分布可能是一个误解，因为正态分布通常用于描述连续变量的分布情况，而这里讨论的是整数范围内的分布情况。