一列数据，用python中的ks检查数据是否符合对数正态分布，如果p>0.05, 输出对数正态分布的参数；否则输入不符合正态分布。

在Python中，您可以使用`scipy.stats`模块中的`kstest`函数来检验数据是否符合对数正态分布。`kstest`函数会进行Kolmogorov-Smirnov检验（KS检验），这是一个非参数检验，用来比较一个样本是否来自某个特定的分布。在您的情况下，我们关心的是比较样本数据与对数正态分布之间的吻合程度。

以下是一个简单的步骤说明：

1. 首先，您需要导入必要的模块并创建您的数据样本。
2. 然后，计算数据的自然对数，以便将其转换为正态分布的形式。
3. 接着，使用`scipy.stats.lognorm.fit`函数来估计对数正态分布的参数。
4. 使用`scipy.stats.kstest`函数进行检验，并将计算出的对数正态分布参数传入。
5. 检查`kstest`函数返回的p值。如果p值大于0.05，则认为数据符合对数正态分布；否则，不符合。

下面是一个简单的Python代码示例，演示了这个过程：

import numpy as np
from scipy.stats import kstest, lognorm

# 假设data是您的一列数据
data = np.random.lognormal(size=100)

# 计算自然对数
log_data = np.log(data)

# 估计对数正态分布参数
s, loc, scale = lognorm.fit(log_data)

# 进行KS检验
ks_result = kstest((log_data - loc) / scale, 'lognorm', args=(s,))

# 输出结果
if ks_result.pvalue > 0.05:
    print(f"数据符合对数正态分布，参数为：s={s}, loc={loc}, scale={scale}")
else:
    print("数据不符合对数正态分布。")

请确保您已经安装了`scipy`库，否则需要使用`pip install scipy`命令来安装。