根据提供的班级成绩单数据，如何以10分的间距绘制频率直方图并计算分数分布的偏度和峰度？这组数据是否表现出正态分布的特性？请给出相应的Python数据分析代码示例来处理这个问题。

要根据提供的班级成绩单数据绘制10分间距的频率直方图，并计算分数分布的偏度和峰度，我们可以使用Python的`numpy`, `matplotlib`以及`scipy.stats`库。首先确保已安装这些库，如果未安装，可以使用以下命令：

pip install numpy matplotlib scipy

然后，以下是分析步骤及代码示例：

1. 导入所需的库：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

2. 假设我们有一个包含成绩的数据列表：

scores = [75, 80, 90, 85, 78, 88, 92, 65, 72, 98, 83, 79, 87, 91, 80, 70, 95, 77, 86]

3. 绘制频率直方图：

# 将得分转换为等距类别 (10分一组)
buckets = list(range(0, 110, 10))
histogram, bins = np.histogram(scores, bins=buckets)

# 计算每个bin的频率
frequency = histogram / len(scores)

# 绘制直方图
plt.bar(bins[:-1], frequency, width=10)  # width设定为10因为是10分一组
plt.xlabel('分数')
plt.ylabel('频率')
plt.title('10分间距频率直方图')
plt.show()

4. 计算偏度和峰度：

skewness = stats.skew(scores)
kurtosis = stats.kurtosis(scores)

print(f"偏度: {skewness}")
print(f"峰度: {kurtosis}")

5. 判断正态分布特性：
- 偏度通常小于3被视为接近正态分布，大于3则可能不是正态分布。
- 峰度接近于3（正态分布的峰度）也表明可能接近正态分布，但在实际应用中，还需要考虑样本大小和数据分布的具体情况。