一列数据，用python进行对数正态检查，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，可以使用统计检验方法来检查数据是否符合对数正态分布。一种常见的方法是使用Shapiro-Wilk检验来测试数据的正态性，然后对数据进行对数转换，再次使用Shapiro-Wilk检验检验对数转换后的数据。如果p值大于0.05，则数据更可能符合正态分布。

以下是一个简单的示例代码，使用`scipy.stats`库中的`shapiro`函数来检查数据是否符合对数正态分布：

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

# 假设data是你要检验的一列数据
data = np.array([...])

# 对数据进行对数转换
log_data = np.log(data)

# 使用Shapiro-Wilk检验对原始数据进行正态性检验
shapiro_test = shapiro(data)
original_p_value = shapiro_test.pvalue

# 使用Shapiro-Wilk检验对对数转换后的数据进行正态性检验
shapiro_test_log = shapiro(log_data)
log_p_value = shapiro_test_log.pvalue

# 输出原始数据的Shapiro-Wilk检验结果
print(f"原始数据的Shapiro-Wilk检验的p值为: {original_p_value}")

# 输出对数转换后数据的Shapiro-Wilk检验结果
print(f"对数转换后数据的Shapiro-Wilk检验的p值为: {log_p_value}")

if log_p_value > 0.05:
    # 检查是否所有数据都是正数，因为对数函数仅对正数定义
    if np.all(data > 0):
        # 计算对数正态分布的参数
        s, loc, scale = lognorm.fit(log_data, floc=0)  # loc 默认为0，表示数据无偏移
        print(f"数据对数转换后符合正态分布，对数正态分布参数为：s={s}, loc={loc}, scale={scale}")
    else:
        print("数据包含非正数，无法进行对数正态分布拟合。")
else:
    print("数据对数转换后不符合正态分布。")

请替换上述代码中的`[...]`为你的实际数据列表。该脚本首先对数据进行对数转换，然后分别对原始数据和转换后的数据执行Shapiro-Wilk检验，并根据p值判断数据是否符合对数正态分布，如果符合，则输出相应的对数正态分布参数。