正态性检验python作图

要进行正态性检验并作图，你可以使用Python中的SciPy库和Matplotlib库。以下是一个简单的示例代码：

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

# 生成一组随机数据
data = np.random.normal(loc=0, scale=1, size=1000)

# 进行Shapiro-Wilk正态性检验
statistic, p_value = shapiro(data)
print(f"Statistic: {statistic}, p-value: {p_value}")

# 绘制直方图和QQ图
plt.subplot(1, 2, 1)
plt.hist(data, bins=30, density=True)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')

plt.subplot(1, 2, 2)
import scipy.stats as stats
stats.probplot(data, dist="norm", plot=plt)
plt.title('Q-Q Plot')

plt.tight_layout()
plt.show()

这段代码首先使用`numpy.random.normal`生成了一组随机数据，然后使用`scipy.stats.shapiro`进行Shapiro-Wilk正态性检验，并输出统计量和p-value。最后，使用`matplotlib.pyplot`绘制了直方图和QQ图。

请注意，这只是一个简单的示例，实际应用中可能需要根据你的数据进行适当的调整和处理。