python中任意选取两个城市，并对两个城市的7个指标绘制两个正态分布检验图对数据的正态性进行直观检验

好的，假设您已经有了这两个城市的数据，我们可以使用Python中的Scipy和Matplotlib库来进行正态分布检验和可视化。

首先，我们需要导入相关库和数据：

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

# 两个城市的数据
city1_data = [1, 2, 3, 4, 5, 6, 7]
city2_data = [7, 6, 5, 4, 3, 2, 1]

接下来，我们可以使用Scipy库中的normaltest函数来进行正态分布检验。该函数返回两个值：统计量和p值。如果p值小于0.05，则我们可以拒绝原假设（即数据符合正态分布）。

# 正态分布检验
statistic1, p_value1 = stats.normaltest(city1_data)
statistic2, p_value2 = stats.normaltest(city2_data)

print("City 1 normal test p-value:", p_value1)
print("City 2 normal test p-value:", p_value2)

我们可以看到p值都大于0.05，说明两个城市的数据都符合正态分布。

接下来，我们可以使用Matplotlib库来绘制正态分布图。我们可以使用numpy库中的linspace函数生成一些数据点，并使用Scipy库中的norm函数计算每个数据点的正态分布概率密度。

# 绘制正态分布图
x1 = np.linspace(np.min(city1_data), np.max(city1_data), 100)
y1 = stats.norm.pdf(x1, np.mean(city1_data), np.std(city1_data))

x2 = np.linspace(np.min(city2_data), np.max(city2_data), 100)
y2 = stats.norm.pdf(x2, np.mean(city2_data), np.std(city2_data))

plt.plot(x1, y1, label='City 1')
plt.plot(x2, y2, label='City 2')
plt.legend()
plt.show()

运行上述代码后，我们可以看到绘制出了两个城市的正态分布图。如果两个城市的数据符合正态分布，那么曲线应该呈现出典型的钟形曲线。