Python是一種功能強大的編程語言，它可以用于幾乎所有領域，包括數據科學。在數據科學中，統計分析是非常重要的一部分。而正態檢驗則是統計學中的一個基本概念。

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
# 生成一個正態分布的數據集
data = np.random.normal(size=1000)
# 查看數據的基本統計信息
print('Mean:', np.mean(data))
print('Std:', np.std(data))
# 畫出數據的概率密度圖
plt.hist(data, bins=50, density=True, color='blue')
# 進行正態檢驗
# 如果返回值的第二個值小于0.05，則代表數據不服從正態分布
result = stats.normaltest(data)
print('p-value:', result[1])
# 顯示圖像
plt.show()

以上代碼使用了Python中的NumPy、SciPy和Matplotlib庫，先生成一個包含1000個數據的正態分布的數據集，然后使用Matplotlib庫畫出了數據的概率密度圖。接著利用SciPy庫中的stats.normaltest函數進行正態檢驗，返回一個包含兩個值的元組，其中p值小于0.05時，則拒絕正態性假設，即認為數據不服從正態分布。

正態檢驗在統計分析中非常有用，它可以幫助我們確定數據是否符合正態分布，以便于后續的數據分析和建模。而Python作為一種非常流行的編程語言，具有豐富的統計分析和數據可視化庫，可以極大程度地簡化數據科學的工作流程。