在Python中进行Kolmogorov-Smirnov（KS）检验，你可以使用`scipy.stats`模块中的`kstest`函数。下面是一个简单的例子，展示了如何使用`kstest`函数进行KS检验：
from scipy import statsimport numpy as np生成两个样本数据data1 = np.random.normal（0, 1, 1000）data2 = np.random.normal（1, 1, 1000）进行KS检验D, p_value = stats.kstest（data1, data2）print（"KS统计量：", D）print（"p值：", p_value）
如果你想要进行单样本KS检验，即检验一个样本是否符合某个已知的分布，可以使用以下代码：
from scipy import statsimport numpy as np生成一个样本数据data = np.random.normal（0, 1, 1000）进行单样本KS检验D, p_value = stats.kstest（data, 'norm'）print（"KS统计量：", D）print（"p值：", p_value）
在上述代码中，`kstest`函数接受两个参数：`rvs`（随机变量样本）和`cdf`（累积分布函数）。`rvs`可以是数组、生成数组的函数或者`scipy.stats`里面理论分布的名字。`cdf`可以与`rvs`一致，或者当`rvs`是数组而`cdf`是理论分布的名字时，`cdf`用于计算理论分布的累积分布函数。
另外，`kstest`函数还可以接受一个名为`args`的元组参数，当`rvs`或者`cdf`是理论分布时，这个参数用来存储理论分布的参数，例如正态分布的`mean`和`std`。
需要注意的是，KS检验是一种非参数检验方法，它不要求数据符合特定的分布形式，因此它对于检验数据是否符合某种分布非常有用。