比例的单样本检验是用于比较一个样本的比例与一个已知的比例是否存在显著差异的统计方法。下面是使用Python进行比例的单样本检验的代码示例：

1. 导入所需的库：

import numpy as np
from statsmodels.stats.proportion import proportions_ztest

2. 定义样本数据和已知的比例：

sample_success = 45  # 样本中成功的观察数量
sample_size = 100  # 样本总数
known_proportion = 0.5  # 已知的比例

3. 进行比例的单样本检验：

stat, p_value = proportions_ztest(sample_success, sample_size, known_proportion)

4. 打印检验结果：

print('Z统计量：', stat)
print('P值：', p_value)

完整的代码示例如下：

import numpy as np
from statsmodels.stats.proportion import proportions_ztest

# 定义样本数据和已知的比例
sample_success = 45
sample_size = 100
known_proportion = 0.5

# 进行比例的单样本检验
stat, p_value = proportions_ztest(sample_success, sample_size, known_proportion)

# 打印检验结果
print('Z统计量：', stat)
print('P值：', p_value)

在上述代码示例中，我们使用了statsmodels库中的proportions_ztest函数进行比例的单样本检验。该函数的参数包括样本中成功的观察数量、样本总数和已知的比例。函数返回的结果包括Z统计量和P值，可以用于判断样本比例与已知比例是否存在显著差异。