要对标准正态分布进行尺度调整，可以使用numpy库中的random模块的normal函数。以下是包含代码示例的解决方法：

import numpy as np

# 设置随机种子，以便结果可复现
np.random.seed(0)

# 生成一个具有标准正态分布的随机数
data = np.random.normal(size=1000)

# 尺度调整
scaled_data = 2 * data + 10

# 打印尺度调整后的数据的平均值和标准差
print("Scaled data mean:", np.mean(scaled_data))
print("Scaled data standard deviation:", np.std(scaled_data))

这段代码首先使用np.random.normal函数生成一个具有标准正态分布的随机数，然后使用尺度调整公式将数据进行调整。在这个示例中，尺度调整的公式是scaled_data = 2 * data + 10。最后打印尺度调整后的数据的平均值和标准差。

请注意，这里使用了np.random.seed(0)来设置随机种子，以便结果可复现。如果不设置随机种子，每次运行代码生成的随机数会有所不同。