实时监控数据

例:现在我有2000个数据，它的各个阶段平均值应该为23.0左右才正常。但是如果他有100张效率集中在一块平均值为18.0这也是正常的。
但是如果效率在某个时间之后突然全部到23.5左右则异常。写一段pthon代码进行实时监控。异常后则提示我去处理

可以编写如下的代码来实现实时监控：

```python
import numpy as np

# 初始化参数
check_threshold = 23.0       # 平均值阈值
sudden_increase_threshold = 23.5   # 突然增加阈值
n_data = 2000                   # 数据量
n_efficient = 100               # 所有效率集中在一起的数据量
n_unusual = int(n_data * 0.05)  # 异常数据量占比

# 模拟数据
data = np.concatenate([np.random.normal(23, 1, n_data-n_efficient-n_unusual),
                        np.random.normal(18, 1, n_efficient),
                        np.random.normal(23.5, 2, n_unusual)])

# 实时监控
while True:
    recent_data = data[-10:]  # 取最近10个数据
    mean = np.mean(recent_data)
    print(f"Recent mean: {mean:.2f}")
    
    if mean < check_threshold:
        print("Alert! The recent average falls below the threshold.")
    elif mean > sudden_increase_threshold:
        print("Alert! There is a sudden increase in efficiency.")
        
    data = np.append(data, np.random.normal(23, 1))  # 随机添加一个新数据
```

这段代码会持续监控数据，并输出最近10个数据的平均值。如果平均值低于设定的阈值，则会提示用户出现异常；如果平均值高于设定的突然增加阈值，则也会提示用户出现异常。每次循环还会随机添加一个新数据，以模拟实时监控的情况。