7、 （选做）将温湿度数据画在同一张图上，可以使用双y坐标，或者使用上下两个子图的方式绘制； 8、 （选做）调整传感数据产生.py脚本，将数据产生异常的概率调整为25%，将不同传感器的均值设定为不同值。

好的，你的问题是关于选做题的。对于第7题，我可以为你提供一些代码示例：

import matplotlib.pyplot as plt
import pandas as pd

# 读取温湿度数据
df = pd.read_csv('data.csv')

# 创建画布和子图
fig, ax1 = plt.subplots()

# 绘制温度曲线
ax1.plot(df['time'], df['temperature'], 'b-')
ax1.set_xlabel('Time')
ax1.set_ylabel('Temperature', color='b')
ax1.tick_params('y', colors='b')

# 创建双y坐标轴
ax2 = ax1.twinx()

# 绘制湿度曲线
ax2.plot(df['time'], df['humidity'], 'r-')
ax2.set_ylabel('Humidity', color='r')
ax2.tick_params('y', colors='r')

# 显示图像
plt.show()

这段代码将温度和湿度数据画在同一张图上，使用了双y坐标轴的方式。

对于第8题，你可以修改数据产生.py脚本中的代码，使其产生异常的概率为25%，不同传感器的均值也可以设定为不同值。以下是示例代码：

import random

# 温度传感器均值为20，标准差为1
temperature_mean = 20
temperature_std = 1

# 湿度传感器均值为50，标准差为5
humidity_mean = 50
humidity_std = 5

# 数据产生函数
def generate_data():
    # 产生异常数据的概率为25%
    if random.random() < 0.25:
        temperature = random.normalvariate(temperature_mean + 5, temperature_std)
        humidity = random.normalvariate(humidity_mean - 10, humidity_std)
    else:
        temperature = random.normalvariate(temperature_mean, temperature_std)
        humidity = random.normalvariate(humidity_mean, humidity_std)
    return temperature, humidity

你可以根据需要修改均值、标准差和异常数据的概率等参数。