变点检测是一种用于检测时间序列数据中发生突变点的方法。下面是一个基于统计方法的变点检测的代码示例。

import numpy as np

def detect_change_points(data, threshold):
    change_points = []
    n = len(data)
    mean = np.mean(data)
    std = np.std(data)
    
    for i in range(1, n):
        x = data[i]
        x_prev = data[i-1]
        
        if abs(x - x_prev) > threshold * std:
            change_points.append(i)
            
    return change_points

# 示例数据
data = [1, 2, 3, 4, 5, 20, 21, 22, 23, 24, 8, 9, 10, 11, 12]
threshold = 2

# 检测变点
change_points = detect_change_points(data, threshold)
print("变点位置：", change_points)

在上面的代码中，detect_change_points函数接受一个时间序列数据data和一个阈值threshold作为输入，并返回检测到的变点位置。该函数首先计算数据的平均值mean和标准差std，然后遍历数据，如果当前数据点与前一个数据点之间的差值超过阈值的标准差，就将其位置添加到change_points列表中。

在示例数据中，变点位置为[5, 11]，分别对应于数据从5变化到20和从24变化到8。

请注意，这只是一个简单的示例，实际的变点检测方法可能需要使用更复杂的算法和技术来处理不同的数据。