小编st1*_*297的帖子

想象一下,我有一系列4种可能的马尔可夫状态(A,B,C,D):

X = [A, B, B, C, B, A, D, D, A, B, A, D, ....]

如何使用Python生成马尔可夫变换矩阵？矩阵必须是4乘4,表示从每个状态移动到其他3个状态的概率.我一直在网上查看很多例子,但是在所有这些例子中,给出了矩阵,而不是基于数据计算的.我也研究了hmmlearn,但我没有读到如何让它吐出过渡矩阵.有没有我可以用于此目的的图书馆？

这是我在Python中尝试做的确切事情的R代码:https: //stats.stackexchange.com/questions/26722/calculate-transition-matrix-markov-in-r

我在 OS 上看到了一个类似的问题，但这个问题是不同的，因为它与功能而不是日期框架有关。

想象一下，我们有一个df带有 column的数据框x。在 R 中，如果你“附加” df，那么你可以直接使用x例如 in print(x)，而不必df像 in 那样引用print(df['x'])。Python 中是否有任何等价物？

我有熊猫系列 l=pd.Series([3, 1, 4, 2, [1, 2, 10]])

我需要得到类似的东西：

value  count
3       1
1       2
4       1
2       2
10      1

l.value_counts()

给我：

TypeError: unhashable type: 'list' 

我什至试图像这样压平列表：

chain = itertools.chain(*l)
print(list(chain))

但它给了我：

TypeError: 'list' object is not callable