我想计算马尔可夫链中多个序列的概率。我准备好了马尔可夫链,但我不知道如何轻松计算特定的序列概率。
我的 pandas 数据框,左侧的 A-E 作为索引,顶部的 A-E 作为列,称为马尔可夫,如下所示:
A B C D E
A 0.3 0.2 0.5 0.0 0.2
B 0.2 0.4 0 0 0.4
C 0.5 0.4 0 0.1 0
D 0.2 0.2 0.2 0.2 0.2
E 0.6 0.1 0.1 0.1 0.1
假设我想检查称为序列的序列的概率:['A', 'C', 'D']。这意味着从 A 到 C、C 到 D 的转换。结果应该是 0.05。
我通过使用 pandas .at 函数成功了:
markov.at[sequence[0], sequence[1]] * markov.at[sequence[1], sequence[2]].
但是,我想构建一个函数,当我向它提供每行长度不同的序列表时,它会计算相应的序列概率。在我的方法中,每次我想检查特定序列时都必须手动更改代码。
我怎样才能实现这个目标?我是否忽略了 pandas 的建筑功能来执行此类计算?
最佳答案
您可以定义这样的函数:
def get_prob(*args):
ret = 1
for i, j in zip(args, args[1:]):
ret *= markov.at[i,j]
return ret
然后调用:
get_prob('A','C','D')
# 0.05
get_prob('A', 'C', 'D', 'E')
# 0.010000000000000002
或者你可以这样做:
def get_prob2(lst):
ret = 1
for i,j in zip(lst, lst[1:]):
ret *= markov.at[i,j]
return ret
这样你就可以传递一个字符串(或一个列表):
get_prob2('ACDE')
# 0.010000000000000002
关于python - Pandas - 从马尔可夫链 df 计算序列概率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56632939/