统计01序列构建k阶马尔可夫链的无循环高效计数方法

核心是用NumPy的向量化操作替代循环，支持任意阶数的0/1序列模式统计，适配2阶到高阶的需求。

通用实现代码 #

import numpy as np

def count_markov_patterns(seq: np.ndarray, k: int) -> tuple[np.ndarray, np.ndarray]:
    """
    统计0/1序列中所有长度为k+1的连续模式的出现次数与占比
    参数:
        seq: 一维np.ndarray，仅包含0/1元素
        k: 马尔可夫链阶数
    返回:
        counts: 数组，索引对应模式的二进制整数值，值为对应模式的出现次数
        ratios: 数组，对应各模式的出现占比
    """
    # 生成所有长度为k+1的滑动窗口，无显式循环
    windows = np.lib.stride_tricks.sliding_window_view(seq, window_shape=k+1)
    # 每个窗口转成唯一整数：二进制位对应窗口的0/1值
    bits_weight = 2 ** np.arange(k, -1, -1)
    pattern_ids = (windows * bits_weight).sum(axis=1)
    # 统计所有可能模式的频次，自动补全出现次数为0的模式
    counts = np.bincount(pattern_ids, minlength=2**(k+1))
    # 计算占比
    ratios = counts / counts.sum()
    return counts, ratios

2阶场景使用示例 #

如果需要统计T001到T111共8种模式的结果，直接传入k=2即可：

# 示例输入序列
seq = np.array([0,0,1,0,0,1,1,1,0,1,1,0])
counts, ratios = count_markov_patterns(seq, k=2)

# 生成Txxx格式的模式名
pattern_names = [f"T{i:03b}" for i in range(8)]
# 输出各模式对应结果
for name, cnt, rat in zip(pattern_names, counts, ratios):
    print(f"{name}: 次数{cnt}, 占比{rat:.2f}")

方案说明 #

• 全程无显式for循环，所有运算都是NumPy向量化实现，长序列下性能远高于循环写法
• 可以直接扩展到k阶马尔可夫的统计需求，只需要修改传入的k参数即可，逻辑不需要改动
• 返回的counts数组索引与模式一一对应：索引转成k+1位二进制字符串，加上前缀T就是你需要的Txxx命名，比如索引1对应二进制001，就是T001，和需求完全匹配

内容的提问来源于stack exchange，提问作者deblue