基于Python的马尔可夫链变体：CSV团队序列统计与概率计算

嘿，作为Python新手能想到用马尔可夫链来分析序列模式，真的很棒！我会一步步带你实现需求：从CSV中按用户分组、排序年份得到团队序列，找出最常见的序列，还要计算团队间的转移概率。

第一步：准备依赖库 #

我们需要两个核心库：

• pandas：用来读取和处理CSV数据，分组、排序都靠它
• collections：里面的Counter可以帮我们轻松统计序列和转移对的出现次数

如果还没安装pandas，先在终端运行：

pip install pandas

第二步：读取并预处理CSV数据 #

首先我们要把CSV读进来，然后按name字段分组，每个组内按year升序排序，这样就能得到每个用户的团队变化序列了。

示例代码：

import pandas as pd
from collections import Counter

# 读取CSV文件，替换成你的文件路径
df = pd.read_csv("your_data.csv")

# 预处理：按name分组，每组按year排序，提取team列组成序列
# 把每个用户的team序列存成字典，key是name，value是排序后的team列表
user_team_sequences = {}
for name, group in df.groupby("name"):
    # 按year升序排序
    sorted_group = group.sort_values("year", ascending=True)
    # 提取team列，转成列表
    team_sequence = sorted_group["team"].tolist()
    user_team_sequences[name] = team_sequence

# 打印看看结果，比如第一个用户的序列
print("用户团队序列示例：", list(user_team_sequences.items())[0])

第三步：统计最常见的序列模式 #

因为列表不能作为Counter的键，我们把每个序列转成元组，然后统计每个序列出现的次数，最后找出出现次数最多的那个。

代码：

# 把所有序列转成元组，存入列表（只保留至少有2个元素的序列，避免无意义的单元素序列）
all_sequences = [tuple(seq) for seq in user_team_sequences.values() if len(seq) >= 2]

# 统计每个序列的出现次数
sequence_counter = Counter(all_sequences)

# 找出最常见的序列
most_common_sequence, count = sequence_counter.most_common(1)[0]
print(f"\n最常见的团队序列：{most_common_sequence}，出现次数：{count}")

第四步：计算马尔可夫链转移概率 #

转移概率指的是从团队A转到团队B的概率，我们需要先统计所有相邻的团队对（比如(seal, dog)）的出现次数，然后对每个起始团队，计算每个后续团队的次数占总转移次数的比例。

代码：

# 统计所有转移对
transition_pairs = []
for seq in user_team_sequences.values():
    # 遍历序列中的相邻元素，生成转移对
    for i in range(len(seq)-1):
        transition_pairs.append( (seq[i], seq[i+1]) )

# 统计每个转移对的出现次数
transition_counter = Counter(transition_pairs)

# 计算每个起始团队的总转移次数
start_team_counts = Counter()
for start, end in transition_pairs:
    start_team_counts[start] += 1

# 计算转移概率，保留三位小数更直观
transition_probabilities = {}
for (start, end), count in transition_counter.items():
    prob = count / start_team_counts[start]
    transition_probabilities[(start, end)] = round(prob, 3)

# 打印转移概率示例
print("\n团队转移概率示例：")
for pair, prob in transition_probabilities.items():
    print(f"从{pair[0]}转到{pair[1]}的概率：{prob}")

完整测试示例 #

假设你的CSV数据是这样的：

name,year,team
Alice,2020,seal
Alice,2021,dog
Bob,2020,seal
Bob,2021,dog
Bob,2022,cat
Charlie,2020,dog
Charlie,2021,seal

运行代码后，输出会是：

用户团队序列示例： ('Alice', ['seal', 'dog'])

最常见的团队序列：('seal', 'dog')，出现次数：2

团队转移概率示例：
从seal转到dog的概率：0.667
从dog转到cat的概率：1.0
从dog转到seal的概率：1.0

新手友好小提示 #

• 如果你的CSV里有缺失值，可以先处理掉：df = df.dropna(subset=["name", "year", "team"])
• 如果年份不是数字类型，记得先转换：df["year"] = pd.to_numeric(df["year"], errors="coerce")

内容的提问来源于stack exchange，提问作者user7939708