Pandas - 从马尔可夫链 df 计算序列的概率

Question

我想计算马尔可夫链中几个序列的概率。我准备好了马尔可夫链，但我不确定如何轻松计算特定的序列概率。

我的 pandas 数据框，左侧为 A-E 作为索引，顶部为 A-E 作为列，称为 Markov，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

假设我要检查称为序列的序列的概率：['A', 'C', 'D']。这意味着从 A 到 C，从 C 到 D 的转换。结果应该是 0.05。

我成功使用了 pandas .at 函数：

markov.at[sequence[0], sequence[1]] * markov.at[sequence[1], sequence[2]].

但是，我想构建一个函数，当我将每行长度不同的序列表交给它时，它会计算相应的序列概率。在我的方法中，每次要检查特定序列时，我都必须手动更改代码。

我怎样才能做到这一点？我是否忽略了 pandas 的构建功能来执行此类计算？

Answer 1

你可以这样定义一个函数：

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

所以你可以传递一个字符串（或一个列表）：

get_prob2('ACDE')
# 0.010000000000000002