Emulate a Markov process in Python 3, with a transition graph and an editable matrix. Source / Explanation: https://lipercubo.it/catene-di-markov.html

markov.py

import random
import matplotlib.pyplot as plt
import networkx as nx
from matplotlib.animation import FuncAnimation

# Definizione degli stati e delle transizioni della catena di Markov
states = ["salve", "ciao", "buongiorno", "buonasera", "hey"]
transitions = {
    "salve": {"ciao": 0.3, "buongiorno": 0.3, "buonasera": 0.2, "hey": 0.2},
    "ciao": {"salve": 0.2, "buongiorno": 0.3, "buonasera": 0.2, "hey": 0.3},
    "buongiorno": {"salve": 0.25, "ciao": 0.25, "buonasera": 0.25, "hey": 0.25},
    "buonasera": {"salve": 0.3, "ciao": 0.3, "buongiorno": 0.2, "hey": 0.2},
    "hey": {"salve": 0.25, "ciao": 0.25, "buongiorno": 0.25, "buonasera": 0.25}
}

# Funzione per scegliere il prossimo stato basato sulle probabilità di transizione
def next_state(current_state):
    next_states = list(transitions[current_state].keys())
    probabilities = list(transitions[current_state].values())
    return random.choices(next_states, probabilities)[0]

# Generazione di una sequenza di saluti
def generate_greetings(start_state, n):
    current_state = start_state
    greetings = [current_state]
    for _ in range(n - 1):
        current_state = next_state(current_state)
        greetings.append(current_state)
    return greetings

# Generiamo una sequenza di 10 saluti partendo da "salve"
greetings_sequence = generate_greetings("salve", 10)

# Visualizzazione del processo con un grafo animato
G = nx.MultiDiGraph()
for state in states:
    for next_state, prob in transitions[state].items():
        G.add_edge(state, next_state, weight=prob)

pos = nx.spring_layout(G)

fig, ax = plt.subplots()

def update(num):
    ax.clear()
    current_state = greetings_sequence[num]
    color_map = ['red' if node == current_state else 'skyblue' for node in G.nodes()]
    nx.draw(G, pos, with_labels=True, node_color=color_map, node_size=3000, font_size=16, ax=ax)
    labels = {e: f'{G.edges[e]["weight"]:.2f}' for e in G.edges}
    nx.draw_networkx_edge_labels(G, pos, edge_labels=labels, ax=ax)
    ax.set_title(f"Saluto attuale: {current_state}")

ani = FuncAnimation(fig, update, frames=len(greetings_sequence), interval=1000, repeat=True)
plt.show()