我已经创建了数字序列（每个序列都存储在np.arrray中），这些数字是事件的过渡。
部分数据集如下：
array([ 9, 22], dtype=int32),
array([158, 173], dtype=int32),
array([183, 168, 181, 168, 181, 196], dtype=int32),
array([152, 200], dtype=int32),
array([103, 75], dtype=int32),
array([81, 60], dtype=int32),
array([137, 176], dtype=int32),
array([176, 162], dtype=int32),
array([174, 159, 158, 159, 158, 174, 158], dtype=int32),
array([173, 188, 173, 158, 188, 158, 173, 188], dtype=int32),
array([ 98, 85, 115, 125, 126], dtype=int32),
array([187, 15, 105, 99], dtype=int32),
例如，从第三行，我可以推断出在事件183之后发生了事件168，然后又发生了事件181。
我将所有这些数组存储到一个列表中，因为它们在一起都引用相同的事件。
我想用图形/树形图绘制这样的过渡，这样我就可以通过视觉看到哪些过渡更常见。
我在python中找到了邻接矩阵函数，但是我的数据结构不能用作相邻矩阵
说实话，这不是最困难的问题。最难的是，在建立一棵这样的树之后，人们如何尝试推断知识。例如，我如何找出节点从节点128转换到节点132的频率？是否存在可以使此类过程自动化的机器学习技术？如果可以，您可以提供我进一步搜索的链接吗？
问候 亚历克斯