在SciPy中，可以使用scipy.stats的markov模塊來實現和使用馬爾可夫鏈模型。下面是一個簡單的示例代碼：
import numpy as np
from scipy.stats import markov
# 定義狀態轉移矩陣
transition_matrix = np.array([[0.7, 0.3],
[0.4, 0.6]])
# 定義初始狀態分布
initial_state = np.array([0.5, 0.5])
# 創建馬爾可夫鏈模型
mc = markov.MarkovChain(transition_matrix, initial_state)
# 生成狀態序列
state_sequence = mc.simulate(10)
print("狀態序列：", state_sequence)
在上面的示例中，我們首先定義了一個2x2的狀態轉移矩陣transition_matrix和初始狀態分布initial_state，然后使用這兩個參數創建了一個馬爾可夫鏈模型mc。最后使用simulate方法生成長度為10的狀態序列。
需要注意的是，馬爾可夫鏈模型中的狀態轉移矩陣的每一行的和應該為1，表示每個狀態下一時刻轉移到其他狀態的概率之和為1。
