Python馬爾可夫鏈是一種可以捕捉序列數據的概率模型。它基于馬爾可夫過程，假設某個事件的發生只與其前面的若干事件有關，而與其之前的事件則無關。它可以被用于生成文本、音樂等，以及預測某一事件的概率。

import random
text = "I am learning Python programming language."
words = text.split()
# 階數為1的馬爾可夫鏈
markov_dict = {}
for i in range(len(words) - 1):
if words[i] in markov_dict:
markov_dict[words[i]].append(words[i+1])
else:
markov_dict[words[i]] = [words[i+1]]
output = []
current_word = random.choice(words)
output.append(current_word)
for i in range(30):
if current_word in markov_dict:
next_word = random.choice(markov_dict[current_word])
output.append(next_word)
current_word = next_word
else:
break
print(' '.join(output))

以上代碼通過將待處理文本按空格分為單獨的單詞，構建了一個階數為1的馬爾可夫鏈模型。然后從文本中隨機選擇一個單詞作為起點，并沿著鏈逐步生成輸出。

在實際應用中，需要對數據進行預處理，確定合適的階數，并使用更大的數據集以提高模型的準確性。