python代码：第一列为真实值，第二例为预测值，筛选真实值等于或大于2个连续相同，并计算真实值和预测值之间的变异系数

在Python中，根据您的描述，您可能需要实现一个功能，该功能首先筛选出真实值中等于或大于2个连续相同的序列，然后计算这些序列的真实值与预测值之间的变异系数。变异系数（Coefficient of Variation, CV）是指标准差除以平均值的比值，用于描述数据的相对离散程度。

以下是一个简化的步骤，用于实现这个功能：

1. 筛选连续相同的序列：
- 通过遍历真实值列表，比较相邻元素是否相同，从而找出连续相同的序列。
- 记录这些序列的起始和结束位置，以及它们的值。

2. 计算变异系数：
- 对于每个筛选出的连续相同序列，找出对应的真实值和预测值。
- 计算这些值的标准差和平均值。
- 根据变异系数的定义，计算出真实值和预测值的CV。

这里提供一个简化的代码示例：

import numpy as np

# 假设有以下真实值和预测值
true_values = [1, 1, 2, 3, 3, 3, 4, 1, 1, 1, 2]
predicted_values = [1.1, 1.1, 2.1, 2.9, 2.9, 2.9, 3.9, 1.0, 1.0, 1.0, 2.1]

def calculate_cv(values):
    mean = np.mean(values)
    std = np.std(values)
    cv = std / mean if mean != 0 else float('inf')
    return cv

# 筛选连续相同的序列
consecutive_pairs = []
for i in range(1, len(true_values)):
    if true_values[i] == true_values[i-1]:
        if len(consecutive_pairs) == 0 or consecutive_pairs[-1][1] != true_values[i]:
            consecutive_pairs.append([i, true_values[i]])
    else:
        if len(consecutive_pairs) > 0:
            end_index = i-1].append(end_index)

# 计算变异系数
for start, value, end in consecutive_pairs:
    true_sub_values = true_values[start:end+1]
    predicted_sub_values = predicted_values[start:end+1]
    true_cv = calculate_cv(true_sub_values)
    predicted_cv = calculate_cv(predicted_sub_values)
    print(f"真实值 {value} 的变异系数: {true_cv}, 预测值的变异系数: {predicted_cv}")

请注意，这个代码仅提供了一个基础的实现框架，您可能需要根据实际情况进行调整。