Python学习笔记#9：病毒传播模拟程序

最新推荐文章于 2023-10-11 16:46:46 发布

古月河图

最新推荐文章于 2023-10-11 16:46:46 发布

阅读量2.6k

点赞数 5

分类专栏： python学习笔记文章标签： python

本文链接：https://blog.csdn.net/founderznd/article/details/106927360

版权

本文通过Python模拟病毒传播，介绍两种方法：面向对象和矩阵运算。面向对象方式中，每个人为独立对象，算法涉及多层循环；矩阵运算方式利用快速的矩阵处理，降低时间复杂度。两种方法分别详细阐述了实现步骤和关键点。

摘要由CSDN通过智能技术生成

概述

本章借助matplotlib包，模拟疫情传播，有两种思路：

使用面向对象的方式，每个人为一个独立对象
使用矩阵的方式

方法1. 面向对象方式

面向对象的方式，每个人为一个独立对象，算法：

遍历所有对象：
1. 更新当前对象位置（移动）
2. 计算当前对象到其他所有人的相对距离
3. 根据距离，感染率等因素，改变对象邻居当前的状态。

算法逻辑非常简单，但是可以看到会嵌套多次循环，时间复杂度为： $O(n^2)$

1. 导入包

import numpy as np
import matplotlib.pyplot as plt

2. 全局参数

# 地图宽度
width = 100

# 总人口
pop = 2000

# 初始病人数量
n = 10

# 感染半径
sd = 10

# 感染几率 50%
sr = 0.5

3. 定义人

坐标：随机分布
颜色：绿色代表健康，红色代表感染
运动函数：人随机运动

# 人
class People(object):
    def __init__(self):
    	# 随机坐标
        self.x = np.random.rand() * width
        self.y = np.random.rand() * width
        self.loc = np.array([self.x, self.y])
        self.color = 'g'

    # 随机运动
    def move(self):
        self.x += np.random.randn()
        self.y += np.random.randn()

4. 环境

按照人口生成不同的人口对象
随机选择病源

# 人群
all_people = np.array([People() for i in range(pop)])

# 初始化患病人群
sick_people = np.random.choice(all_people, size=n, replace=False)
for p in sick_people:
    p.color = "r"

5. 病毒感染

遍历所有人群，区分患者与普通人
遍历患者：
1. 遍历所有人，计算与当前患者的距离
  1. 当目标与患者距离小于传播半径，则有一定几率感染。
返回患病熟料

# 病毒感染函数
def affect(all_people):
    sick_people = []
    healthy_people = []
    n = 0
    for p in all_people:
        if p.color == "r":
            sick_people.append(p)
            n += 1
        if p.color == "g":
            healthy_people.append(p)

    for sp in sick_people:
        for hp in healthy_people:
            dist = np.linalg