今年(2020年)是注定要铭记史册的一年,从年初开始新冠疫情,席卷了全球,中国人民众志成城,为战胜疫情做出了巨大牺牲。最近北京疫情形式又变得严峻,面对疫情我们不能掉以轻心。今天我们模拟一下病毒的扩散过程,增强对疫情的认识同时,还可以了解下 Python 模拟技术,开干
解决思路
我们将模拟过程分为 数据模型 和 展示 两部分 首先设置正态分布的人群,然后在其中随机设置携带者,在设置传染条件,和潜伏期时间,最后,用迭代模拟时间,观察病毒的传播过程,先看下效果:
数据模型
模拟人群
假设城市环境,人群集中度呈正态分布,即中心地带集中度高,边缘地带集中度低,每个人都是一个平面坐标位置,随机产生在平面中心位置的一组坐标点来代表一个人
我们用 numpy 的随机机制产生模拟数据:
numpy 安装:pip install numpy
import numpy as np count = 100 people = np.random.normal(250, 100, (count, 2))
- numpy.random.normal 是产生正态分布数据方法,参数为 loc, scale, size
- loc 表示正态分布的中心点,比如横轴坐标总宽度为 500,中心点为 250
- scale 表示标准差,可以理解为距离中心的距离,值越大,分布图形越宽,越小,越窄
- size 表示产生的数量,可以是单值或者二维元组,元组中第一个表示数量,第二个表示每组数据的维度,我们要产生平面上的点,所以是二维的
人的属性除了位置,还需要有状态,我们用(0,1,2)来表示 健康、携带 和 确诊
由于 numpy 产生的事数据集合,所以状态数据用单独的数组表示,数组长度与人的数量相等: