python代码，疾病传染模型

在医学领域，疾病传染模型是用来描述疾病在人群中的传播情况的数学模型。有许多不同的疾病传染模型，每一种都有不同的假设和参数。

下面是一个简单的 Python 代码示例，它使用传染病模型 SIR (Susceptible-Infected-Recovered) 来模拟疾病在人群中的传播情况。SIR 模型假设人群被分为三个状态：易感（S）、感染（I）和康复（R）。

import numpy as np
import matplotlib.pyplot as plt

# 定义初始参数
N = 1000  # 人群总数
I0 = 1  # 初始感染者数量
S0 = N - I0  # 初始易感者数量
R0 = 0  # 初始康复者数量

# 定义传染率、恢复率和时间
beta = 0.3
gamma = 0.1
T = 50

# 初始化数组
S = np.zeros(T)
I = np.zeros(T)
R = np.zeros(T)
S[0] = S0
I[0] = I0
R[0] = R0

# 使用 Euler 方法求解 SIR 模型
for t in range(T-1):
    S[t+1] = S[t] - beta * S[t] * I[t]
    I[t+1] = I[t] + beta * S[t] * I[t] - gamma * I[t]
    R[t+1] = R[t] + gamma * I[t]

# 绘制 S、I 和 R 的变化曲线
plt.plot(S, label='S')
plt.plot(I, label='I')
plt.plot(R, label='R')
plt.legend()
plt.show()

在这个代码中，我们使用 Euler