传染病传播动力学模型python代码

传染病传播动力学模型通常用于理解疾病如何在人群中的传播过程，通过数学公式描述感染者的增长、康复和死亡等动态变化。Python是一种强大的工具，因其丰富的库和易读性而常用于此类建模。

以下是一个简单的SIR（Susceptible-Infectious-Recovered）模型的Python代码示例，这是一个基本的传染病模型，分为三个阶段：易感者（S）、感染者（I）和恢复者（R）。这个模型假设人口总数不变，并且感染过程中有固定的传染率和恢复率：

import numpy as np
from scipy.integrate import odeint

# 模型参数
N = 1000000  # 总人口数
beta = 0.5  # 传染率
gamma = 0.1  # 恢复率
S0, I0, R0 = N - 1, 1, 0  # 初始状态

# SIR模型函数
def sird_model(t, state):
    S, I, R = state
    dSdt = - gamma * I
    dRdt = gamma * I
    return [dSdt, dIdt, dRdt]

# 时间范围和步长
t_start, t_end = 0, 180  # 从第0天到第180天
dt = 0.1
t = np.arange(t_start, t_end + dt, dt)

# 计算SIR模型轨迹
solution = odeint(sird_model, [S0, I0, R0], t)

# 可视化结果
import matplotlib.pyplot as plt

plt.plot(t, solution[:, 0], label='易感者')
plt.plot(t, solution[:, 1], label='感染者')
plt.plot(t, solution[:, 2], label='恢复者')
plt.xlabel('时间 (天)')
plt.ylabel('人数')
plt.title('SIR模型')
plt.legend()
plt.show()