生成一段Python代码，模拟无标度网络中的SIS病毒传播模型。其中，节点有三类，对应的传染率分为0.1,0.2,0.3三个等级，对应的节点的恢复率分为0.1,0.2,0.3三个等级。画出感染人数和恢复人数随时间变化的图像。

好的，根据您的要求，我会帮您生成一段Python代码，来模拟无标度网络中的SIS病毒传播模型。以下是代码：

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt

# 定义节点的传染率和恢复率等级
beta = [0.1, 0.2, 0.3]
gamma = [0.1, 0.2, 0.3]

# 定义SIS传播模型
def SIS_model(G, beta, gamma, T):
    n = len(G)
    S = np.zeros((n, T+1))
    I = np.zeros((n, T+1))

    # 随机选择一个感染节点开始传播病毒
    start_node = np.random.choice(n)
    I[start_node][0] = 1
    S[start_node][0] = 0

    # 开始模拟传播过程
    for t in range(T):
        for i in range(n):
            # 如果节点i已经感染，则计算其恢复概率
            if I[i][t] == 1:
                r = np.random.uniform(0, 1)
                if r < gamma[G.nodes[i]['gamma']]:
                    I[i][t+1] = 0
                    S[i][t+1] = 1
                else:
                    I[i][t+1] = 1
                    S[i][t+1] = 0
            # 如果节点i未感染，则计算其被感染概率
            else:
                neighbors = list(G.neighbors(i))
                for j in neighbors:
                    if I[j][t] == 1 and S[i][t+1] == 0:
                        r = np.random.uniform(0, 1)
                        if r < beta[G.nodes[j]['beta']]:
                            I[i][t+1] = 1
                            S[i][t+1] = 0
                            break
                        else:
                            S[i][t+1] = 1

    return S, I

# 生成无标度网络
G = nx.extended_barabasi_albert_graph(500, 1, 0.01)

# 为节点随机分配传染率和恢复率等级
for i in range(len(G)):
    G.nodes[i]['beta'] = np.random.choice([0,1,2])
    G.nodes[i]['gamma'] = np.random.choice([0,1,2])

# 运行SIS传播模型
S, I = SIS_model(G, beta, gamma, 200)

# 绘制感染人数和恢复人数随时间变化的图像
x = range(201)
y1 = np.sum(I, axis=0)
y2 = np.sum(S, axis=0)
plt.plot(x, y1, label='Infected')
plt.plot(x, y2, label='Susceptible')
plt.xlabel('Time')
plt.ylabel('Number of People')
plt.legend()
plt.show()

运行以上代码，您将会得到一张感染人数和恢复人数随时间变化的图像。请注意，这只是一个简单的模拟示例，并不代表真实情况。同时，如果您需要更多的节点，可以根据需要修改代码中的节点数量以及参数值。