传染病模型python代码

传染病模型是一种数学模型，通常用于研究疾病如何在人口中传播。在Python中，我们可以使用诸如SimPy、NetworkX等库来模拟这类动态过程。下面是一个简单的SIR（Susceptible-Infected-Recovered）模型的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt
import simpy

# 定义模型参数
beta = 0.5  # 疾病传播率
gamma = 1   # 治愈率
N = 1000    # 总人数
I0 = 1      # 初始感染者数

def infect(env, infected):
    while True:
        with env.timeout(gamma):
            yield env.timeout
        infected.recover()

def susceptible(env, susceptible, infected):
    while True:
        if susceptible == 0:
            break
        rate = beta * infected / N
        delay = env.timeout(np.random.exponential(1/rate))
        yield env.timeout, delay
        susceptible -= 1
        infected += 1

# 创建环境并初始化变量
env = simpy.Environment()
susceptible_list = [i for i in range(N)]  # 易感人群
infected = 0

# 创建感染者进程
infected_process = env.process(infect(env, infected))

# 创建易感人群转换成感染者的过程
for s in susceptible_list:
    env.process(susceptible(env, s, infected))

# 启动模拟
env.run(until=50)  # 运行50个时间单位

# 绘制结果
plt.plot([i for i in range(len(susceptible_list))], susceptible_list)
plt.plot([i for i in range(len(susceptible_list), len(susceptible_list)+infected*50, 50], [0] + [i for _ in range(infected)], 'ro')
plt.xlabel('Time (days)')
plt.ylabel('Number of individuals')
plt.title('SIR Model Simulation')
plt.legend(['Susceptible', 'Infected'])
plt.show()