用si模型感染数据集代码怎么写

SI模型是一种简单的流行病学模型，用于模拟传染病的传播过程。在SI模型中，所有人都是易感者，如果一个人被感染，他将一直保持感染状态，直到病愈或死亡。以下是用Python实现SI模型的代码示例：

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

# 创建一个图形，指定图的大小
G = nx.fast_gnp_random_graph(1000, 0.1)

# 初始化每个节点的状态，所有节点都是易感者
status = np.zeros(len(G.nodes()))

# 选取一个初始感染节点
initial_node = np.random.randint(0, len(G.nodes()))
status[initial_node] = 1

# 模拟传播过程，直到所有节点都被感染
while np.sum(status) < len(G.nodes()):
    # 选择被感染节点的邻居节点
    infected_nodes = np.where(status == 1)[0]
    for node in infected_nodes:
        neighbors = list(G.neighbors(node))
        for n in neighbors:
            # 如果邻居节点是易感者，则以一定概率感染他
            if status[n] == 0:
                if np.random.random() < 0.1:
                    status[n] = 1

# 绘制感染图
nx.draw(G, node_color=status, cmap=plt.cm.Reds)
plt.show()

在上述代码中，我们使用了Python中的NetworkX库来创建图形，并使用numpy和matplotlib库绘制感染图。代码中的参数可以根据需要进行修改，例如，可以更改图形大小、感染概率等参数。