欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python实战之制作瘟疫传播实验

程序员文章站 2022-06-15 13:23:44
通过Pyhton实战创建一个模拟疫情爆发情况的模型,来达到提升技术的目的。 ......

2020年爆发新型冠状病毒,让大家在见证中国的团结也让大家感受到疫情传播的骇人

在这里先道一声“武汉加油、中国加油”

Python实战之制作瘟疫传播实验

 

那么现在我们尝试制作一个模拟疫情爆发的模型,以数字的形式展现疫情爆发点恐怖。

(1)模型设计

 

 解释人类模型,每个人属性分为编号、状态、保护措施、外出情况。

编号:作为区分每个人类模型的标识;

状态:分为两部分,0为健康,1为感染;

保护措施:参考状态也份为两部分,0为未采取保护措施,1为保护措施

外出情况:外出情况为1的将会选择外出寻友,而为0则不会外出。

程序初期,将会生成一定数量的人类模型,然后随机选择百分之五(感染人数>1)的人作为感染体。

模拟开始,将会开始记录每天的感染人数,然后随机选择一定数量的人外出,每个外出的人都会选择一个人进行交流。

交流过程中,若两个人均感染或均为感染则无问题,若一人感染则根据瘟疫感染几率和防护措施进行随机判定是否感染。

结束条件为全部模型的98%的人被感染,记录天数。

效果如下图所示:

Python实战之制作瘟疫传播实验

 

 

 (2)程序设计

首先,要获取实验信息,所以先创建获取信息函数(get_info)

其次,要通过获取的信息来创建对应模型,所以要有创模函数(creat_mod)

然后,就是模拟实验发生的感染函数(experiment)

最后,为方便判断是否发生了感染,创建了感染函数(contagion)

由于实际情况需要所以还要制作选择函数来实现概率随机。

根据之前的需求和实际情况考虑创建了全局变量。

 (3)程序实现

项目名称:瘟疫实验室

开发工具:sublime_text

开发模块:random

1.前期准备

在这一部分中,将要根据情况,创建好全局变量并声明函数。

个人推荐前期赋初值的时候设置为实验数据,这样可以避免前期调试程序频繁输入。

代码如下所示:

import random as r
#实验模型
human=[]
#实验人数
hunman_number=-1
#感染概率
infected=0
#保护措施
protect=0
#采取保护措施
human_protect=0
#每天外出人数
human_out=0
#保护者id
protect_id=[]
#外出者id
out_id=[]
#所有人id
human_id=[]
#感染者id
virus_id=[]
#函数,收集信息
def get_info():
    pass#函数,创建模型
def creat_mod():
    pass
#函数,实验
def experiment():
    pass#函数,判断是否感染
def contagion(id_1,id_2) :
   pass#函数,选择函数
def pick(contagion_p):
    pass#主函数
def main():
    get_info()
    creat_mod()
    experiment()
#程序入口
if __name__ == '__main__':
    main()

 

2.收集信息实现

在收集信息函数中,将要实现收集实验参数的作用,而实验参数为全局变量,要想实现收集信息就需要通过关键字global。

关键字global的作用可以在函数内对全局变量进行修改。

函数内操作就是通过input函数来实现数据的接收,难度比较低只需要需要注意两方面即可。

一方面是数据类型,input函数所接受的数据默认为字符串类型,所以要对数据进行类型转化,可以考虑eval()函数

考虑到数据的限制,所以最后采用强转int() 和float()

另一方面则是数据的合理性,比如感染几率为0~1,所以超过1即为数据错误,又或者外出人数超过实验总人数等等。

为避免这一情况,所以输入一个数据就对进行判断。

实现代码如下:

#函数,收集信息
def get_info():
    print("*********************")
    #global改变全局变量
    global hunman_number,infected,protect,quarantine,human_out,human_protect
    #实验人数
    hunman_number=int(input("实验人数:"))
    #感染概率
    infected=float(input("疾病感染概率(0~1):"))
    if infected>1 or infected<0:
        print("感染概率在0到1之间")
        get_info()
    #保护措施有效性
    protect=float(input("保护有效性(0~1):"))
    if protect>1 or protect<0:
        print("保护概率在0到1之间")
        get_info()
    #采取保护措施人数
    human_protect=int(input("采取保护措施人数:"))
    if human_protect>hunman_number or human_protect<0:
        print("采取措施人数不可超过实验人数")
        get_info()
    #外出人数
    human_out=int(input("每天外出人数:"))
    if human_out>hunman_number or human_protect<0:
        print("外出人数不可超过实验人数")
        get_info()

 

3.创建模型实现

模型也需要修改一部分全局变量,所以先调用关键字global

第一步:模型的创建先通过循环来创建实验模型,循环条件为实验人数,数据(先设为0)为[id,0,0,0]。

第二步:添加保护措施,原理为随机选择设定的人数的模型,让模型中代表采取保护措施的数值更改为1

随机选择的实现考虑许久,最后选择通过random库中的sample()函数来实现,sample函数的作用为将指定序列进行重新随机排列

其中有两个参数,一个为重排序序列名,另一个代表输出序列的前几个,默认为全部输出。

所以只需要将实验人数的列表传入进行重排序,然后输出前指定人数个即可。

最后通过循环,访问选出的个体,将代表是否采取保护措施的数据更改为1(采取保护措施)

第三步:采用同样的原理选择5%的实验个体作为传染源。注意,感染人数为int类型整数,为保证感染个体不为0,采取5%人+1。

代码实现如下所示:

#函数,创建模型
def creat_mod():
    global human,human_id,protect_id,virus_id
    #循环创建指定人数的实验个体,并将id存储。
    for id in range(0,hunman_number):
        #id、state、protect、out
        human.append([id,0,0,0])
        human_id.append(id)
    #采取保护措施人数id的集合,数据为对实验总体进行随机重排列,再选择一定量输出。
    protect_id=r.sample(human_id,human_protect)
    #循环更改实验个体
    for id in protect_id:
        #0为未采取保护措施,1为采取保护措施
        human[id][2]=1
    #原理同上
    virus_id=r.sample(human_id,int(human_protect*0.05)+1)
    for id in virus_id:
        #0为健康,1为感染
        human[id][1]=1

 

4.实验实现

实验的开始要确定结束条件,我们以百分之九十八的人感染视为结束。

确定之后,记录天数要创建一个计数器来存代表天数的变量。

实验采用死循环的方式进行,跳出条件只有一个实验感染人数超过了结束人数,所以需要加入计数器来存感染人数

代表日期的计数器与代表感染人数的计数器不同,日期计数器在程序开始运行的时候,开始计数直到程序结束。

而感染人数计数器每一次循环都要清零重新开始计算,所以日期计数器的声明在死循环外,而感染人数计数器在死循环内。

实验分为两部分,一部分为对之前的总结,另一部分为新的一天开始。

总结当中第一件事情便是清零计数器。

然后通过统计感染人数,原理为for循环所有人的id,加入判断若该id中代表状态的数据为1则代表感染,计数器加一。

最后输出之前一天的情况,第x天,感染人数为x人。

新的一天开始,先判断统计人数有没有超过失败条件,再开始一天的操作。

随机选择指定人数进行外出,参考之前保护措施的原理,根据外出人数随机选择人进行外出,将其数据更改为1。

然后考虑到实际情况,每个人外出都是要去寻找朋友,寻找朋友则是通过random库的choice()函数。

实现代码如下所示:

#函数,实验
def experiment():
    global out_id
    fail=int(hunman_number*0.98)
    print("*****************************")
    print("实验开始,失败条件感染人数:",fail)
    day=0
    while true:
        #计数器清零
        count=0
        #统计感染人数
        for i in human_id:
            if human[i][1]==1:
                count+=1
        #外出人数
        out_id=r.sample(human_id,human_out)
        for id in out_id:
            human[id][3]=1
        #统计结果
        print(day,"天感染人数",count)
        #新的一天开始
        day+=1
        #判断是否继续实验
        ##实验结束
        if count>=fail:
            print("gameover->",day)
            break
        #循环找朋友
        for id in out_id:
            #随机选择朋友
            friend_id=r.choice(human_id)
            #若均感染,则跳过
            if human[id][1]==1 and human[friend_id][1]==1:
                pass
            #一方感染
            else:
                #判断感染
         contagion(id,friend_id)

 

5.感染判断实现

若发生感染事件,则需要更改实验体数据,所以在这一函数中可以对实验题进行修改,需要引用关键字global。

然后根据情况进行分类,先寻找是哪位感染,哪位健康。然后针对健康的人是否采用保护措施进行分类讨论讨论。

在本模型中,计算感染方式为概率性,由疾病感染概率和保护措施有效性决定。

以0.8感染几率0.7保护措施为例子,保护有效性为0.7所以保护失败的几率为0.3

所以感染疾病几率为0.8感染几率的情况下0.3的保护失效,结果为0.8*0.3。

根据不同的情况变动概率进行概率抽取即可,代码实现如下

#函数,判断是否感染
def contagion(id_1,id_2) :
    global human
    #感染概率
    contagion_p=0
    #第一个id为健康
    if human[id_1][1]==0:
        #采取保护措施
        if human[id_1][2]==1:
            contagion_p=infected*(1-protect)
         #未采取保护措施
        else:
            contagion_p=infected
        #是否感染
        human[id_1][1]=pick(contagion_p)
    #第二个id为健康的人
    else:
        if human[id_2][2]==1:
            contagion_p=infected*(1-protect)
        else:
            contagion_p=infected
        human[id_2][1]=pick(contagion_p)

 

但是在random中没有找到合适的方法,所以只能自制一定概率随机抽取函数pick。

6.pick函数实现

一定概率随机抽取函数的实现基于一点:

random.uniform(0,1)->生成0.0到1.0之间的伪随机数,之后循环元素及其概率,计算累积概率.

如:random_pick([1,2,3,4],[0.1,0.2,0.3,0.4])

当x处于0.0到0.1之间,则输出1

当x处于0.1到0.3之间,则输出2

所以实现过程可以利用这一点,通过两个列表将数据一一对应,然后通过zio改为字典。

在通过uniform函数来实现概率选择。实现代码如下所示:

#函数,选择函数
def pick(contagion_p):
    #选择
    select=[1,0]
    #概率
    choose=[contagion_p,1-contagion_p]
    x = r.uniform(0 ,1)
    cumprob = 0.0
    for item , item_pro in zip(select , choose):
        cumprob += item_pro
        if x < cumprob:
            break
    return item

 

在主函数中桉顺序调用以上函数即可,这样就初步实现了。

(4)改进与推荐

这个程序是个人处于兴趣创建的小型程序,还有许多可以改进的地方。

1.加入治愈因素,比如每天可以治愈多少人,又或者感染者过多少天可以治愈等情况。

2.加入经济因素,比如治愈者需要成本等等,包括医院体系等等。

3.保护措施丰富化,可以采取不同的措施来更改感染几率。

4.可视化,比如通过更改角色颜色等方式以更加直接的方法显示这一过程。

5.加入大量实验数据,进行数据分析将结果制为图表,然后根据数学方式为抗疫提出有效建议。