Python实战之制作瘟疫传播实验

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”

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：

（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。