自己开网店没有货源怎么办文山seo

自己开网店没有货源怎么办,文山seo,个人养老金制度出台有望年底,建设银行网站注销吗X00300-可视化病毒传播过程模型python实现 可视化病毒传播过程模型 并非统计学模型#xff0c;过程模拟。基于virusdemo的可视化病毒传播过程在疫情时代#xff0c;大家对病毒传播都有了更深的认知。今天咱就抛开统计学模型那一套#xff0c;用Python来实现一个纯粹基于过程…X00300-可视化病毒传播过程模型python实现 可视化病毒传播过程模型 并非统计学模型过程模拟。 基于virusdemo的可视化病毒传播过程在疫情时代大家对病毒传播都有了更深的认知。今天咱就抛开统计学模型那一套用Python来实现一个纯粹基于过程模拟的可视化病毒传播过程模型以virusdemo为基础来展开。前期准备在Python中我们要实现可视化matplotlib库是个不错的选择它能让我们轻松绘制各种图表。另外为了模拟病毒传播过程还得用到numpy来处理数值计算。import matplotlib.pyplot as plt import numpy as npmatplotlib就像我们绘图的画笔numpy则像是调色盘为我们处理数据提供方便。定义基本参数我们需要定义一些初始参数比如初始感染人数、总人数、传播概率等等。total_population 1000 initial_infected 10 transmission_probability 0.3 days 100这里设定总共有1000人一开始有10个感染者每次接触传播病毒的概率是0.3模拟时长为100天。模拟传播过程下面这个函数就是核心的病毒传播模拟部分啦。def simulate_virus_spread(): susceptible total_population - initial_infected infected initial_infected recovered 0 susceptible_list [susceptible] infected_list [infected] recovered_list [recovered] for _ in range(days): new_infections 0 for _ in range(infected): if np.random.rand() transmission_probability: new_infections 1 susceptible - new_infections infected new_infections - recovered recovered new_infections susceptible_list.append(susceptible) infected_list.append(infected) recovered_list.append(recovered) return susceptible_list, infected_list, recovered_list这里通过循环一天天模拟病毒传播。每一天里每个感染者都有一定概率transmission_probability去感染一个易感者。新感染人数统计出来后相应更新易感者、感染者和康复者的数量并记录到列表里供后续绘图使用。可视化结果有了模拟数据咱就可以把它画出来看看病毒传播的趋势。susceptible, infected, recovered simulate_virus_spread() days_range np.arange(days 1) plt.plot(days_range, susceptible, labelSusceptible) plt.plot(days_range, infected, labelInfected) plt.plot(days_range, recovered, labelRecovered) plt.xlabel(Days) plt.ylabel(Number of People) plt.title(Virus Spread Simulation) plt.legend() plt.show()这段代码利用matplotlib把易感者、感染者和康复者的数量随时间的变化画成曲线。xlabel、ylabel和title分别给图表加上横纵轴标签和标题legend显示不同曲线对应的标签最后show把图展示出来。这样一个基于过程模拟的可视化病毒传播过程模型就用Python实现啦通过这种方式我们能更直观地看到病毒在人群中的传播和变化情况。希望大家通过这个小项目对病毒传播的过程模拟有更清晰的理解。