用Python制作在地图上模拟瘟疫扩散的Gif图


Posted in Python onMarch 31, 2015

受杰森的《Almost Looks Like Work》启发,我来展示一些病毒传播模型。需要注意的是这个模型并不反映现实情况,因此不要误以为是西非可怕的传染病。相反,它更应该被看做是某种虚构的僵尸爆发现象。那么,让我们进入主题。

用Python制作在地图上模拟瘟疫扩散的Gif图

这就是SIR模型,其中字母S、I和R反映的是在僵尸疫情中,个体可能处于的不同状态。

  •     S 代表易感群体,即健康个体中潜在的可能转变的数量。
  •     I 代表染病群体,即僵尸数量。
  •     R 代表移除量,即因死亡而退出游戏的僵尸数量,或者感染后又转回人类的数量。但对与僵尸不存在治愈者,所以我们就不要自我愚弄了(如果要把SIR模型应用到流感传染中,还是有治愈者的)。
  • 至于β(beta)和γ(gamma):
  •     β(beta)表示疾病的传染性程度,只要被咬就会感染。
  •     γ(gamma)表示从僵尸走向死亡的速率,取决于僵尸猎人的平均工作速率,当然,这不是一个完美的模型,请对我保持耐心。
  • S′=?βIS告诉我们健康者变成僵尸的速率,S′是对时间的导数。
  • I′=βIS?γI告诉我们感染者是如何增加的,以及行尸进入移除态速率(双关语)。
  • R′=γI只是加上(gamma I),这一项在前面的等式中是负的。

上面的模型没有考虑S/I/R的空间分布,下面来修正一下!

一种方法是把瑞典和北欧国家分割成网格,每个单元可以感染邻近单元,描述如下:

其中对于单元,和是它周围的四个单元。(不要因为对角单元而脑疲劳,我们需要我们的大脑不被吃掉)。

初始化一些东东。
 

import numpy as np
import math
import matplotlib.pyplot as plt  
%matplotlib inline
from matplotlib import rcParams
import matplotlib.image as mpimg
rcParams['font.family'] = 'serif'
rcParams['font.size'] = 16
rcParams['figure.figsize'] = 12, 8
from PIL import Image

适当的beta和gamma值就能够摧毁大半江山
 

beta = 0.010
gamma = 1

还记得导数的定义么?当导数已知,假设Δt很小的情况下,经过重新整理,它可以用来近似预测函数的下一个取值,我们已经声明过u′(t)。

用Python制作在地图上模拟瘟疫扩散的Gif图

初始化一些东东。
 

import numpy as np
import math
import matplotlib.pyplot as plt  
%matplotlib inline
from matplotlib import rcParams
import matplotlib.image as mpimg
rcParams['font.family'] = 'serif'
rcParams['font.size'] = 16
rcParams['figure.figsize'] = 12, 8
from PIL import Image

适当的beta和gamma值就能够摧毁大半江山
 

beta = 0.010
gamma = 1

还记得导数的定义么?当导数已知,假设Δt很小的情况下,经过重新整理,它可以用来近似预测函数的下一个取值,我们已经声明过u′(t)。

用Python制作在地图上模拟瘟疫扩散的Gif图

这种方法叫做欧拉法,代码如下:
 

def euler_step(u, f, dt):
  return u + dt * f(u)

我们需要函数f(u)。友好的numpy提供了简洁的数组操作。我可能会在另一篇文章中回顾它,因为它们太强大了,需要更多的解释,但现在这样就能达到效果:

def f(u):
  S = u[0]
  I = u[1]
  R = u[2]
 
  new = np.array([-beta*(S[1:-1, 1:-1]*I[1:-1, 1:-1] +
              S[0:-2, 1:-1]*I[0:-2, 1:-1] +
              S[2:, 1:-1]*I[2:, 1:-1] +
              S[1:-1, 0:-2]*I[1:-1, 0:-2] +
              S[1:-1, 2:]*I[1:-1, 2:]),
           beta*(S[1:-1, 1:-1]*I[1:-1, 1:-1] +
              S[0:-2, 1:-1]*I[0:-2, 1:-1] +
              S[2:, 1:-1]*I[2:, 1:-1] +
              S[1:-1, 0:-2]*I[1:-1, 0:-2] +
              S[1:-1, 2:]*I[1:-1, 2:]) - gamma*I[1:-1, 1:-1],
           gamma*I[1:-1, 1:-1]
          ])
 
  padding = np.zeros_like(u)
  padding[:,1:-1,1:-1] = new
  padding[0][padding[0] < 0] = 0
  padding[0][padding[0] > 255] = 255
  padding[1][padding[1] < 0] = 0
  padding[1][padding[1] > 255] = 255
  padding[2][padding[2] < 0] = 0
  padding[2][padding[2] > 255] = 255
 
  return padding

导入北欧国家的人口密度图并进行下采样,以便较快地得到结果
 

from PIL import Image
img = Image.open('popdens2.png')
img = img.resize((img.size[0]/2,img.size[1]/2))
img = 255 - np.asarray(img)
imgplot = plt.imshow(img)
imgplot.set_interpolation('nearest')

用Python制作在地图上模拟瘟疫扩散的Gif图

北欧国家的人口密度图(未包含丹麦)

S矩阵,也就是易感个体,应该近似于人口密度。感染者初始值是0,我们把斯德哥尔摩作为第一感染源。
 

S_0 = img[:,:,1]
I_0 = np.zeros_like(S_0)
I_0[309,170] = 1 # patient zero

因为还没人死亡,所以把矩阵也置为0.
 

R_0 = np.zeros_like(S_0)

接着初始化模拟时长等。
 

T = 900             # final time
dt = 1             # time increment
N = int(T/dt) + 1        # number of time-steps
t = np.linspace(0.0, T, N)   # time discretization
 
# initialize the array containing the solution for each time-step
u = np.empty((N, 3, S_0.shape[0], S_0.shape[1]))
u[0][0] = S_0
u[0][1] = I_0
u[0][2] = R_0

我们需要自定义一个颜色表,这样才能将感染矩阵显示在地图上。
 

import matplotlib.cm as cm
theCM = cm.get_cmap("Reds")
theCM._init()
alphas = np.abs(np.linspace(0, 1, theCM.N))
theCM._lut[:-3,-1] = alphas

下面坐下来欣赏吧…

for n in range(N-1):
  u[n+1] = euler_step(u[n], f, dt)

让我们再做一下图像渲染,把它做成gif,每个人都喜欢gifs!
 

from images2gif import writeGif
 
keyFrames = []
frames = 60.0
 
for i in range(0, N-1, int(N/frames)):
  imgplot = plt.imshow(img, vmin=0, vmax=255)
  imgplot.set_interpolation("nearest")
  imgplot = plt.imshow(u[i][1], vmin=0, cmap=theCM)
  imgplot.set_interpolation("nearest")
  filename = "outbreak" + str(i) + ".png"
  plt.savefig(filename)
  keyFrames.append(filename)
 
images = [Image.open(fn) for fn in keyFrames]
gifFilename = "outbreak.gif"
writeGif(gifFilename, images, duration=0.3)
plt.clf()
Python 相关文章推荐
Python中使用插入排序算法的简单分析与代码示例
May 04 Python
Python实现针对含中文字符串的截取功能示例
Sep 22 Python
Python抓取框架Scrapy爬虫入门:页面提取
Dec 01 Python
浅谈使用Python内置函数getattr实现分发模式
Jan 22 Python
python抓取网站的图片并下载到本地的方法
May 22 Python
Python查找数组中数值和下标相等的元素示例【二分查找】
Feb 13 Python
python实现在多维数组中挑选符合条件的全部元素
Nov 26 Python
django 实现简单的插入视频
Apr 07 Python
在服务器上安装python3.8.2环境的教程详解
Apr 26 Python
解决pycharm安装第三方库失败的问题
May 09 Python
python小程序之4名牌手洗牌发牌问题解析
May 15 Python
python 实现波浪滤镜特效
Dec 02 Python
以一段代码为实例快速入门Python2.7
Mar 31 #Python
11个并不被常用但对开发非常有帮助的Python库
Mar 31 #Python
Python的Flask框架中@app.route的用法教程
Mar 31 #Python
使用Python的Flask框架实现视频的流媒体传输
Mar 31 #Python
在Python3中初学者应会的一些基本的提升效率的小技巧
Mar 31 #Python
使用IronPython把Python脚本集成到.NET程序中的教程
Mar 31 #Python
提升Python程序运行效率的6个方法
Mar 31 #Python
You might like
PHP使用http_build_query()构造URL字符串的方法
2016/04/02 PHP
浅析PHP中的闭包和匿名函数
2017/12/25 PHP
Javascript实例教程(19) 使用HoTMetal(4)
2006/12/23 Javascript
JS 判断代码全收集
2009/04/28 Javascript
Javascript isArray 数组类型检测函数
2009/10/08 Javascript
jQuery 核心函数以及jQuery对象
2010/03/23 Javascript
JavaScript学习笔记之数组随机排序
2016/03/23 Javascript
使用jQuery制作Web页面遮罩层插件的实例教程
2016/05/26 Javascript
String字符串截取的四种方式总结
2016/11/28 Javascript
jQuery联动日历的实例解析
2016/12/02 Javascript
原生JS实现隐藏显示图片 JS实现点击切换图片效果
2021/01/27 Javascript
Vue.js弹出模态框组件开发的示例代码
2017/07/26 Javascript
React Native中的RefreshContorl下拉刷新使用
2017/10/09 Javascript
详解vue渲染函数render的使用
2017/12/12 Javascript
浅谈vue中关于checkbox数据绑定v-model指令的个人理解
2018/11/14 Javascript
ES6 Promise对象的应用实例分析
2019/06/27 Javascript
如何使用jQuery操作Cookies方法解析
2020/09/08 jQuery
[05:08]顺网杯ISS-DOTA2赛歌 少女偶像Lunar青春演绎
2013/12/05 DOTA
解决windows下Sublime Text 2 运行 PyQt 不显示的方法分享
2014/06/18 Python
详解Python如何生成词云的方法
2018/06/01 Python
Jupyter notebook在mac:linux上的配置和远程访问的方法
2019/01/14 Python
Python3中_(下划线)和__(双下划线)的用途和区别
2019/04/26 Python
python实现猜拳小游戏
2020/04/05 Python
python如何将两个txt文件内容合并
2019/10/18 Python
python实现飞行棋游戏
2020/02/05 Python
python使用scapy模块实现ARP扫描的过程
2021/01/21 Python
matplotlib之多边形选区(PolygonSelector)的使用
2021/02/24 Python
CSS3 二级导航菜单的制作的示例
2018/04/02 HTML / CSS
日本最大的旅游网站:Rakuten Travel(乐天旅游)
2018/08/02 全球购物
如何在Cookie里面保存Unicode和国际化字符
2013/05/25 面试题
如何通过jdbc调用存储过程
2012/04/19 面试题
《阳光》教学反思
2014/02/23 职场文书
2015年出纳年终工作总结
2015/05/14 职场文书
2019年幼儿园家长接送责任书
2019/10/29 职场文书
Html5获取用户当前位置的几种方式
2022/01/18 HTML / CSS
SQL Server使用CROSS APPLY与OUTER APPLY实现连接查询
2022/05/25 SQL Server