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
Eclipse中Python开发环境搭建简单教程
Mar 23 Python
python执行使用shell命令方法分享
Nov 08 Python
python实现搜索文本文件内容脚本
Jun 22 Python
利用python循环创建多个文件的方法
Oct 25 Python
详解Python对JSON中的特殊类型进行Encoder
Jul 15 Python
PYTHON绘制雷达图代码实例
Oct 15 Python
Python Scrapy图片爬取原理及代码实例
Jun 12 Python
python判断是空的实例分享
Jul 06 Python
python如何导出微信公众号文章方法详解
Aug 31 Python
Python实现淘宝秒杀功能的示例代码
Jan 19 Python
python 实现mysql自动增删分区的方法
Apr 01 Python
教你如何用Python实现人脸识别(含源代码)
Jun 23 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的zip解压缩类pclzip使用示例
2014/03/14 PHP
php中出现空白页的原因及解决方法汇总
2014/07/08 PHP
PHP简单实现HTTP和HTTPS跨域共享session解决办法
2015/05/27 PHP
PHP mkdir创建文件夹实现方法解析
2020/11/13 PHP
jQuery实现设置、移除文本框默认值功能
2015/01/13 Javascript
javascript中replace( )方法的使用
2015/04/24 Javascript
JavaScript实现动态添加,删除行的方法实例详解
2015/07/02 Javascript
JavaScript事件 &quot;事件对象&quot;的注意要点
2016/01/14 Javascript
JavaScript html5 canvas绘制时钟效果
2016/03/01 Javascript
bootstrap导航条实现代码
2016/12/28 Javascript
JavaScript控制输入框中只能输入中文、数字和英文的方法【基于正则实现】
2017/03/03 Javascript
JS判断一个数是否是水仙花数
2017/06/11 Javascript
基于jQuery和CSS3实现APPLE TV海报视差效果
2017/06/16 jQuery
js中arguments对象的深入理解
2019/05/14 Javascript
解决vue项目运行npm run serve报错的问题
2020/10/26 Javascript
python基于phantomjs实现导入图片
2016/05/13 Python
Python中%是什么意思?python中百分号如何使用?
2018/03/20 Python
python编辑用户登入界面的实现代码
2018/07/16 Python
PyCharm设置SSH远程调试的方法
2018/07/17 Python
用Python实现数据的透视表的方法
2018/11/16 Python
Python给图像添加噪声具体操作
2019/03/03 Python
django的model操作汇整详解
2019/07/26 Python
基于Python词云分析政府工作报告关键词
2020/06/02 Python
Myprotein芬兰官网:欧洲第一运动营养品牌
2019/05/05 全球购物
幼儿园春季开学寄语
2014/04/03 职场文书
党员承诺书格式
2014/05/21 职场文书
2014年爱国卫生工作总结
2014/11/22 职场文书
2014年信息宣传工作总结
2014/12/18 职场文书
会计专业自荐信范文
2015/03/05 职场文书
食品药品安全责任书
2015/05/11 职场文书
电影红河谷观后感
2015/06/11 职场文书
国庆阅兵观后感
2015/06/15 职场文书
《迟到》教学反思
2016/02/24 职场文书
pytorch交叉熵损失函数的weight参数的使用
2021/05/24 Python
Redis模仿手机验证码发送的实现示例
2021/11/02 Redis
vue实现移动端div拖动效果
2022/03/03 Vue.js