covsirphy 2.13.0

功能

• 数据准备和数据可视化
• Phase setting with S-R Trend analysis
• ODE模型的数值模拟
• 稳定：先生，先生-D和先生-F型号
• 开发：SIR-FV和SEWIR-F型号

灵感

• 监测COVID-19的扩散
• 在每个文件中保留跟踪参数值/复制编号 国家/省
• 找出繁殖数量的关系及采取的措施 每个国家

如果你有想法或需要新功能，请加入这个项目。 对Github Issues有什么建议吗 总是受到欢迎。请阅读Guideline of contribution 提前。在

安装

covisrphy的最新稳定版本可在PyPI (The Python Package Index): covsirphy和 支持Python3.6或更新版本。在

pip install --upgrade covsirphy

开发版本在GitHub repository: CovsirPhy中。在

用法

最快的科夫西菲之旅就在这里。以下代码分析 日本的唱片，但我们可以在创建时更改国家名称 Scenario类实例用于您自己的分析。在

importcovsirphyascs# Download and update datasetsdata_loader=cs.DataLoader("input")jhu_data=data_loader.jhu()population_data=data_loader.population()# Check recordssnl=cs.Scenario(jhu_data,population_data,country="Japan")snl.records()# S-R trend analysissnl.trend().summary()# Parameter estimation of SIR-F modelsnl.estimate(cs.SIRF)# History of reproduction number_=snl.history(target="Rt")# History of parameters_=snl.history_rate()_=snl.history(target="rho")# Simulation for 30 dayssnl.add(days=30)_=snl.simulate()

更多信息：

• Quickest version
• Quick version
• Details: datasets
• Details: phases
• Details: theoretical datasets
• Details: policy measures
• “example” directory of this repository中的示例代码
• Kaggle: COVID-19 data with SIR model

支持

请作为开发人员（或支持者）支持此项目。

许可证：Apache许可证2.0

请参考 LICENSE 文件。在

引文

我们没有作者和作者写的原创论文，但是请 引用这个包如下。在

CovsirPhy开发团队（2020），CovsirPhy，Python包 用SIR衍生的ODE模型进行COVID-19分析， https://github.com/lisphilar/covid19-sir

如果你想使用SIR-F/SIR-FV/SEWIR-F模型，S-R趋势分析， SIR衍生模型的相位相关方法，以及其他科学方法 方法用covisrphy执行，请引用下一个Kaggle笔记本。在

Lisphilar（2020），Kaggle笔记本，COVID-19数据，SIR模型， https://www.kaggle.com/lisphilar/covid-19-data-with-sir-model

相关工作