使用Python网络x生成一个SIS流行病学模型

Question

有人告诉我python中的networkx库是图论应用程序的标准库，但到目前为止，我发现使用它相当令人沮丧。在

我想做的是： 建立SIS流行病学网络，指定初始接触率和恢复率，然后跟踪疾病进展。在

更准确地说，想象一个由n个体和邻接矩阵a组成的网络。A的值在[0,1]范围内，且接触率。这意味着（i，j）条目显示了疾病从nodei转移到nodej的概率。最初，每个节点被分配一个随机标签，可以是1（对于感染的个体）或0（对于易感的，是尚未感染疾病的节点）。在

在每个时间步，如果节点有一个0标签，那么在概率等于节点的传入边权重的最大值的情况下，它可以变成1。如果节点有一个1标签，那么以其恢复率指定的概率，它可以变成0。恢复率是在模拟开始时分配给每个节点的值，其范围在[0,1]范围内。在

当网络在每一个时间步进化时，我想用不同颜色的每个节点标签来显示网络。在

如果有人知道python中的其他库可以比netrokx更高效地完成这项工作，请告诉我。在

Answer 1

您使用networkx进行计算还是可视化？在

不需要使用它进行计算，因为您的模型很简单，并且使用矩阵（向量）运算更容易计算它。那是适合纽比的。在

步骤的主要部分是计算从0切换到1的概率。设N为向量，每个节点根据状态存储0或1。节点n从0切换到1的概率是numpy.amax(A[n,:] * N)。在

如果您需要可视化，那么可能有比networkx更好的库。在