-
Notifications
You must be signed in to change notification settings - Fork 15
/
using_matplotlib.py
150 lines (131 loc) · 6.3 KB
/
using_matplotlib.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
''' modélisation de la propagation d'un virus '''
""" importation """
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
import random as rd
import time
from scipy.spatial import distance
def distance_e(x, y): # distance entre 2 points du plan cartésien
return distance.euclidean([x[0],x[1]],[y[0],y[1]])
def remove_(a,l): #pour supprimer de la liste des sains (a) les nouveaux infectés (l)
for i in range (len(l)):
a.remove(l[i])
return(list(a))
def chance_infecte(p): # return True si il devient infecté avec une proba p
return rd.randint(0, 100) < int(p * 100)
def immuniser(l, l2, p): #l: infectés; l2: immunisés précédents
coord_immu = []
l_p = l[:] # création d'une copie pour éviter d'erreur d'indice
for i in range(len(l_p)):
proba = int(p * 100)
if rd.randint(0, 100) <= proba:
coord_immu.append(l_p[i])
l.remove(l_p[i])
coord_immu += l2 #on ajoute les immunisés précédents
return list(l), coord_immu
def deces(l, l2, l3, p): #l: infectés; l2: décès précédents; l3: immunisés
coord_deces = []
l_p = l[:] # création d'une copie pour éviter d'erreur d'indice
for i in range(len(l_p)):
proba = int(p * 100)
if rd.randint(0, 100) <= proba and l_p[i] not in l3:
coord_deces.append(l_p[i])
l.remove(l_p[i])
coord_deces += l2 #on ajoute les décès précédents
return list(l), coord_deces
""" Afficher la vague où le virus ne circule plus, avec les graphiques """
## version non optimisée, voir version plotly
def vague_seuil(nb_individu, var_population, rayon_contamination, infectiosite, p, d):
# recommandé :
# nb_individu=500; var_population=2; rayon_contamination=2,infectiosité=0.7;p=0.4;d=0.3
# cette fonction affiche la vague ou le nombre de personnes saines devient constant ou que le nombre d'infectés est nul
# c'est à dire que le virus ne circule plus
# NOTE : si les courbes restent constantes, augmentez le rayon de contamination
# si le virus est trés mortel il n'y aura pas beaucoup de propagation
if nb_individu < 10 or var_population <= 0 or rayon_contamination <= 0:
return 'error, nb_individu and var_population and rayon_contamination must be >=10 and > 0'
if infectiosite < 0 or infectiosite > 1:
return 'error, infectiosité must be in [0,1]'
if p < 0 or p > 1:
return 'error, p must be in [0,1]'
if d < 0 or p > 1:
return 'error, d must be in [0,1]'
# création des figures
ax = plt.figure()
ax1 = ax.add_subplot(1, 2, 1)
ax2 = ax.add_subplot(1, 2, 2)
# création des courbes finales
courbe_sains = []
courbe_infectes = []
courbe_immunises = []
courbe_deces = []
# dataset
x, y = make_blobs(n_samples=nb_individu, centers=3, cluster_std=var_population) # création du dataset
taille_pop = len(x)
numero_infecte_1 = rd.randint(0, taille_pop) # on choisit le premier individu infecté au hasard
coord_1er_infecte = [x[:, 0][numero_infecte_1], x[:, 1][numero_infecte_1]] # coordonnées du 1er infecté
courbe_sains.append(taille_pop - 1)
courbe_infectes.append(1)
courbe_immunises.append(0)
courbe_deces.append(0)
# 1er vague
coord_infectes = [] # cette liste sera implémentée des nouveaux cas
coord_sains = [] # liste des cas sains
for k in range(taille_pop):
if [x[:, 0][k], x[:, 1][k]] == coord_1er_infecte:
coord_infectes.append(coord_1er_infecte)
elif distance(coord_1er_infecte, [x[:, 0][k], x[:, 1][k]]) < rayon_contamination and chance_infecte(
infectiosite):
coord_infectes.append([x[:, 0][k], x[:, 1][k]])
else:
coord_sains.append([x[:, 0][k], x[:, 1][k]])
courbe_sains.append(len(coord_sains))
courbe_infectes.append(len(coord_infectes))
courbe_immunises.append(0)
courbe_deces.append(0)
# vagues 2 à n
coord_immunises = [] # on initialise
coord_deces = []
#for i in range(n - 2):
i = 1
while len(coord_infectes)>0.2*taille_pop or len(courbe_sains)<5 :
non_sains = []
coord_infectes1, coord_immunises = immuniser(coord_infectes, coord_immunises, p)
coord_infectes, coord_deces = deces(coord_infectes1, coord_deces, coord_immunises, d)
for k in range(len(coord_infectes)):
for j in range(len(coord_sains)):
if distance(np.array(coord_infectes)[k, :],
np.array(coord_sains)[j, :]) < rayon_contamination and np.array(coord_sains)[j,:] not in np.array(coord_infectes) and chance_infecte(infectiosite):
coord_infectes.append(list(np.array(coord_sains)[j, :]))
non_sains.append(list(np.array(coord_sains)[j, :]))
coord_sains = remove_(coord_sains, non_sains)
# pour les courbes finales
courbe_sains.append(len(coord_sains))
courbe_infectes.append(len(coord_infectes))
courbe_immunises.append(len(coord_immunises))
courbe_deces.append(len(coord_deces))
i += 1 # vague suivante
if coord_sains != []:
ax1.scatter(np.array(coord_sains)[:, 0], np.array(coord_sains)[:, 1], c='dodgerblue')
if coord_infectes != []:
ax1.scatter(np.array(coord_infectes)[:, 0], np.array(coord_infectes)[:, 1], c='firebrick')
if coord_immunises != []:
ax1.scatter(np.array(coord_immunises)[:, 0], np.array(coord_immunises)[:, 1], c='g')
if coord_deces != []:
ax1.scatter(np.array(coord_deces)[:, 0], np.array(coord_deces)[:, 1], c='k')
titre = str(i)+'-ième vague'
ax1.set_title(titre, fontsize=8)
ax1.axis('off')
ax2.pie([len(coord_infectes), len(coord_sains), len(coord_immunises), len(coord_deces)],
colors=['firebrick', 'dodgerblue', 'g', 'dimgrey'], labels=('infectés', 'sains', 'immunisés', 'décès'),
shadow=True, autopct='%1.1f%%')
plt.figure()
x_courbe = list(np.arange(0, len(courbe_sains)))
plt.plot(x_courbe, courbe_sains, label='sains', c='dodgerblue')
plt.plot(x_courbe, courbe_infectes, label='infectés', c='firebrick')
plt.plot(x_courbe, courbe_immunises, label='immunisés', c='g')
plt.plot(x_courbe, courbe_deces, label='décès', c='k')
plt.legend()
print(i,'ième vague')
plt.show()