_people 是一个坐标矩阵，只要生成移动距离矩阵 dt，然后它相加即可。我们可以设置一个可移动的范围 width，把移动距离控制在一定范围内。
def move(self, width=1, x=.0): movement = self.random_movement(width=width) # 限定特定状态的人员移动 switch = self.random_switch(x=x) movement[switch == 0] = 0 self._people = self._people + movement这里还需要增加一个控制移动意向的选项，仍然是利用了正态分布概率。考虑到这种场景有可能会重用，所以特地把这个方法提取了出来，生成一个只包含 0 1 的数组充当开关。
def random_switch(self, x=0.): """随机生成开关，0 - 关，1 - 开 x 大致取值范围 -1.99 - 1.99； 对应正态分布的概率， 取值 0 的时候对应概率是 50% :param x: 控制开关比例 :return: """ normal = np.random.normal(0, 1, self.count) switch = np.where(normal < x, 1, 0) return switch 输出结果有了一切数据和变化之后，接下来最重要的事情自然就是图形化显示结果了。直接使用 matplotlib 的散点图就可以了：
def report(self): plt.cla() # plt.grid(False) p1 = plt.scatter(self.healthy[:, 0], self.healthy[:, 1], s=1) p2 = plt.scatter(self.infected[:, 0], self.infected[:, 1], s=1, c='pink') p3 = plt.scatter(self.confirmed[:, 0], self.confirmed[:, 1], s=1, c='red') plt.legend([p1, p2, p3], ['healthy', 'infected', 'confirmed'], loc='upper right', scatterpoints=1) t = "Round: %s, Healthy: %s, Infected: %s, Confirmed: %s" % \ (self._round, len(self.healthy), len(self.infected), len(self.confirmed)) plt.text(-200, 400, t, ha='left', wrap=True) 实际效果启动。
if __name__ == '__main__': np.random.seed(0) plt.figure(figsize=(16, 16), dpi=100) plt.ion() p = People(5000, 3) for i in range(100): p.update() p.report() plt.pause(.1) plt.pause(3)因为这个小 demo 主要是个人用来练手，目前一些参数没有完全抽出来。有需要的只能直接改源码。
后记从多次实验的结果，通过调整人员的流动意愿，流动距离等因素，是可以得到直观的结论的。
本人也是初次使用 numpy 和 matplotlib，现学现卖，若有使用不当之处请指正。其中的概率参数设置 基本没有科学依据，仅供 Python 爱好者参考。
总得来说，用 numpy 来模拟病毒感染情况应该是能行得通的。但是其中的影响因子还需要仔细设计。性能也是需要考量的问题。
源码地址
愿疫情能早日过去，武汉加油，中国加油