معرفی شرکت ها


covid-modeling-0.1.1


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

COVID-19 Modeling
ویژگی مقدار
سیستم عامل -
نام فایل covid-modeling-0.1.1
نام covid-modeling
نسخه کتابخانه 0.1.1
نگهدارنده ['David Josephs']
ایمیل نگهدارنده ['josephsd@smu.edu']
نویسنده -
ایمیل نویسنده -
آدرس صفحه اصلی https://github.com/josephsdavid/COVID_modeling
آدرس اینترنتی https://pypi.org/project/covid-modeling/
مجوز MIT
# COMODELS Models for COVID - 19 For documentation, see the docstrings! Much more to come. For help: ```python import comodels help(comodels) help(comodels.PennDeath) help(comodels.Penn) ``` ## Penn Death model ```python # import the penn model import matplotlib.pyplot as plt from comodels import PennDeath help(PennDeath) tx = PennDeath(N = 28304596, I = 223, R = 0, D = 3, D_today = 2) help(PennDeath.sir) def plot_penn(Pdp: PennDeath, n_days: int) -> None: # predict the coming storm and plot it curve, admissions = Pdp.sir(n_days) fig, ax = plt.subplots(1,3, figsize=(15,5)) for k, v in curve.items(): if k not in Pdp.rates.keys() : ax[0].plot(v, label=k) ax[0].legend() else: ax[1].plot(v, label=k) ax[1].legend() ax[1].set_title('Hospital Resource Usage') ax[0].set_title('SIR curve') for k, v in admissions.items(): ax[2].plot(v, label = k) ax[2].legend() ax[2].set_title('Additional Resource Usage by day') fig.suptitle(f"No social distancing, total deaths = {int(max(curve['dead']))}") plt.show() plot_penn(tx, 120) print(curve.keys()) print(occupancy.keys()) ```


نیازمندی

مقدار نام
- numpy


نحوه نصب


نصب پکیج whl covid-modeling-0.1.1:

    pip install covid-modeling-0.1.1.whl


نصب پکیج tar.gz covid-modeling-0.1.1:

    pip install covid-modeling-0.1.1.tar.gz