无需Pandas，在同一张图中绘制CSV文件的SIR疫情模拟曲线

你的代码主要存在几个核心问题：没有生成正确的X轴天数序列、未将数据归一化到0-1的比例范围、绘图逻辑未正确关联X/Y轴数据。以下是修正后的完整代码及说明：

import numpy as np
import matplotlib.pyplot as plt

s = []
i = []
r = []
with open("pan.csv","r") as f:
    # 读取行并去除换行符，避免分割后出现空元素
    lis = [line.strip().split(",") for line in f]    
    # 读取120天的数据（对应原代码的range(1,121)）
    for n in range(1, 121):
        s.append(int(lis[n][0]))
        i.append(float(lis[n][1]))
        r.append(float(lis[n][2]))

# 生成X轴：1到120天的序列
days = np.arange(1, 121)

# 数据归一化到0-1范围（假设S是人数，I/R已为比例；若都是人数，看下方补充）
total_pop = s[0] / (1 - i[0] - r[0])  # 用第一天数据反推总人数
s_normalized = [num / total_pop for num in s]

# 创建绘图对象并绘制三条曲线
fig, ax = plt.subplots()
ax.plot(days, s_normalized, label='易感者(S)')
ax.plot(days, i, label='感染者(I)')
ax.plot(days, r, label='康复者(R)')

# 设置图表属性
ax.set_xlabel('天数')
ax.set_ylabel('比例(0-1)')
ax.set_title('疫情SIR模型模拟曲线')
ax.set_ylim(0, 1)  # 强制Y轴固定在0-1区间
ax.legend()  # 显示曲线图例

plt.show()

补充：若CSV中S/I/R都是绝对人数 #

只需要修改归一化部分，将所有数据转换为比例：

# 总人数取第一天的总和（假设无死亡，总人数全程不变）
total_pop = s[0] + i[0] + r[0]
s_normalized = [num / total_pop for num in s]
i_normalized = [num / total_pop for num in i]
r_normalized = [num / total_pop for num in r]

# 绘图时替换为归一化后的I/R
ax.plot(days, s_normalized, label='易感者(S)')
ax.plot(days, i_normalized, label='感染者(I)')
ax.plot(days, r_normalized, label='康复者(R)')

内容的提问来源于stack exchange，提问作者Hebe