使用ndlib的SIR模型在2D网格网络运行时遇ValueError问题求助

问题背景 #

尝试使用ndlib的SIR模型分析2D网格网络中的疫情传播行为，实现代码如下：

import networkx as nx
import ndlib.models.ModelConfig as mc
import ndlib.models.epidemics as ep
from ndlib.viz.mpl.DiffusionTrend import DiffusionTrend

g3 = nx.grid_2d_graph(80,80) 
model3 = ep.SIRModel(g3)
cfg = mc.Configuration()
cfg.add_model_parameter('lambda',beta)
cfg.add_model_parameter("fraction_infected",0.05)
cfg.add_model_parameter('beta',0.9)
cfg.add_model_parameter('gamma',0.05)

model3.set_initial_status(cfg)
iterations3 = model3.iteration_bunch(500)
trends3 = model3.build_trends(iterations3)

执行model3.set_initial_status(cfg)时触发错误：

ValueError                                Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_11068/1868465894.py in <module>
      7 cfg.add_model_parameter('gamma',0.05)
      8 
----> 9 model3.set_initial_status(cfg)
     10 iterations3 = model3.iteration_bunch(500)
     11 trends3 = model3.build_trends(iterations3)

~\anaconda3\lib\site-packages\ndlib\models\DiffusionModel.py in set_initial_status(self, configuration)
    173 
    174                 available_nodes = [n for n in self.status if self.status[n] == 0]
---> 175                 sampled_nodes = np.random.choice(available_nodes, int(number_of_initial_infected), replace=False)
    176                 for k in sampled_nodes:
    177                     self.status[k] = self.available_statuses['Infected']

mtrand.pyx in numpy.random.mtrand.RandomState.choice()

ValueError: a must be 1-dimensional

错误原因 #

nx.grid_2d_graph(80,80)生成的节点是二元组格式（例如(0,0)、(0,1)），而ndlib在初始化感染节点时调用的np.random.choice不支持将多维元素（元组）作为采样输入，因此抛出a must be 1-dimensional的错误。

解决方案 #

将网格图的节点标签转换为整数ID，使用NetworkX的nx.convert_node_labels_to_integers()函数即可实现，该函数会把原有的二元组节点替换为连续的整数（0,1,2,...），同时保留网络的拓扑结构不变。

修改后的代码如下：

import networkx as nx
import ndlib.models.ModelConfig as mc
import ndlib.models.epidemics as ep
from ndlib.viz.mpl.DiffusionTrend import DiffusionTrend

# 生成2D网格图并转换节点标签为整数
g3 = nx.grid_2d_graph(80,80) 
g3 = nx.convert_node_labels_to_integers(g3)  # 新增节点标签转换步骤

model3 = ep.SIRModel(g3)
cfg = mc.Configuration()
# 移除无效参数：SIR模型无需lambda，且原代码中beta变量未定义
# cfg.add_model_parameter('lambda',beta)
cfg.add_model_parameter("fraction_infected",0.05)
cfg.add_model_parameter('beta',0.9)
cfg.add_model_parameter('gamma',0.05)

model3.set_initial_status(cfg)
iterations3 = model3.iteration_bunch(500)
trends3 = model3.build_trends(iterations3)

# 可选：绘制传播趋势图
viz = DiffusionTrend(model3, trends3)
viz.plot()

额外说明：原代码中cfg.add_model_parameter('lambda',beta)存在两个问题：一是beta变量未定义，二是SIR模型的核心参数为beta（感染率）和gamma（恢复率），lambda属于SI/SIS等其他模型的参数，因此建议移除该行避免冗余配置。

内容的提问来源于stack exchange，提问作者Howlhoff