最近，越来越多的人经历了从“羊”到“羊康”的过程，都在关心正快速恢复的社会运转是不是能持久保持？第二波、第三波危害是不是降低很多？那学过编程的你，可以做些什么呢？
小畅君根据本次疫情发生情况创作了观测疫情的编程项目，通过HappyCoding编程来模拟和探索疫情的发展规律，下面就带大家看一看吧~
（点击图片打开作品）
下面让我们看一看这个作品的创作过程与背后逻辑吧：
一、需求分析：
我们需要用程序模拟病毒传播的过程，推测出一个城市每个阶段的生病人数，为防疫抗疫尽一份力！
二、利用计算思维进行系统分析：
1、分解问题：把需求分解成
(1)模拟病毒传播；
(2)用大数据展示每个时期生病人数情况。
2、模式匹配：
(1)用小球运动碰撞模型模拟病毒的传播：
A.小球模拟人，三种颜色代表人的三个状态健康无抗体、生病、健康有抗体，小球的运动代表人的流动；
B.小球的运动区域和数量模拟所在城市及人口密度，比如一个6500平方公里940万人口城市，按密度模拟出254个小球，每个小球代表3.71万人；
C.1秒模拟1天。
(2)用折线图展示每个时期生病人数。
3、抽象出流程及逻辑：
（1）当健康无抗体碰到带病，有90%概率从健康状态变到带病状态；
（2）等待2秒（模拟等待2天），然后发现自己生病了，速度降到了0（刚染上前2天不知道，到处跑，第3天有症状了，在家了）；
（3）等待6+随机数秒（模拟在家抗病6+n天,好了！每个人状态不一样，抗病时间不同）；
（4）好了后，成为免疫状态；
（5）免疫状态下，有3%的概率复阳，即绿球碰到红球，有3%的概率再次变成红球，复阳则重新走生病逻辑；
（6）免疫状态下，正常情况，等待90+随机数秒（根据医学判断，人免疫力能有3-6个月，此处模拟）；
（7）免疫力过后，又变成健康无抗体状态；
（8）把每秒有多少红色小球记录到列表中（即每天有多少人是生病状态）。
三、编程实现以上流程及逻辑。
四、测试运行，观察结果是否满足需求。
让我们再想一想？为什么第二次及以后高峰的生病人数远低于第一次？
答：第6点就是第二次及以后高峰为什么远低于第一次高峰的核心原因，因为第一次高峰基本上所有人都没有抵抗力，会同时感染。而以后，人的免疫力的消失或生成是不同时的，所以你身边始终都有抵抗力屏障存在，导致不可能再爆发像现在一样的高峰传染。