Python scipy中时变系数常微分方程

我正在评估一组具有时变系数的常微分方程

def deriv(y, t, N, coefficients):
    S, I, R = y
    dSdt = coefficients['beta'](t) * S * I / N * -1
    dIdt = coefficients['beta'](t) * S * I / N - coefficients['gamma']* I
    dRdt = coefficients['gamma'] * I
    return dSdt, dIdt, dRdt

特别是，我在预先计算的数组中有“beta”值，大小等于int（max（t））

当我运行odeint时，它也会对超过max（t）的值进行求值，从而在beta_f中产生索引越界错误。 如何限制odeint的计算范围？

由于

len（mybetas）==int（max（t））

，即使对于不超过max（t）的t值，您也可以得到越界错误。 例如，

mybetas.iloc[int（max（t））]

将给出越界错误，即使

int（max（t））
coefficients = {'beta' : beta_f,'gamma':0.1}
def beta_f(t):
     return  mybetas.iloc[int(t)]

# Initial conditions vector
y0 = (S0, I0, R0)
# Integrate the SIR equations over the time grid, t.
ret = odeint(deriv,y0,t,args=(N,coefficients))