使用scipy进行样本的离散积分

Question

我正在尝试从labview迁移到python。

在labview中，有一个名为“Integral x(t) VI”的函数，它将一组样本作为输入，执行样本的离散积分，并根据Simpsons规则返回一系列值（曲线下的面积）。

我尝试在scipy中找到等效的函数，例如scipy.integrate.simps，但这些函数返回一组样本的总积分，作为一个浮点数。

如何获得集成值列表，而不是集成后的值之和？

我是不是只是从错误的角度考虑这个问题？

- user1425750

Answer 1

我认为你可能有些不正确地使用了scipy.integrate.simps。由scipy.integrate.simps返回的面积是y（传递的第一个参数）下的总面积。第二个参数是可选的，并且是x轴的样本值（每个y值的实际x值）。例如：

>>> import numpy as np
>>> import scipy
>>> a=np.array([1,1,1,1,1])
>>> scipy.integrate.simps(a)
4.0
>>> scipy.integrate.simps(a,np.array([0,10,20,30,40]))
40.0

我认为你想要计算在不同限制下相同曲线下的面积？要做到这一点，你需要传递你想要的曲线部分，像这样：

>>> a=np.array([0,1,1,1,1,10,10,10,10,0])
>>> scipy.integrate.simps(a)
44.916666666666671
>>> scipy.integrate.simps(a[:5])
3.6666666666666665
>>> scipy.integrate.simps(a[5:])
36.666666666666664

- fraxel

---

是的，这就是我想要实现的。我猜我期望使用数学的魔力会有一种更“快速”的方法。另外，你将Python列表强制转换为numpy.array的原因是什么？ - user1425750

如果你有一堆起点和终点，你可以这样做：[scipy.integrate.simps(y[s:e]) for s,e in [(s1,e1),(s2,e2),...etc.]]。使用numpy数组可能更快，在某些函数中它们是必要的，特别是在使用特殊轴特性等时。但在此示例中，它适用于普通列表 :) - fraxel

谢谢！我并不是完全不懂循环，但还是感谢你的提示。至于numpy数组，和我想的一样。 - user1425750

Answer 2

在SciPy中只有一种累积积分的方法，即scipy.integrate.cumtrapz()，只要您不需要特别使用辛普森规则或其他方法，它就能满足您的需求。如果需要，您可以按建议自己编写循环。

- kjyv