使用 scipy 对样本进行离散积分答案

【问题标题】：Using scipy to perform discrete integration of the sample使用 scipy 对样本进行离散积分
【发布时间】：2012-06-04 13:46:48
【问题描述】：

我正在尝试从 labview 移植到 python。

在labview中有一个函数“Integral x(t) VI”，它将一组样本作为输入，执行样本的离散积分并根据辛普森规则返回一个值列表（曲线下的区域） .

我试图在 scipy 中找到一个等效的函数，例如scipy.integrate.simps，但这些函数以浮点数形式返回整个样本集的总积分。

如何获得综合值列表而不是综合值的总和？

我只是在错误地看待问题吗？

【问题讨论】：

标签： python integration scipy integral

【解决方案1】：

我认为您可能使用 scipy.integrate.simps 略有错误。 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，是 x 轴的样本值（每个 y 值的实际 x 值）。即：

>>> 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

我认为您想返回不同限制之间同一曲线下的区域？为此，您需要传递所需的曲线部分，如下所示：

>>> 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

【讨论】：

是的，这就是我想要实现的。我想我期待会有一种使用数学魔法的“更快”的方式。顺便说一句，您是否有理由将 Python 列表强制为 numpy.array？
@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 数组可能会更快，并且对于某些函数，它们是必需的，特别是在使用特殊轴功能等时。但在这个例子中，它适用于常规列表:)
谢谢！我不是在海上，我不能使用循环，但谢谢你的小费。 numpy 数组的事情和我想的一样。

【解决方案2】：

SciPy 中只有一种方法可以进行累积积分，即scipy.integrate.cumtrapz()，只要您不需要特别使用辛普森规则或其他方法，它就可以满足您的需求。为此，您可以按照建议始终自己编写循环。

【讨论】：