Question

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Simpsons规则返回值列表（曲线下面积）

我试图在scipy中找到一个等效函数，例如scipy.integrate.simps，但这些函数在一组样本中返回求和积分，作为一个浮点数。

如何获得积分值列表而不是积分值之和？

我只是错误地看待问题吗？

Answer 1

我认为您可能会稍微错误地使用scipy.integrate.simps。 scipy.integrate.simps返回的区域是y下的总面积（传递的第一个参数）。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

我认为您希望在不同限制之间返回相同曲线下的区域？为此，您可以传递所需曲线的一部分，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

Answer 2

只有您不需要使用Simpson规则或其他方法，SciPy中只有一种方法可以执行累积整合scipy.integrate.cumtrapz()，它可以满足您的需求。为此，您可以按照建议始终自行编写循环。

使用scipy执行样本的离散积分

2 个答案: