集成在大型掩码数组上

Question

我试图在简单的1d插值上插入大量的y值，然后对结果进行积分。

以下是目前的代码：

wavelengths是一个形状[nredshifts，nwavelengths]

的数组

fluxes是一个形状[nmodels，nwavelengths]

的数组

from scipy.integrate import simps

transmission = scipy_interpolant(wavelengths)[..., np.newaxis]  # from a previously defined scipy.interpolate.interp1d class
propagated = transmission * fluxes.T
wavelengths = wavelengths[..., np.newaxis]
wavelengths = np.repeat(wavelengths, mult.shape[-1], axis=-1)
top = simps(propagated, wavelengths, axis=1)
bottom = simps(transmission, wavelengths, axis=1)

result = top / bottom  # shape of [nredshifts, nwavelengths]

此代码目前有效。然而，存在一个缺陷：整合产生额外的金额。如果我解释使用这些图片会更好：

正常整合将找到此曲线下的区域：

但我需要它来找到这条曲线下的区域：

所以我在3d数组上遇到这个1d问题（整合axis=1），并不是所有的x（波长）值都是一样的！

我可以非常轻松地使用1d数组：只需删除有问题的部分：例如x[(x > 3) & (x < 7)]。但是，我不能用三维数组做这个，因为它们的波长都是不同的。我尝试将违规条目设置为0或np.nan，然后simps只返回nan s。我已经尝试过使用蒙面数组，希望scipy很聪明，知道我想要什么，但似乎忽略了这些面具！

有什么想法吗？

由于