Question

我需要执行2D集成（一维具有无限边界）。在MatLab中，我已经完成了积分2：

int_x = integral2(fun, 0, inf, 0, a, 'abstol', 0, 'reltol', 1e-6);

在Python中，我尝试了scipy的dblquad：

int_x = scipy.integrate.dblquad(fun, 0, numpy.inf, lambda x: 0, lambda x: a, epsabs=0, epsrel=1e-6)

，并且还尝试使用嵌套的单个四边形。不幸的是，这两个scipy选项所花费的时间都是MatLab的80倍左右。

我的问题是：Python内是否有不同的2D积分实现方式可能更快（我尝试过“ quadpy”却没有太大好处）？或者，我可以编译MatLab的积分函数并从python调用它，而无需MatLab运行时（甚至是洁净的）吗？

提前谢谢！布拉德

更新：

结果是我没有发布公式的图像的“声誉”，因此请耐心等待以下格式：fun（N，t）= P（N）N ^ 2 S（N，t），其中P（N）是对数正态分布，S（N，t）相当复杂，但最简单的形式是指数，最复杂的形式是超几何函数（截断序列）。 N从0到无穷大积分，t从0到pi积分。

Answer 1

首先，简介。如果个人资料告诉您fun是对它的评估，那么最好的选择是numba.jit，或用Cython重写它。

Answer 2

我曾经创建quadpy是因为scipy正交函数对我来说太慢了。如果您可以将被积分数转换为相应的形式之一（例如，具有权重函数exp(-x)或exp(-x^2)的2D平面），则应该看一下。