使用scipy执行样本的离散积分

Question

我想从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,但这些函数返回整个样本集合中的求和积分,作为浮点数.

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

我想你可能会稍微错误地使用scipy.integrate.simps.返回的区域 scipy.integrate.simps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

我想你想在不同极限之间返回相同曲线下的区域？要做到这一点,你传递你想要的曲线部分,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