如何在 Python 中集成两个一维数据数组？

Posted 2023-02-16

【中文标题】如何在 Python 中集成两个一维数据数组？

【英文标题】：How do I integrate two 1-D data arrays in Python?

【发布时间】：2013-07-10 05:43:15

【问题描述】：

我有两个表格数据数组，x 和 y，但我不知道生成数据的函数。我希望能够评估沿 x 轴任意点数据产生的线的积分。

与其在数据中插入分段函数然后尝试对其进行积分，但我遇到了麻烦，我可以使用什么东西来简单地通过评估数组来提供积分吗？

在搜索解决方案时，我看到了对 iPython 和 Pandas 的引用，但我无法找到这些包中有助于完成这项任务的部分。

如果无法简单地集成数组，您能否就处理此任务的最佳方式提供一些建议？

【参考方案1】：

Scipy has some nice tools to perform numerical integration.

例如，您可以使用scipy.integrate.simps 执行辛普森规则，您可以将其传递如下：

scipy.integrate.simps(y, x=None, dx=1, axis=-1, even='avg')

参数： y : array_like 要集成的数组。

x：array_like，可选 如果给定，则采样 y 的点。

dx：整数，可选 沿 y 轴的积分点间距。仅在 x 为无时使用。默认为 1。

轴：int，可选 要整合的轴。默认是最后一个轴。

even : ‘avg’, ‘first’, ‘str’, 可选

‘avg’：平均两个结果：1) 使用前 N-2 个区间 最后一个区间的梯形规则和 2) 使用最后 N-2 个区间和第一个区间的梯形规则。

‘first’：对前 N-2 个区间使用 Simpson 规则 最后一个区间的梯形规则。

‘last’ : 对最后 N-2 个区间使用 Simpson 规则 第一个区间的梯形规则。

所以你可以使用你的两个数组进行数值积分。

【讨论】：

如果您要处理多个数组/列表怎么办？如何执行集成？

你让我很开心，非常感谢......它就像魔术一样工作，节省了很多时间

【参考方案2】：

Scipy 有一个 integration 功能可以帮助您。

如果您想使用cumulative sum of trapezoids 进行集成，这可能是一系列点的最佳选择。

你可以这样做：

>>> from scipy import integrate
>>> x = np.linspace(-2, 2, num=20)
>>> y = x
>>> y_int = integrate.cumtrapz(y, x, initial=0)
>>> plt.plot(x, y_int, 'ro', x, y[0] + 0.5 * x**2, 'b-')
>>> plt.show()

这还将绘制数据并以图形方式显示给您。这是集成调用integrate.cumtrapz(y, x, initial=0)，其中 x 和 y 是您的两个数组。

【讨论】：

无法编辑您的帖子。梯形累积和的实际正确链接在这里：docs.scipy.org/doc/scipy/reference/generated/…