使用SciPy的执行样本的离散整合(Using scipy to perform discrete

我试图端口LabVIEW与蟒蛇。

LabVIEW中存在，将一组样品的作为输入的函数“积分X（t）的VI”，执行样本的离散积分并返回根据辛普森规则值的列表（曲线下的区域）。

我试图找到在SciPy的，如scipy.integrate.simps同等的功能，但这些功能返回总结整体跨越，样本集，为float。

我如何获得的累计值的列表，而不是其累计值的总和？

我只是看问题的周围走错了路？

Answer 1:

我想你可能使用scipy.integrate.simps稍微不正确。 返回的面积scipy.integrate.simps是下的总面积y （通过第一个参数）。 第二个参数是可选的，并且对于x轴（针对每个y值的实际x值）的采样值。 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

我想你想不同的限制之间的相同曲线下返回领域？ 要做到这一点，你通过你想，这样的曲线部分：

>>> 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:

只有一个在SciPy的方法，做一体化累计是scipy.integrate.cumtrapz()这是你想要的，只要你不特别需要使用辛普森的规则或另一种方法是什么。 对于这一点，你可以按照建议总是写上自己的循环。

文章来源: Using scipy to perform discrete integration of the sample