SciPy 集成
当一个函数不能解析积分,或者很难解析积分时,一般会求助于数值积分方法。 SciPy 有许多用于执行数值积分的例程。他们中的大多数都在同一个 scipy.integrate 图书馆。下表列出了一些常用的函数。
Sr No. | 功能说明 |
---|---|
1 |
quad 单一集成 |
2 |
dblquad 双重整合 |
3 |
tplquad 三重整合 |
4 |
nquad n -折叠多重集成 |
5 |
固定四边形 高斯求积,n 阶 |
6 |
正交 公差的高斯正交 |
7 |
romberg 隆贝格整合 |
8 |
trapz 梯形规则 |
9 |
cumtrapz 累积计算积分的梯形规则 |
10 |
simps 辛普森法则 |
11 |
romb 隆贝格整合 |
12 |
polyint 分析多项式积分 (NumPy) |
13 |
poly1d polyint (NumPy) 的辅助函数 |
单积分
Quad 函数是 SciPy 集成函数的主力。数值积分有时被称为 正交 , 由此得名。它通常是执行函数单积分的默认选择 f(x) 在从 a 到 b 的给定固定范围内。
$$\int_{a}^{b} f(x)dx$$
四边形的一般形式是 scipy.integrate.quad(f, a, b) , 其中‘f’是要集成的函数的名称。而“a”和“b”分别是下限和上限。让我们看一个在 0 和 1 范围内积分的高斯函数示例。
我们首先需要定义函数 → $f(x) = e^{-x^2}$ ,这可以使用 lambda 表达式来完成,然后在该函数上调用 quad 方法。
import scipy.integrate from numpy import exp f= lambda x:exp(-x**2) i = scipy.integrate.quad(f, 0, 1) print i
上述程序将生成以下输出。
(0.7468241328124271, 8.291413475940725e-15)
quad 函数返回两个值,其中第一个数字是积分值,第二个值是积分值绝对误差的估计值。
注意 :由于quad需要函数作为第一个参数,所以不能直接传入exp作为参数。 Quad 函数接受正无穷和负无穷作为限制。 Quad 函数可以集成单个变量的标准预定义 NumPy 函数,例如 exp、sin 和 cos。
多重积分
双重和三重整合的机制已包含在函数中 dblquad, tplquad and nquad .这些函数分别集成了四个或六个参数。所有内积分的极限都需要定义为函数。
双积分
的一般形式 dblquad 是 scipy.integrate.dblquad(func, a, b, gfun, hfun)。其中,func是要积分的函数名,'a'和'b'分别是x变量的下限和上限,而gfun和hfun是定义下限和上限的函数名y 变量。
作为一个例子,让我们执行双重积分方法。
$$\int_{0}^{1/2} dy \int_{0}^{\sqrt{1-4y^2}} 16xy \:dx$$
我们使用 lambda 表达式定义函数 f、g 和 h。请注意,即使 g 和 h 是常数(在许多情况下可能是常数),它们也必须定义为函数,正如我们在此处为下限所做的那样。
import scipy.integrate from numpy import exp from math import sqrt f = lambda x, y : 16*x*y g = lambda x : 0 h = lambda y : sqrt(1-4*y**2) i = scipy.integrate.dblquad(f, 0, 0.5, g, h) print i
上述程序将生成以下输出。
(0.5, 1.7092350012594845e-14)
除了上述例程之外,scipy.integrate 还有许多其他集成例程,包括执行 n 倍多重积分的 nquad,以及实现各种积分算法的其他例程。但是,quad 和 dblquad 将满足我们对数值积分的大部分需求。