SciPy - integration.cumulative_simpson() 方法

SciPy integrate.cumulative_simpson() 方法用于通过考虑单个点与两个相邻点之间的二次关系来计算每个对的坐标。

语法

以下是 SciPy integrate.cumulative_simpson() 方法的语法 −

cumulative_simpson(var1, var2)
或，
cumulative_simpson(var1, var2, sample_point)

参数

此方法接受以下参数 −

var1:此参数用于表示各种内置函数，如linspace()、sin()等。
var2:此参数表示简单的数学计算。
sample_point:这是坐标/采样点所需的可选参数。

返回值

此方法以两种不同的形式返回结果，即值列表和matplotlib图形。

示例1

以下是演示SciPy integrate.cumulative_simpson()方法用法的基本示例。

from scipy import integrate
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-2, 2, num=10)
y = x**2
y_int = integrate.cumulative_simpson(y, x=x, initial=0)
fig, ax = plt.subplots()
ax.plot(x, y_int, 'go', x, x**3/3 - (x[0])**3/3, 'b-')
ax.grid()
plt.show()

输出

上述代码产生以下结果 −

示例 2

该程序使用 sin() 函数计算 0 和 2pi 间隔内的样本(坐标)点，其中两点之间的间距设置为 0.1。使用cumulative_simpson()方法后，结果将存储为列表。

import numpy as np
from scipy.integrate importcumulative_simpson

# 声明 y 和 dx 值
y = np.sin(np.linspace(0, 2 * np.pi, 50))
dx = 0.1 # y 元素之间的间距

# 累积积分运算
cum_integral =cumulative_simpson(y, dx=dx)

print(cum_integral)

输出

上述代码产生以下结果 −

[ 6.41135591e-03  2.55054410e-02  5.70028694e-02  1.00353446e-01
  1.54876692e-01  2.19648187e-01  2.93630869e-01  3.75586562e-01
  4.64189453e-01  5.57968599e-01  6.55396160e-01  7.54864639e-01
  8.54744106e-01  9.53395658e-01  1.04919389e+00  1.14057569e+00
  1.22602649e+00  1.30416123e+00  1.37367525e+00  1.43345212e+00
  1.48248242e+00  1.51999138e+00  1.54533088e+00  1.55811848e+00
  1.55810972e+00  1.54533951e+00  1.51998305e+00  1.48249033e+00
  1.43344475e+00  1.37368194e+00  1.30415533e+00  1.22603152e+00
  1.14057163e+00  1.04919692e+00  9.53393703e-01  8.54744950e-01
  7.54864920e-01  6.55394758e-01  5.57971098e-01  4.64185897e-01
  3.75591116e-01  2.93625392e-01  2.19654498e-01  1.54869651e-01
  1.00361101e-01  5.69947265e-02  2.55139387e-02  6.40264306e-03
 -8.71285215e-06]

scipy_reference.html