我有两个制表数据数组，x和y，我不知道生成数据的函数。我希望能够评估沿x轴任意点处数据产生的线的积分。如何在Python中集成两个一维数据数组？
与其向数据插入分段函数，然后尝试集成那个，我遇到了麻烦，有没有什么我可以使用的，只需通过评估数组来提供积分？
在寻找解决方案时，我看到了对iPython和Pandas的引用，但是我一直无法找到那些有助于完成此任务的包的部分。
如果没有简单集成数组的方法，您能否提供一些关于处理此任务的最佳方法的建议？
Scipy has some nice tools to perform numerical integration.
例如，可以使用scipy.integrate.simps执行辛普森规则，并且可以通过它执行以下操作：
scipy.integrate.simps（Y，X =无，DX = 1 ，axis = -1，even ='avg'）
参数：
y：array_like 要整合的数组。x：array_like，可选 如果给出，y被采样的点。
dx：int，可选 沿y轴的积分点间距。仅当x是None时才使用。默认值为1.
axis：int，可选 要集成的轴。默认是最后一个轴。
甚至：{ '平均'， '第一'， 'STR'}，任选
'平均'：平均两个结果：1）使用第一N-2的间隔 梯形规则上的最后一个间隔和2）在第一个间隔使用梯形法则的最后N-2间隔。
'first'：使用辛普森规则的第一个N-2间隔 最后一个间隔的梯形规则。
'last'：在第一个区间使用梯形法则，对最后N-2个区间使用辛普森规则。
所以你可以使用你的两个数组来做数值积分。
Scipy有一个integration功能，可以帮助你。
如果您想使用cumulative sum of trapezoids进行集成，这对于一系列的点可能是最好的。
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()
这也将绘制数据，并以图形方式显示给你。这是整合呼叫integrate.cumtrapz(y, x, initial=0)其中x和y是你的两个数组。