Python梯形法则计算数值积分解惑：无报错但结果异常

你的梯形法则实现存在三个核心错误，直接导致积分结果异常：

错误点1：循环计算逻辑完全偏离数学定义 #

你在每次循环中都将累加值乘以delta，这违背了梯形法则的基本公式。正确逻辑是每个区间的面积 = 区间宽度 × (区间两端点y值的平均值)，需要将所有区间的面积直接累加，而非每次迭代都放大之前的结果。

错误点2：循环起始索引错误 #

循环从i=0开始时，i-1会取到y_values[-1]（列表最后一个元素），这会错误地将最后一个点与第一个点提前组合计算，引入无效项。正确的遍历应该从i=1开始，让每个i对应区间右端点，i-1对应左端点，覆盖所有连续区间。

错误点3：delta计算的潜在偏差 #

如果时间序列是等距采样，区间数量应为len(x_values)-1（n个点对应n-1个区间），原代码中delta = (x_values[-1]-x_values[0])/len(x_values)会算出偏小的区间宽度。更通用的做法是直接计算每个区间的实际宽度x[i]-x[i-1]，兼容等距与非等距采样场景。

修正后的代码 #

def trap_rule(y_values, x_values):
    # 校验输入长度一致性
    if len(y_values) != len(x_values):
        raise ValueError("y_values与x_values的长度必须一致")
    
    integral = 0.0
    # 遍历所有连续区间，从第2个数据点开始
    for i in range(1, len(y_values)):
        interval_width = x_values[i] - x_values[i-1]
        # 累加当前梯形的面积
        integral += interval_width * (y_values[i-1] + y_values[i]) / 2
    
    return integral

# 数据导入部分保持不变
import pandas as pd
mydata_sund = pd.read_csv("sund1.csv")
sund_time = list(mydata_sund["time [hr]"])
sund_power = list(mydata_sund["power [kW]"])

# 计算并输出积分结果
integral_result = trap_rule(sund_power, sund_time)
print(integral_result)

这个版本完全符合梯形法则的数学定义，既支持等距时间序列，也兼容非等距采样场景。运行后应该能得到正确的积分值。

内容的提问来源于stack exchange，提问作者max_bee