如何在DataFrame中计算截至某点的曲线下面积以求解瞬时速度

要计算每个时间点的瞬时速度（本质是加速度对时间的累计积分），给你两个实用的实现方式：

方法1：手动计算梯形面积并累加 #

速度是加速度随时间的积分，用梯形法近似每个时间区间的积分值，再累加这些值就能得到截至当前时间点的速度：

1. 计算相邻时间点的时间差
2. 用梯形公式算每个区间的积分：(当前加速度 + 前一加速度)/2 × 时间差
3. 累加区间积分，得到每个时间点的累计速度（默认初始速度为0）

代码示例：

import pandas as pd
import numpy as np

# 假设你的DataFrame是data，包含'time'和'zAccel'列
data['time_diff'] = data['time'].diff()
# 初始行的时间差为NaN，填充为0避免计算错误
data['interval_area'] = (data['zAccel'] + data['zAccel'].shift(1)) / 2 * data['time_diff'].fillna(0)
# 累加得到累计速度
data['z_velocity'] = data['interval_area'].cumsum()

方法2：用scipy的累计积分函数 #

scipy.integrate.cumtrapz专门用于计算累计梯形积分，省去手动写逻辑的麻烦。注意这个函数返回的结果比输入少一个元素（对应每个区间的积分），需要在前面补一个0作为初始速度：

代码示例：

from scipy.integrate import cumtrapz

# 计算累计积分并补初始速度0
data['z_velocity'] = np.concatenate([[0], cumtrapz(y=data['zAccel'], x=data['time'])])

原代码的问题 #

numpy.trapz(x=df[time], y=df[zAccel])只会计算整个加速度曲线下的总面积，返回单个数值，所以赋值给z_velocity列时，整列都是同一个总速度，自然得不到每个时间点的累计结果。另外直接用“加速度×时间”的思路错误，因为加速度是随时间变化的，不能用瞬时加速度直接乘时间，必须通过积分（或梯形累加）计算速度变化量。

内容的提问来源于stack exchange，提问作者palor