如何在NumPy meshgrid上执行积分函数运算？

以下是几种适合在meshgrid上批量计算定积分的数值方法，适配复杂函数场景：

方案一：用numpy.vectorize包装quad（快速验证） #

scipy.integrate.quad本身仅支持标量输入，可通过np.vectorize将其转为数组兼容的函数，适合小规模网格快速验证：

import numpy as np
from scipy.integrate import quad

# 替换为你的实际被积函数，t是积分变量，y是网格传入的参数
def integrand(t, y):
    return t * y

# 包装quad，提取积分结果（忽略误差项）
vectorized_integrate = np.vectorize(lambda upper, y_val: quad(integrand, 0, upper, args=(y_val,))[0])

# 生成网格
x = np.linspace(0, 1, 50)
y = np.linspace(0, 1, 50)
xx, yy = np.meshgrid(x, y)

# 批量计算积分
result = vectorized_integrate(xx, yy)

注意：np.vectorize本质是循环实现，大规模网格下效率较低。

方案二：使用scipy.integrate.quad_vec（推荐） #

Scipy 1.10及以上版本提供的quad_vec原生支持向量化积分，效率远高于vectorize方案，是大规模网格的首选：

import numpy as np
from scipy.integrate import quad_vec

def integrand(t, y):
    return t * y

# 定义积分逻辑，直接接收数组形式的上限和参数
def compute_integral(x2, y):
    return quad_vec(integrand, 0, x2, args=(y,))[0]

# 生成网格
x = np.linspace(0, 1, 50)
y = np.linspace(0, 1, 50)
xx, yy = np.meshgrid(x, y)

# 直接传入网格数组完成批量积分
result = compute_integral(xx, yy)

方案三：手动遍历网格（灵活可控） #

如果需要对每个积分过程做自定义处理（如异常捕获、参数调整），可手动遍历网格元素：

import numpy as np
from scipy.integrate import quad

def integrand(t, y):
    return t * y

x = np.linspace(0, 1, 50)
y = np.linspace(0, 1, 50)
xx, yy = np.meshgrid(x, y)

# 初始化结果数组
result = np.zeros_like(xx)

# 逐个计算网格点的积分
for i in range(xx.shape[0]):
    for j in range(xx.shape[1]):
        result[i,j], _ = quad(integrand, 0, xx[i,j], args=(yy[i,j],))

该方式灵活性最高，但计算效率最低，仅适合需要精细控制的场景。

内容的提问来源于stack exchange，提问作者Zack Eriksen