使用scipy.integrate.quad遇TypeError：仅尺寸为1的数组可转为Python标量

错误原因 #

你的代码存在两个核心问题引发该错误：

1. numpy导入缺失：代码中使用np.radians、np.cos、np.sin等numpy方法，但未导入numpy库，会先触发NameError；若你实际已导入但代码未写出，核心问题为第二条。
2. 被积函数返回数组而非标量：scipy.integrate.quad要求被积函数接收标量输入并返回标量。如果C_theta是numpy数组，-C_theta**2 * np.sin(theta)会返回数组，不符合quad的参数要求，从而抛出类型错误。
3. 额外逻辑问题：compute_statistic函数的theta_rad参数未被使用，积分区间固定为0到π，这可能和你计算S₁/₂的实际逻辑不符。

修正方案 #

情况1：C_theta是单个标量 #

补全numpy导入，简化被积函数确保返回标量：

# 补全numpy导入
import numpy as np
from scipy.integrate import quad

def compute_statistic(C_theta):
    # 被积函数接收标量theta，返回标量
    def integrand(theta):
        return -C_theta**2 * np.sin(theta)
    # 执行积分，区间0到π
    integral, error = quad(integrand, 0, np.pi)
    return integral, error

# 示例：C_theta为标量
C_theta = 1.5
s_half = compute_statistic(C_theta)
print("The value of S_1/2 is:", s_half)

情况2：C_theta是numpy数组 #

使用np.vectorize包装积分函数，对数组中每个元素单独计算积分：

import numpy as np
from scipy.integrate import quad

def compute_single_statistic(C_val):
    def integrand(theta):
        return -C_val**2 * np.sin(theta)
    integral, error = quad(integrand, 0, np.pi)
    return integral, error

# 向量化处理数组输入
compute_statistic = np.vectorize(compute_single_statistic)

# 示例：C_theta为数组
C_theta = np.array([1.0, 2.0, 3.0])
s_half = compute_statistic(C_theta)
print("The values of S_1/2 are:", s_half)

额外说明 #

• 若计算S₁/₂的逻辑需要用到传入的theta_rad（比如积分区间与theta相关），请调整quad的上下限，例如将0, np.pi改为0, theta_rad。
• 避免混用math与numpy数学函数：math.radians仅支持标量，np.radians可处理数组，根据输入类型选择对应方法。

内容的提问来源于stack exchange，提问作者Augusto