为何Scipy quadrature函数对两个标量函数一个正常一个抛出TypeError？

可正常运行的代码：

f = lambda x : x * 2.0 * pi
print(scipy.integrate.quadrature(f, 0.0, 1.0))

报错的代码：

f = lambda x : math.exp(x * 2.0 * pi)
print(scipy.integrate.quadrature(f, 0.0, 1.0))

报错信息：

TypeError: only size-1 arrays can be converted to Python scalars

原因与解决方法 #

核心原因是scipy.integrate.quadrature会传入numpy数组而非单个标量给被积函数，以此实现向量化计算提升效率。

• 第一段代码中的乘法运算x * 2.0 * pi：当x是numpy数组时，乘法会触发numpy的广播机制，数组内每个元素都会参与计算，因此可以正常运行。
• 第二段代码中的math.exp：这是Python标准库函数，仅支持单个标量输入，无法处理numpy数组，因此触发类型错误。

解决方法 #

1. 推荐方案：使用numpy的exp函数
   numpy的函数原生支持数组输入，完全适配quadrature的向量化计算：

import numpy as np
import scipy.integrate

f = lambda x : np.exp(x * 2.0 * np.pi)
print(scipy.integrate.quadrature(f, 0.0, 1.0))

2. 兼容方案：手动处理数组元素
   如果必须使用math.exp，可以遍历数组中的每个元素逐一计算：

import math
import numpy as np
import scipy.integrate

f = lambda x : np.array([math.exp(val * 2.0 * math.pi) for val in x])
print(scipy.integrate.quadrature(f, 0.0, 1.0))

内容的提问来源于stack exchange，提问作者Makogan