使用Python实现Simpson法则时遭遇IndexError索引越界错误求助

1. 逻辑反转错误：你计划的是"不满足误差要求则步长减半"，但当前代码中N = int(N/2)会减少采样点数量，反而让步长加倍，积分精度越来越差，永远无法达到误差要求，最终N会减至0。
2. 空数组触发索引错误：当N变为0时，np.linspace(a, b, 0)生成空数组x2，而scipy.integrate.simps无法处理空的x参数，因此抛出IndexError。

1. 修正步长调整逻辑 #

步长减半意味着需要更多采样点，因此要将N乘以2，而非除以2，这样才能真正让步长缩小一半：

N = N * 2

2. 添加循环终止保护 #

设置采样点数量上限（比如10000），避免无限循环或性能过载；同时保证采样点数量不会过少（Simpson法则至少需要3个点才能计算）。

3. 修正积分精度对应关系 #

按照你描述的Iₕ对应低精度、Iₕ/₂对应高精度的逻辑，调整代码中采样点的生成顺序，确保sim2是步长减半后的高精度积分结果。

import numpy as np
from scipy.integrate import simps

a = 0
b = np.pi * 2
N = 100  # 初始采样点数量
ra = 0.1  # ρα
R = 0.05
fa = 35 * (np.pi/180)  # φα
za = 0.4
Q = 10**(-6)
k = 9 * 10**9
aa = np.sqrt(ra**2 + R**2 + za**2)  # 改用numpy原生sqrt，移除未使用的sympy依赖
error = 5 * 10**(-9)
max_N = 10000  # 最大采样点限制，防止无限循环

while True:
    # 计算步长h的低精度积分I_h
    x1 = np.linspace(a, b, N)
    f1 = 1 / ((aa ** 2 - 2 * ra * R * np.cos(x1 - fa)) ** (3 / 2))
    sim1 = simps(f1, x1)
    
    # 计算步长h/2的高精度积分I_h/2
    x2 = np.linspace(a, b, 2*N)
    f2 = 1 / ((aa ** 2 - 2 * ra * R * np.cos(x2 - fa)) ** (3 / 2))
    sim2 = simps(f2, x2)
    
    # 满足误差要求或达到最大采样点则终止循环
    if abs(sim1 - sim2) < error or N >= max_N:
        break
    # 步长减半：采样点数量加倍
    N = 2 * N

# 输出高精度积分结果
print(sim2)

内容的提问来源于stack exchange，提问作者Magnus2211