scipy.quad计算含map的复杂函数定积分报TypeError求解

• scipy.integrate.quad执行时会向被积函数传入numpy数组格式的采样点（而非单个标量值）做批量计算，原代码用Python原生map+sum实现的被积逻辑仅支持标量输入，接收到数组时无法逐元素运算，直接触发TypeError: only size-1 arrays can be converted to Python scalars报错。
• 原代码存在未定义变量bandwidth，即便解决类型错误也会触发NameError。
• 原代码循环遍历数组b时，被积函数fn没有接收当前遍历到的b元素，最终返回的10个计算结果会完全一致，不符合预期。
• 原代码调用quad时用a=0/b=100指定积分上下界，参数名和外层函数入参a/b重名，存在逻辑冲突隐患。

from scipy import integrate
import numpy as np

def func(a, b, c, d, bandwidth=1.0): # 替换bandwidth为你实际业务需要的取值，此处为占位默认值
    n = len(a)
    aver = a.mean()
    stdevn = a.std()
    final = []
    
    # 被积函数第一个参数固定为quad传入的积分变量x，后续为自定义传入参数
    def fn(x, current_b):
        # 用numpy广播实现向量化计算，兼容x为数组的输入格式
        coeff = 0.2 * ((current_b - aver)/stdevn)
        # 维度对齐：x为(N,)格式的采样数组，a为(4000,)格式的输入数组，广播后得到(N,4000)的计算矩阵
        diff = x[:, None] - a[None, :] * (1 + coeff)
        kernel = (1/c) * np.exp(-0.5 * (diff / bandwidth)**2)
        # 沿a的维度求平均，等价于原逻辑的(1/n)*sum，返回长度与x一致的结果数组
        return kernel.mean(axis=1)

    for i in b:
        # 通过args参数传入当前遍历的b元素，积分上下界用位置参数传递避免命名冲突
        total, calc_err = integrate.quad(fn, 0, 100, args=(i,))
        final.append(total)
    return final

• 移除原生map实现，改用numpy广播做向量化计算，天然支持quad传入的数组格式采样点，从根源解决类型转换错误，计算效率比原生循环高数十倍。
• 补全缺失的bandwidth变量定义，可根据实际需求调整其取值逻辑。
• 修正循环传参逻辑：遍历b得到的当前值通过quad的args参数传入被积函数，保证每个b元素对应独立的积分计算，不会出现结果重复的问题。
• 调整quad调用方式，积分上下界使用位置参数传递，避免和外层入参重名引发逻辑错误。
• 原逻辑的(1/n)*sum(...)替换为numpy.mean等价实现，适配向量化计算逻辑。

内容的提问来源于stack exchange，提问作者GK89