使用scipy integrate模块归一化函数出现结果错误、运行过慢问题

问题原因 #

1. 性能大幅下降 #

scipy.integrate.quad做数值积分时，会在积分区间内反复调用被积函数数百次至上千次采样计算。你把区间积分求z的逻辑放到被积函数内部后，每一次采样计算单个x点的取值，都会额外执行一次区间积分操作，相当于嵌套执行了上千次积分，耗时自然上升上百倍。

2. 积分结果不等于1 #

你写的normalized_chi_1依赖全局变量B，如果B的取值和你积分时的区间不一致（比如函数定义后B被修改、或者定义函数时B未正确赋值），就会导致内部计算的z不是当前目标区间的积分值。比如内部求z时用了卡方分布的全域[0, +∞)作为积分区间，得到z=1，此时被积函数就是原生的chi2.pdf，积分[A,B]得到的结果就是0.4275，和你遇到的现象完全吻合。
另外你提供的代码片段里存在语法错误：quad(chi2.pdf,A,B,args=(df,A)[0]少了右括号，正确写法是quad(chi2.pdf,A,B,args=(df,A))[0]，运行前需要修正。

修复方案 #

如果不想在主流程单独计算维护z变量，可以用闭包实现，保证z只被计算一次，同时避免全局变量依赖：

import numpy as np
from scipy.stats import chi2
from scipy.integrate import quad

def get_normalized_chi2(A, B, df):
    # 仅在生成归一化函数时计算一次z，后续调用复用该值
    z = quad(chi2.pdf, A, B, args=(df, A))[0]
    def normalized_func(x):
        return chi2.pdf(x, df, A) / z
    return normalized_func

# 调用示例
A = 2
B = 4
df = 3
norm_chi2 = get_normalized_chi2(A, B, df)
# 积分校验
integral_val = quad(norm_chi2, A, B)[0]
print(integral_val)
# 输出：1.0

该方案的性能和你最初外置计算z的方案完全一致，同时不需要在主流程单独维护z变量，逻辑更简洁，也不会出现全局变量取值错误的问题。

如果不想用闭包，也可以用缓存装饰器保证z只被计算一次，注意要把B作为参数显式传入函数，不要依赖全局变量：

from functools import lru_cache

@lru_cache(maxsize=None)
def calc_z(A, B, df):
    return quad(chi2.pdf, A, B, args=(df, A))[0]

def normalized_chi(x, df, A, B):
    z = calc_z(A, B, df)
    return chi2.pdf(x, df, A) / z

# 校验调用
integral_val = quad(normalized_chi, A, B, args=(df, A, B))[0]
print(integral_val)

内容的提问来源于stack exchange，提问作者ivan199415