使用Numba加速ODE求解器时出现TypingError该如何解决？

• 数组维度不匹配：你定义的初始y0是形状为(1,2)的二维数组，调用rungeStep时传入y0[0]得到的返回值是形状为(2,)的一维数组，在Numba的nopython模式下，不允许直接将一维数组的值加到二维数组上，触发类型冲突。
• t数组初始化错误：你用t = np.array(t0)初始化时间数组时，输入的t0是标量0，生成的是0维数组，后续调用np.append插入新值会生成1维数组，两种维度无法统一，就是报错信息里提到的Cannot unify array(int64, 0d, C) and array(int64, 1d, C)问题。
• 类型混用隐患：传入的t0、h、tEnd都是整数类型，和求解过程中的浮点计算结果混合时，也可能触发类型不统一问题。

你只需要调整数组维度定义、统一数值类型即可正常运行，修复后的完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
from numba import njit

@njit
def pend(t, y, b, c):
    theta, omega = y
    dydt = np.array([omega, -b*omega - c*np.sin(theta)])
    return dydt

@njit
def rungeStep(f, t, y0, tau, params):
    k1 = tau * f(t, y0, *params)
    k2 = tau * f(t, y0 + k1 / 2, *params)
    k3 = tau * f(t, y0 + k2 / 2, *params)
    k4 = tau * f(t, y0 + k3, *params)
    return (k1 + 2 * k2 + 2 * k3 + k4) / 6

@njit
def integrate(f, t0, y0, tEnd, h, params):
    # 初始状态转成二维数组方便后续拼接存储
    ys = y0.copy().reshape(1, -1)
    # 时间数组初始化为一维浮点数组，避免维度冲突
    t = np.array([t0], dtype=np.float64)
    current_t = t0
    current_y = y0.copy()
    while current_t <= tEnd:
        current_y += rungeStep(f, current_t, current_y, h, params)
        current_t += h
        # 新状态对齐维度后再拼接
        ys = np.concatenate((ys, current_y.reshape(1, -1)), axis=0)
        t = np.append(t, current_t)
    return t, ys.T

args = (0.25, 5)
# 初始y0改用一维浮点数组
y0 = np.array([np.pi - 0.1, 0.0], dtype=np.float64)
# 时间步长、起止时间统一用浮点类型
t, y = integrate(pend, 0.0, y0, 10.0, 1.0, args)

如果需要进一步加速，可以提前预分配结果数组的空间，避免循环中反复调用concatenate和append产生的性能损耗。

内容的提问来源于stack exchange，提问作者sabbraxcaddabra