使用scipy.integrate.quadrature触发TypeError错误如何解决

• scipy.integrate.quad 调用被积函数时传入的是单个浮点标量，你的插值求值逻辑返回单值时类型匹配，因此无报错
• scipy.integrate.quadrature 会批量传入一维浮点数组作为入参x，你当前的Integrand实现仅适配标量输入，ndInterp.eval处理批量点时返回的结果为object类型数组/维度不匹配，无法安全转换为float64，触发类型错误

方案1：修改被积函数适配数组输入（性能最优） #

调整Integrand的逻辑，支持批量处理x数组，同时强制转换返回值为float64类型：

import numpy as np
import scipy.integrate

def Integrand(x, a, i):
    # 统一x为数组类型
    x = np.asarray(x)
    # 批量构造(N, 2)格式的插值点，N为x的元素个数
    pnt = np.column_stack([np.full(x.shape, a), x])
    # 强制将求值结果转为float64，并拉平为与x维度匹配的一维数组
    return np.asarray(thing[i].eval(pnt), dtype=np.float64).ravel()

logpost = scipy.integrate.quadrature(lambda x: Integrand(x, a, i), lower_m, upper_m)[0]

方案2：用np.vectorize包装被积函数（改造成本最低） #

如果不想修改原有Integrand实现，可直接用numpy的向量化包装器强制逐元素处理输入，适合小数据量积分场景：

vec_integrand = np.vectorize(lambda x: Integrand(x, a, i))
logpost = scipy.integrate.quadrature(vec_integrand, lower_m, upper_m)[0]

方案3：继续使用scipy.integrate.quad #

如果对积分性能要求不高，quad本身的鲁棒性更强，适配标量输入的被积函数，大部分通用场景下精度完全满足需求。

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