如何基于Pandas DataFrame两列X-Y数据计算曲线下积分面积
报错原因
触发Dataframe object has no attribute integrate的核心问题有两点:
- 调用逻辑存在偏差:一方面,较早版本的Pandas中仅Series对象挂载了integrate方法,DataFrame对象本身没有对应方法;另一方面,即使是支持integrate方法的Pandas版本,该方法默认将DataFrame的行索引作为积分x轴,无法满足你“将第一列作为X轴、第二列作为Y轴”的计算需求
- 语法不规范:即使是存在对应方法的对象,只写
df.integrate而不加方法调用的括号,也只会返回方法对象本身,无法触发实际计算逻辑
基于Scipy的正确计算流程
我们借助scipy的integrate模块,通过离散点梯形积分法计算折线围合的曲线下面积,步骤如下:
- 第一步:预处理X、Y轴数据
取出第一列作为x轴序列、第二列作为y轴序列,为避免x值乱序导致积分计算错误,先对数据按x值做排序:# 按第一列(x轴值)排序,保证x单调递增 df_sorted = df.sort_values(by=df.columns[0]) # 提取x、y对应的数值数组 x = df_sorted.iloc[:, 0].values y = df_sorted.iloc[:, 1].values - 第二步:调用积分接口计算面积
针对离散点连接形成的折线,采用梯形近似法计算围合面积,这也是工程上计算离散序列曲线下面积的通用方法:# Scipy 1.6及以上版本使用trapezoid方法 area = integrate.trapezoid(y, x) # 低版本Scipy(<1.6)可替换为:area = integrate.trapz(y, x) print(f"曲线下积分面积:{area}")
可选的Pandas原生实现方式
如果不想依赖Scipy,也可以通过Pandas原生方法完成等价计算,核心是先把x列设为DataFrame索引,再对目标Y列调用Series的integrate方法:
# 将第一列设为索引,取出第二列的Series做积分计算 area = df.set_index(df.columns[0]).iloc[:, 0].integrate()
注意:Pandas的integrate方法底层同样采用梯形近似逻辑,和Scipy计算得到的结果完全一致。
计算注意事项
- 必须保证x轴序列为严格单调递增(或递减),如果存在重复x值或者乱序,需要先做去重、排序处理,否则积分结果会出现明显偏差
- 该方法计算的是相邻离散点连线形成的折线与x轴围合的面积,和你可视化绘制折线图后手动核算的面积逻辑完全匹配
内容的提问来源于stack exchange,提问作者thereiswaldo
相关产品推荐
相关产品推荐

