Python 如何选择scipy.integrate.simps还是numpy.trapz？

我有一组点，当我绘图时，我得到下面的图表。我希望找到图表下的区域，但是我不确定scipy.integrate.simps还是numpy.trapz更合适

有人能告诉我这两个函数之间的数学背景，从而得出哪个函数更准确的结论吗

---

梯形法则是最简单的数值积分方法。实际上，它通过使用直线段近似曲线来估计曲线下的面积，每条直线段只需要两个点。辛普森法则使用二次曲线来近似函数段，每个函数段都需要从函数中采样三个点来近似给定的段

那么，使用这些数值方法近似解析积分的误差是什么呢

与梯形规则相关的误差与前导阶成正比，与h^2[f'（a）-f'（b）]。h是函数中采样点之间的间距；f’（a）和f’（b）是函数在采样域开始和结束时的一阶导数

另一方面，通过辛普森规则得出的误差与h^4[f''（a）-f''（b）]成正比。f''是函数中的三阶导数

h通常很小，因此h^4通常比h^2小得多

---

TLDR：与梯形规则相比，辛普森规则通常给出的数值积分结果要高得多，基本上没有额外的计算成本。

两种方法都可以尝试，如果差值小于实验数据噪声或预期建模误差，则不应该care@f5r5e5d,谢谢你的宝贵建议@Ryan Soklaski，谢谢你，我觉得这非常有用。只是澄清一下，因为辛普森法则使用二次曲线，梯形法则使用直线；对于边缘更尖锐的绘图，梯形规则的精确度更高？不！参考我写的误差方程。这些确实是决定你的错误的因素。二次曲线必须尖锐：）