我得到了这个数据数组，我需要计算曲线下的面积，所以我使用Numpy库和Scipy库，其中包含Numpy和中的trapz函数。simps在Scipy中用于数值积分，它在两种情况下都给了我非常好的结果。
现在的问题是，我需要每一个的误差或者至少是梯形法则的误差。问题是，这个公式要求我一个函数，显然我没有。我一直在研究一种方法来获得错误，但总是返回到同一点…
这里是scipy. Integration http://docs.scipy.org/doc/scipy/reference/integrate.html和trapz在Numpy http://docs.scipy.org/doc/numpy/reference/generated/numpy.trapz.html的页面我试着看到很多关于数值积分的代码，更喜欢使用现有的…
有什么想法吗?
虽然cell是正确的，如果您不知道函数，则无法确定集成错误，但您可以做一些事情。
你可以使用曲线拟合来拟合一个函数通过可用的数据点。然后，您可以使用该函数进行误差估计。
如果你期望数据适合某种函数，如正弦，对数或指数，那么最好将其用作曲线拟合的基础。
例如，如果你正在测量一辆移动的汽车上的阻力，众所周知，由于空气阻力，这个大部分与速度的平方成正比。
然而，如果你对适用的函数没有任何了解，那么假设你有N个数据点，有一个N-1次的多项式，通过所有这些数据点完全适合。从数据中确定这样一个多项式就是求解线性方程组。参见多项式插值。你可以用这个多项式作为未知实函数的估计。但是请注意，在数据点范围之外，这个多项式可能非常不准确。