如何使用 Numba 在 SciPy 中使用任意数量的变量和参数执行多重积分？

我想用Numba修饰多重积分的被积函数，以便可以通过以下方式调用它SciPy Nquad功能作为低级可调用。理想情况下，装饰器应允许任意数量的变量以及来自 Nquad 的任意数量的附加参数args争论。这是建立在一个优秀的今年早些时候的问答 https://stackoverflow.com/questions/49683653/how-to-pass-additional-parameters-to-numba-cfunc-passed-as-lowlevelcallable-to-s，但扩展到多个变量和参数的情况。

作为示例，假设以下具有 N 个变量和 K 个参数的多重积分：

以下代码有效，但仅适用于两个变量和两个参数 (N=2,K=2)。它不适用于更一般的情况。这是因为装饰器中的一些参数是手动枚举的（xx[0],xx[1],xx[2],xx[3]在装饰器中wrapped功能）。必须针对每个不同数量的变量或参数来编辑装饰器。如果可能的话，我想避免这种情况。请注意，被积函数函数本身利用了 Numpy 对象和方法，因此不存在这个问题。

import numpy as np
import scipy.integrate as si
import numba
from numba import cfunc,carray
from numba.types import intc, CPointer, float64
from scipy import LowLevelCallable

def jit_integrand_function(integrand_function):
    jitted_function = numba.jit(integrand_function, nopython=True)

    @cfunc(float64(intc, CPointer(float64)))
    def wrapped(n, xx):
        return jitted_function(xx[0], xx[1], xx[2], xx[3])
        #xx = carray(xx,len(xx))
        #return jitted_function(xx)
    return LowLevelCallable(wrapped.ctypes)

@jit_integrand_function
def integrand(*args):
    d = np.array([args])
    return -np.exp(d.prod())

#Two variable, two parameter example
parms = np.array([2,3])
print si.nquad(integrand,[[0,1],[0,1]],parms)

理想的代码应该只使用一个装饰器被积函数还可以运行的函数：

#Three variable, three parameter example
parms2 = np.array([1,2,3])
print si.nquad(integrand,[[0,1],[0,1],[0,1]],parms2)

努巴文件 http://numba.pydata.org/numba-doc/dev/user/cfunc.html#dealing-with-pointers-and-array-memory参考一个carray http://numba.pydata.org/numba-doc/dev/reference/utils.html#numba.carray当在回调中给定低级指针和数组大小时，该函数应该返回 Numpy 数组。也许，这可以用于将代码推广到二变量二参数情况之外。我（不成功的）尝试实现这一点是在两行注释掉的代码中。

如有帮助，将不胜感激。事实上，Numba 开发人员之一指出 https://groups.google.com/a/continuum.io/forum/#!topic/numba-users/teVqeKWnJl4SciPy 集成是编写 Numba 的原因之一，但缺乏该领域的文档和示例。

以下代码有效：

import numpy as np
import scipy.integrate as si
import numba
from numba import cfunc,carray
from numba.types import intc, CPointer, float64
from scipy import LowLevelCallable

def jit_integrand_function(integrand_function):
    jitted_function = numba.jit(integrand_function, nopython=True)
    @cfunc(float64(intc, CPointer(float64)))
    def wrapped(n, xx):
        values = carray(xx,n)
        return jitted_function(values)
    return LowLevelCallable(wrapped.ctypes)

@jit_integrand_function
def integrand(args):
    return -np.exp(args.prod())

#Two variable, two parameter example
parms = np.array([2,3])
print si.nquad(integrand,[[0,1],[0,1]],parms)

#Three variable, three parameter example
parms2 = np.array([1,2,3])
print si.nquad(integrand,[[0,1],[0,1],[0,1]],parms2)