numpy.trapz 函數是用于計算梯形法則的數值積分，它的精度主要取決于兩個因素：采樣點的數量和采樣點之間的間距
trapz 函數中傳入更多的 x 值來實現。例如，你可以使用 numpy.linspace 函數生成更密集的采樣點。import numpy as np
x = np.linspace(0, 1, 100) # 生成100個采樣點
y = np.sin(x)
integral = np.trapz(y, x)
trapz 函數中傳入更密集的 x 值來實現。例如，你可以使用 numpy.arange 函數生成更密集的采樣點。import numpy as np
x = np.arange(0, 1, 0.01) # 生成100個采樣點，每個間隔為0.01
y = np.sin(x)
integral = np.trapz(y, x)
需要注意的是，增加采樣點的數量或減小采樣點之間的間距會增加計算時間和內存消耗。因此，在實際應用中，需要根據問題的具體情況和計算資源來選擇合適的采樣點數量和間距。
