我正在将我所有用python编写的代码切换到julia中以减少计算时间。为此，我需要将以下代码从python翻译到Julia中，但由于我对Julia仍然是新手，因此在重新发明轮子之前，我不确定当前的功能是什么。
Python代码：

def calculate_2d_probability_over_volume(internal_matrix, px, py):
    px = px[px >= 0]
    py = py[py >= 0]

    integrated_px = [np.trapz(px * row, px) for row in internal_matrix]  # \int p_x * f(p_x, p_y) dp_x

    return 2 / (2 * np.pi ** 2) * np.trapz(integrated_px[::-1], py)  # \int integrated_px(p_y) dp_y

在前两行中，我确保px和py只有正值，它们都是前两行之后维度为N的Numpy数组。矩阵是NxN矩阵，它与px和py值相关如下：
假设矩阵的值由函数f（px，py）定义：

• 每行是一个py值
• 每列是一个px值
• 矩阵的左下值对应于f(min(px),min(py))，矩阵的右上值对应于f(max(px),max(py))。

px，py按升序排列，所以min(px)==px[0]
如果矩阵由二维函数f（px，py）表示，则要计算的积分由下式给出：

b * ∫dpy∫dpx px * f(px,py)

其中B是不需要进一步解释的因子。
该算法使用numpy的向量化来快速评估它。我现在需要在Julia的生态系统中重新实现该算法。是否有类似于np.trapz()的函数？我希望该函数已经带有错误估计。
编辑：修复了行和列规范中的排印错误