python - SciPy 和 NumPy 之间的关系

Question

SciPy 似乎在其自己的命名空间中提供了 NumPy 的大部分(但不是全部 [1])函数。换句话说，如果有一个名为 numpy.foo 的函数，那么几乎肯定有一个 scipy.foo。大多数时候，两者看起来完全一样，甚至经常指向同一个函数对象。

有时，它们是不同的。举一个最近出现的例子:

• numpy.log10 是 ufunc为否定参数返回 NaN；
• scipy.log10 为负参数返回复数值，并且看起来不是 ufunc。

log、log2 和 logn 也可以这样说，但 log1p 则不然 [2] .

另一方面，numpy.exp 和 scipy.exp 似乎是同一个 ufunc 的不同名称。 scipy.log1p 和 numpy.log1p 也是如此。

另一个例子是 numpy.linalg.solve vs scipy.linalg.solve。它们相似，但后者比前者提供了一些额外的功能。

为什么会出现明显的重复？如果这意味着将 numpy 批量导入到 scipy 命名空间中，为什么会有细微的行为差异和缺少的功能？是否有一些总体逻辑可以帮助消除混淆？

[1] numpy.min、numpy.max、numpy.abs 和其他一些在 中没有对应项scipy 命名空间。

[2] 使用 NumPy 1.5.1 和 SciPy 0.9.0rc2 测试。

Answer 1

上次查了一下，scipy的__init__方法执行了一个

from numpy import *

以便在导入 scipy 模块时将整个 numpy 命名空间包含到 scipy 中。

您描述的 log10 行为很有趣，因为 两个 版本都来自 numpy。一个是 ufunc，另一个是 numpy.lib 函数。为什么 scipy 比 ufunc 更喜欢库函数，我不知道。

---

编辑:事实上，我可以回答 log10 的问题。查看 scipy __init__ 方法，我看到了这个:

# Import numpy symbols to scipy name space
import numpy as _num
from numpy import oldnumeric
from numpy import *
from numpy.random import rand, randn
from numpy.fft import fft, ifft
from numpy.lib.scimath import *

你在scipy中得到的log10函数来自numpy.lib.scimath。查看该代码，它说:

"""
Wrapper functions to more user-friendly calling of certain math functions
whose output data-type is different than the input data-type in certain
domains of the input.

For example, for functions like log() with branch cuts, the versions in this
module provide the mathematically valid answers in the complex plane:

>>> import math
>>> from numpy.lib import scimath
>>> scimath.log(-math.exp(1)) == (1+1j*math.pi)
True

Similarly, sqrt(), other base logarithms, power() and trig functions are
correctly handled.  See their respective docstrings for specific examples.
"""

似乎模块覆盖了 sqrt、log、log2、logn、log10、power、arccos、arcsin 和 arctanh。这解释了您所看到的行为。这样做的根本设计原因可能隐藏在某处的邮件列表帖子中。