python - 导入 scipy 和 sklearn 模块的语法

Question

我使用(仅标准)Win10、Anaconda-2018.12、Python-3.7、MKL-2019.1、mkl-service-1.1.2、Jupyter ipython-7.2。 see here e.g.我想知道为什么以下语法适用于 numpy 模块的 import 语句，但不适用于 scipy 或 sklearn模块:

import scipy as sp
import numpy as np
A = np.random.random_sample((3, 3)) + np.identity(3)
b = np.random.rand((3))
x = sp.sparse.linalg.bicgstab(A,b)

> AttributeError                            Traceback (most recent call
> last) <ipython-input-1-35204bb7c2bd> in <module>()
>       3 A = np.random.random_sample((3, 3)) + np.identity(3)
>       4 b = np.random.rand((3))
> ----> 5 x = sp.sparse.linalg.bicgstab(A,b)
> AttributeError: module 'scipy' has no attribute 'sparse'

或使用 sklearn

import sklearn as sk
iris = sk.datasets.load_iris()

> AttributeError                            Traceback (most recent call
> last) <ipython-input-2-f62557c44a49> in <module>()
>       2 import sklearn as sk
> ----> 3 iris = sk.datasets.load_iris() AttributeError: module 'sklearn' has no attribute 'datasets

然而，这种语法确实有效(但用于不太精简的罕见命令):

import sklearn.datasets as datasets
iris = datasets.load_iris()

和

from scipy.sparse.linalg import bicgstab as bicgstab
x = bicgstab(A,b)
x[0]

array([ 0.44420803, -0.0877137 , 0.54352507])

那是什么类型的问题？可以通过合理的努力消除它吗？

Answer 1

“问题”

您遇到的行为实际上是 Scipy 的一个特性，尽管乍一看它可能像是一个错误。 scipy的一些子包比较大，成员也很多。因此，为了避免在运行 import scipy 时出现延迟(以及节省系统内存的使用)，scipy 的结构使得大多数子包不会自动导入。您可以在 the docs right here 中阅读所有相关信息.

修复

您可以通过稍微练习一下标准 Python import 语法/语义来解决这个明显的问题:

import numpy as np

A = np.random.random_sample((3, 3)) + np.identity(3)
b = np.random.rand((3))

import scipy as sp

# this won't work, raises AttributeError
# x = sp.sparse.linalg.bicgstab(A,b)

import scipy.sparse.linalg

# now that same line will work
x = sp.sparse.linalg.bicgstab(A,b)
print(x)
# output: (array([ 0.28173264,  0.13826848, -0.13044883]), 0)

基本上，如果对 sp.pkg_x.func_y 的调用引发了 AttributeError，那么您可以通过在它之前添加一行来修复它，例如:

import scipy.pkg_x

当然，这假设 scipy.pkg_x 是一个有效的 scipy 子包。