为什么numpy对许多ndarray方法都有相应的功能？

Question

一些例子：

numpy.sum()
ndarray.sum()
numpy.amax()
ndarray.max()
numpy.dot()
ndarray.dot()

…还有更多。它是否支持某些旧代码，还是有更好的理由？而且，我是仅根据代码的“外观”进行选择，还是两种方法中的一种优于另一种？

我可以想象有人可能想要numpy.dot()使用reduce（例如reduce(numpy.dot, A, B, C, D)），但是我认为这对于像那样有用numpy.sum()。

Answer 1

正如其他人所指出的，同名的NumPy函数和数组方法通常是等效的（它们最终会调用相同的基础代码）。如果这样可以使阅读更容易，则它可能比另一个更可取。

但是，在某些情况下，两者的行为略有不同。特别地，使用该ndarray方法有时会强调该方法正在就地修改数组的事实。

例如，np.resize返回具有指定形状的
新
数组。另一方面，ndarray.resize就地更改数组的形状。每种情况下使用的填充值也不同。

同样，a.sort()对数组a进行原位np.sort(a)排序，同时返回排序后的副本。