SciPy和NumPy之间的关系

Question

SciPy似乎在其自己的名称空间中提供了NumPy的大多数（但不是全部[1]）功能。换句话说，如果有一个名为的函数numpy.foo，几乎可以肯定有一个scipy.foo。在大多数情况下，两者看起来是完全相同的，甚至有时指向相同的功能对象。

有时，它们是不同的。举一个最近出现的例子：

• numpy.log10是一个ufunc该返回的NaN为负参数;
• scipy.log10 返回负参数的复杂值，并且似乎不是ufunc。

同样可以说，大约log，log2和logn，但不是关于log1p[2]。

另一方面，对于相同的ufunc
numpy.exp，它们scipy.exp似乎是不同的名称。scipy.log1p和的情况也是如此numpy.log1p。

另一个例子是numpy.linalg.solveVS scipy.linalg.solve。它们相似，但是后者比前者提供了一些附加功能。

为什么出现明显的重复？如果这意味着要的批发进口numpy到scipy命名空间，为什么在行为的细微差别和缺少的功能？是否有一些有助于消除混乱的总体逻辑？

[1] ，，和其他几个人都在没有同行的命名空间。numpy.min``numpy.max``numpy.abs``scipy

[2]使用NumPy 1.5.1和SciPy 0.9.0rc2进行了测试。

Answer 1

上次我检查它时，scipy__init__方法执行

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。

log10您描述的行为很有趣，因为 两个 版本都来自numpy。一个是a
ufunc，另一个是numpy.lib功能。为什么scipy偏爱库函数而不是ufunc，我不知道该怎么办。

编辑：事实上，我可以回答这个log10问题。在scipy__init__方法中，我看到以下内容：

# 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 *

log10您获得scipy的功能来自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.
"""

看来模块覆盖了基础numpy的ufuncs
sqrt，log，log2，logn，log10，power，arccos，arcsin，和arctanh。这就解释了您所看到的行为。这样做的根本设计原因可能埋在某个地方的邮件列表中。