SciPy/NumPy导入指南

Question

注意：我查了重复问题，但没有找到能清晰回答我的问题的内容。如果我漏看了什么，请务必告诉我！

为了整理我的代码，我一直在寻找导入SciPy和NumPy的标准规范。我知道没有严格的指南，我可以按照自己的方式操作，但有时我仍然会发现相互矛盾的指令。

例如，我曾经在某个地方读到，NumPy只用于实现数组对象，而SciPy则用于其他所有科学算法。因此，应该使用NumPy进行数组操作，使用SciPy进行其他操作...另一方面，SciPy在其主命名空间中导入了所有Numpy函数，因此scipy.array()与numpy.array()是一样的（细节请见这个问题），因此仅当不使用SciPy时才应使用NumPy，因为它们是重复的...

使用SciPy和NumPy的推荐方式是什么？作为一名科学家，sqrt（-1）应该返回一个复数，所以我倾向于只使用SciPy。

目前，我的代码开头是：

import numpy as np
from scipy import *
from matplotlib import pyplot as plt

我使用scipy进行数学运算（例如log10()），使用numpy创建/操作数组（例如np.zeros()）。只使用Scipy而不显式导入NumPy是否可行？未来的更新是否会从Scipy中移除NumPy的数组操作？

- PhilMacKay

---

建议直接从numpy.lib.scimath获取这些函数的变体，因为它们在那里被定义，而不是从scipy获取。 - Robert Kern

Answer 1

我建议做类似于以下的操作：

import numpy as np
import scipy as sp

不要使用from ... import *这种方式导入模块，特别是像numpy和scipy这样的大型模块。下面是为什么：

>>> any(['foo'])
True
>>> from scipy import *
>>> any(['foo'])

Traceback (most recent call last):
  File "<pyshell#2>", line 1, in <module>
     any(['foo'])
  File "C:\Python27\lib\site-packages\numpy\core\fromnumeric.py", line 1575, in any
    return _wrapit(a, 'any', axis, out)
  File "C:\Python27\lib\site-packages\numpy\core\fromnumeric.py", line 37, in _wrapit
    result = getattr(asarray(obj),method)(*args, **kwds)
TypeError: cannot perform reduce with flexible type

这里发生了什么？标准的Python内置函数any被scipy.any替换了，其行为有所不同。这可能会破坏使用标准any的任何代码。

- Johan Råde

---

我理解 from ... import * 的危险性，但是导入scipy和numpy两个库是多余的，因为numpy已经包含在scipy中了，而且scipy更适合科学计算。 - PhilMacKay

然后只需要导入 scipy，但不要使用 from scipy import *。 - Johan Råde

我选择了您的答案，因为没有其他需要补充的内容。在我的情况下，由于我一直在进行科学计算，所以我只使用import scipy as sp进行测试，并且对于所有事情都使用sp.stuff。在更普遍的计算环境中，不需要scipy，我想numpy可能是最好的选择。我想不出两者同时需要的情况。 - PhilMacKay

import scipy as sp 的问题在于许多子模块将不可用。例如，sp.sparse 不可用。有什么办法可以全部导入吗？ - Royi

Answer 2

这篇文章提供了关于两个模块的一些好信息(Scipy和Numpy之间的关系)。看起来，Numpy的功能旨在完全包含在Scipy中，尽管有一些例外情况(请参见文章)。我认为，只需使用Scipy就可以满足您的所有需求，因为大多数重要的东西，如数学函数、数组和其他东西都包含在Scipy中。

- astromax

Answer 3

如果只使用所需内容，可以考虑创建类，例如：

class one:

import cv2
from SIGBWindows import SIGBWindows
from SIGBAssg import *

第二课：

import cv2
import numpy as np

from pylab import *
from scipy.cluster.vq import *
from scipy.misc import imresize

第三个类：

import cv2
import numpy as np

最后我们调用对象的地方：

import cv2
from SIGBWindows import SIGBWindows
from SIGBAssg import *

windows = SIGBWindows(mode="video")
windows.openVideo("somevideo.avi")
kmeans(windows)

我不知道这是否是你正在寻找的，但这种方法可以使代码非常清晰，并且很容易添加更多功能。

- Jorge Y. C. Rodriguez

---

嗯，您回答的是哪个问题？ - MattDMo

嗯...这不是我想要的。我的主要目标是尽可能保持代码易于阅读和简单，因为我希望其他人（或者一年后的自己）能够轻松理解我的算法。 - PhilMacKay

我明白你的意思，但是由于在图像处理中需要两种类型的数组，我认为这样做是使代码更易于阅读的最简单方法。 - Jorge Y. C. Rodriguez