为什么NumPy和SciPy有很多相同的函数？我应该选择哪个？

Question

可能重复：
Scipy和Numpy之间的关系

例如，NumPy有窗函数bartlett、blackman、hamming、hanning、kaiser，而SciPy也有这些以及更多, 但它们似乎产生相同的输出。

NumPy有numpy.fft.fft2(a, s=None, axes=(-2, -1))。

SciPy有scipy.fftpack.fft2(x, shape=None, axes=(-2, -1), overwrite_x=0)。

为什么会出现重复？仅仅是为了向后兼容吗？如果是这样，为什么在不同的地方定义它们的方式不同呢？在编写新代码时应该选择哪一个？

- endolith

---

请参见https://dev59.com/gW025IYBdhLWcg3wIyKf。Scipy是建立在Numpy基础上的一个Python软件包，用于数学、科学和工程计算。它提供了许多高级函数和优化算法，可以扩展Numpy的功能。因此，使用Scipy通常需要先安装Numpy。 - NPE

@aix：这不是关于将numpy函数转换为scipy的问题。而是关于两者独立存在的内容，我的问题并没有在那些答案中得到解答。 - endolith

Answer 1

从SciPy FAQ中： 在理想的世界中，NumPy应该只包含数组数据类型和最基本的操作：索引、排序、重塑、基本元素级函数等。所有的数值代码应该驻留在SciPy中。然而，NumPy的一个重要目标是兼容性，所以NumPy试图保留其任一前身支持的所有功能。因此，NumPy包含一些线性代数函数，尽管这些更适合放在SciPy中。无论如何，SciPy包含了更完整功能的线性代数模块，以及许多其他数值算法。如果你正在使用Python进行科学计算，你可能应该同时安装NumPy和SciPy。大多数新特性应该放在SciPy而不是NumPy中。

所以是的，这些重复是为了向后兼容性。通常情况下，它们会给出相同的结果。然而，正如FAQ所述，新特性通常是实现到SciPy中，但未必是NumPy。这包括错误修复。例如，我发现对于一个复杂矩阵，numpy.linalg.eig返回了不正确的特征值，而scipy.linalg.eig则返回了正确的特征值。

一般来说，我更倾向于遵循FAQ中的“理想世界”场景：我使用NumPy进行基本的数组操作，而使用SciPy进行所有的线性代数计算。这样我就不会遇到任何意外情况。

- SethMMorton