SciPy 和 NumPy 之间的关系

SciPy 似乎在其自己的命名空间中提供了大部分（但不是全部 [1]）NumPy 的函数。换句话说，如果有一个名为numpy.foo，几乎可以肯定有一个scipy.foo。大多数时候，两者看起来完全相同，甚至经常指向同一个函数对象。

有时，它们是不同的。举个最近出现的例子：

• numpy.log10 is a ufunc对于负参数返回 NaN；
• scipy.log10返回负参数的复数值并且看起来不是 ufunc。

同样可以这样说log, log2 and logn，但不是关于log1p [2].

另一方面，numpy.exp and scipy.exp同一个 ufunc 似乎有不同的名称。这也适用于scipy.log1p and numpy.log1p.

另一个例子是numpy.linalg.solve vs scipy.linalg.solve。它们很相似，但后者比前者提供了一些附加功能。

为什么会出现明显的重复？如果这是批发进口的numpy进入scipy命名空间，为什么行为上有细微的差异和缺少的功能？是否有一些总体逻辑可以帮助消除混乱？

[1] numpy.min, numpy.max, numpy.abs和其他一些在该领域没有对应的scipy命名空间。

[2] 使用 NumPy 1.5.1 和 SciPy 0.9.0rc2 进行测试。

上次我检查过，scipy__init__方法执行一个

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。

The log10你所描述的行为很有趣，因为both版本来自 numpy。一个是一个ufunc，另一个是numpy.lib功能。为什么 scipy 更喜欢库函数而不是ufunc，我脑子里不知道。

编辑：事实上，我可以回答log10问题。在 scipy 中查找__init__方法我看到这个：

# 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 *

The log10你在 scipy 中得到的函数来自numpy.lib.scimath。看看该代码，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.
"""

似乎该模块覆盖了基本 numpy ufuncssqrt, log, log2, logn, log10, power, arccos, arcsin, and arctanh。这解释了您所看到的行为。这样做的根本设计原因可能隐藏在某处的邮件列表帖子中。