Scipy处理子模块的方式与Numpy不同，例如
import scipy as sp
import numpy as np
A = np.eye(4)
np.linalg.det(A)
sp.linalg.det(A)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: module 'scipy' has no attribute 'linalg'由于Numpy的不对称性，这有点烦人，但这正是文档描述的行为。
from scipy import linalg
import numpy as np
A = np.eye(4)
np.linalg.det(A)
linalg.det(A) # using Scipy这样就可以了。
奇怪的是
import scipy as sp
import numpy as np
from scipy.linalg import expm # extra line inserted into first example
A = np.eye(4)
np.linalg.det(A)
sp.linalg.det(A)那么Numpy样式的代码就可以很好地工作。额外的行导致linalg被添加到名称空间sp中，这是额外导入的副作用。
我得到了我想要的编程模式，但是第三行不容易在示例代码中解释。
问：为什么Scipy要这样做？有没有更直接的方法让Scipy表现得更麻木？
1条答案
按热度按时间im9ewurl1#
事实上，你几乎从来不需要或想要
import scipy as sp或类似的东西。顶层scipy命名空间中几乎什么都没有。所有有用的东西都在子包中（一个例外是LowLevelCallable，它在顶层命名空间中 is）。这样，用户最好要么从子包导入，
from scipy.signal import detrend，要么自己导入子包（from scipy import signal; signal.detrend(...)）。至于与numpy的差距，numpy则完全相反：* 很多 * 有用的东西都在顶级命名空间中，所以你可以从那里导入它。除非你使用
np.linalg，np.random，np.fft或np.testing，这些都是面向公共的可用子模块。