SciPy/NumPy 导入指南

Posted 2023-03-12

【中文标题】SciPy/NumPy 导入指南

【英文标题】：SciPy/NumPy import guideline

【发布时间】：2013-03-09 20:50:11

【问题描述】：

注意：我检查了重复项，但没有任何内容可以明确回答我的问题。我相信如果我遗漏了什么，你会告诉我的！

为了清理我的代码，我一直在寻找在我的程序中导入 SciPy 和 NumPy 的标准约定。我知道没有严格的指导方针，我可以按照自己的方式去做，但有时我仍然会发现相互矛盾的指示。

例如，我在某处读到 NumPy 仅用于实现数组对象，而 SciPy 则适用于所有其他科学算法。所以 NumPy 应该用于数组操作，而 SciPy 应该用于其他一切...... 另一方面，SciPy 在其主命名空间中导入每个 Numpy 函数，因此 scipy.array() 与 numpy.array() (see this question) 相同，因此 NumPy 仅应在不使用 SciPy 时使用，因为它们是重复...

使用 SciPy 和 NumPy 的推荐方法是什么？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。

现在，我的代码开始于：

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 进行数组创建/操作（例如 np.zeros()）。一直使用 SciPy 并且从不明确导入 NumPy 会很好吗？未来的更新会从 SciPy 中移除 NumPy 的数组操作吗？

【问题讨论】：

我建议直接从定义它们的numpy.lib.scimath 获取这些函数的变体，而不是从 scipy 获取。

【参考方案1】：

我建议做类似的事情

import numpy as np
import scipy as sp

相反。做from ... import * 总是很危险的，尤其是对于像numpy 和scipy 这样的大模块。以下说明了原因：

>>> 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，它具有不同的行为。这可能会破坏任何使用标准 any 的代码。

【讨论】：

我遇到了from ... import * 的危险，但是同时导入 scipy 和 numpy 是多余的，因为 scipy 中包含 numpy，并且 scipy 更适合科学计算。

然后只导入scipy，但不要导入from scipy import *。

我选择了你的答案，因为几乎没有什么要补充的。就我而言，由于我一直在做科学计算，所以我只使用import scipy as sp 进行测试，并使用sp.stuff 进行所有测试。在不需要 scipy 的更一般的计算环境中，我想 numpy 将是要走的路。我想不出同时需要两者的情况。

import scipy as sp 的问题是很多子模块不可用。例如，sp.sparse 不可用。知道如何将它们全部导入吗？

【参考方案2】：

这篇文章有一些关于这两个模块的好信息 (Relationship between scipy and numpy)。 Numpy 的功能似乎完全包含在 Scipy 中，尽管有一些例外（见帖子）。我想说简单地使用 Scipy 来满足您的所有需求是安全的，因为最重要的东西，如数学函数、数组和其他东西都包含在 Scipy 中。

【参考方案3】：

如何制作课程并使用您需要的东西，fx： 第一课：

import cv2
from SIGBWindows import SIGBWindows
from SIGBAssg import *

二级：

import cv2
import numpy as np

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

第三类：

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)

我不知道它是不是你要找的东西，但是这种方法使代码非常干净并且很容易向它添加更多功能。

【讨论】：

嗯，你在回答什么问题？

嗯...这不是我想要的。我的主要目标是使代码尽可能易于阅读和简单，因为我希望其他人（或一年后的我自己）能够轻松理解我的算法。

是的，我跟着你，但由于图像处理需要这两种数组，我认为这样做是使代码更易于阅读的最简单方法。