Python 为什么NumPy和SciPy有很多相同的功能？我更喜欢哪个？

可能重复：

例如，NumPy有

bartlett

，

blackman

，

hamming

，

hanning

，

kaiser

，而SciPy有，但它们似乎产生了相同的输出

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）

为什么会有重复的？只是为了向后兼容？如果是，为什么在不同的地方对它们的定义不同？写新东西时，我应该选择哪一个？

来自：

在理想情况下，NumPy只包含数组数据类型和最基本的 操作：索引、排序、重塑、基本元素功能等。全部的 数字代码将驻留在SciPy中。然而，NumPy的一个重要目标是 兼容性，因此NumPy会尝试保留其 前任。因此，NumPy包含一些线性代数函数，即使这些函数更多 完全属于SciPy。在任何情况下，SciPy都包含功能更全面的版本 线性代数模块，以及许多其他数值算法。如果你正在做 使用python进行科学计算时，可能需要同时安装NumPy和SciPy。大多数新的>功能属于SciPy而不是NumPy

所以是的，副本是为了向后兼容。一般来说，它们给出相同的结果。然而，正如常见问题所述，新功能通常会在SciPy中实现，但不一定是NumPy。这包括bug修复。例如，我发现numpy.linalg.eig返回的复数矩阵的特征值不正确，而scipy.linalg.eig返回的特征值正确

---

一般来说，我更喜欢坚持FAQ中的“理想世界”场景：我使用NumPy进行基本数组操作，使用SciPy进行所有线性代数。这样我就不会遇到任何意外

请参阅@aix：这与scipy中包含的numpy函数无关。这是关于独立存在于两者中的东西，而我的问题并没有得到这些答案的回答