例如，NumPy有window functions bartlett，blackman，hamming，hanning，kaiser，而SciPy有{{3}但是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？只是为了向后兼容？如果是这样，为什么他们在不同的地方定义不同？在写一些新东西时我应该更喜欢哪一个？
答案 0 :(得分：16)
来自SciPy FAQ：
在一个理想的世界中，NumPy只包含数组数据类型和最基本的数据类型 操作：索引，排序，重塑，基本元素函数等。所有 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尝试保留其中任何一个支持的所有功能 前辈。因此，NumPy包含一些线性代数函数，即使这些函数更多 恰好属于SciPy。无论如何，SciPy包含更多功能齐全的版本 线性代数模块，以及许多其他数值算法。如果你在做 使用python进行科学计算，你应该安装NumPy和SciPy。最新的＆gt;功能属于SciPy而不是NumPy。
所以是的，重复项是为了向后兼容。通常，它们给出相同的结果。但是，正如FAQ所述，新功能通常会在SciPy中实现，但不一定是NumPy。这包括错误修复。例如，我发现numpy.linalg.eig为复杂矩阵返回了不正确的特征值，而scipy.linalg.eig返回了正确的特征值。
总的来说，我更喜欢坚持使用常见问题解答中的“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。