前言

學習一個庫的最好的方式是了解這個庫的源碼和組成原理，有時候源碼可能會略顯生澀，這時候我們想通過查看文檔來了解，所以我們可以通過輸出庫自帶的描述文檔來了解一個庫。

Numpy和Scipy模塊

numpy提供了數組對象，面向的任何使用者。scipy在numpy的基礎上，面向科學家和工程師，提供了更為精準和廣泛的函數。scipy幾乎實現numpy的所有函數，一般而言，如果scipy和numpy都有這個函數的話，應該用scipy中的版本，因為scipy中的版本往往做了改進，效率更高。但是，有一些同名函數，卻有著不同的行為，比如log10，linalg.solve。這些不同的行為，最需要我們的注意。

scipy對numpy的“覆蓋”是怎么樣的？用SciPyReference Guide中的話說，“all of the Numpy functions have beensubsumed into the scipy namespace so that all of those functions are availablewithout additionally importing Numpy.”

下面通過代碼查看Numpy和Scipy模塊內的子程序包的描述信息：

import pkgutil as pu
import numpy as np
import matplotlib as mpl
import scipy as sp
import pydoc

print("Numpy版本：", np.__version__)
print("Scipy版本：", sp.__version__)
print("Matplotlib版本：", mpl.__version__)

def clean(astr):
??? s = astr
??? #刪除多余空格
??? s = ' '.join(s.split())
??? s = s.replace('=', '')
??? return s

#打印子庫的描述信息
def print_desc(prefix, pkg_path):
??? '''此函數會返回一個由元組構成的列表,其中每個元組包含3個元素，這里我們只需要第二和第三個元素，
??? 第二個元素是子程序包的名稱，第三個元素存放的是一個指示這個子程序包的布爾值。'''
??? for pkg in pu.iter_modules(path = pkg_path):
??????? name = prefix + "." +pkg[1]
??????? if pkg[2] == True:
??????????? try:
??????????????? docstr = pydoc.plain(pydoc.render_doc(name))
??????????????? docstr = clean(docstr)
??????????????? start = docstr.find("DESCRIPTION")
??????????????? docstr = docstr[start: start + 140]
??????????????? print(name, docstr)
??????????? except:
??????????????? continue
?? ?
print_desc("numpy", np.__path__)
print()
print('---------------分割線-----------')
print()
print_desc("scipy", sp.__path__)

這里只粘貼部分打印信息以做參考：

Numpy版本 1.12.1

Scipy版本 0.19.0

Matplotlib版本 2.0.2

numpy.compat DESCRIPTION This modulecontains duplicated code from Python itself or 3rd party extensions, which maybe included for the following reasons

---------------分割線-----------

scipy._build_utils

scipy._lib DESCRIPTION Module containingprivate utility functions? The``scipy._lib`` namespace is empty (for now). Tests for all utilities in submodu

小結

希望通過上面的操作能幫助大家。如果你有什么好的意見，建議，或者有不同的看法，希望你留言和我進行交流、討論。

歡迎關注微信公眾號，訪問更多精彩： 數據之魅 。

?

如需轉載，請聯系授權，謝謝合作。