1.1 SciPy 是什么：与 NumPy 的分工

1.1 SciPy 是什么：与 NumPy 的分工

本节摘要：SciPy 是构建在 NumPy 之上的科学计算库，二者分工可以概括为"NumPy 提供数组与基本运算，SciPy 提供面向科学计算的高层算法"。本节用对比与实例讲清这个边界，并解释 SciPy 为什么大量复用经过数十年验证的 FORTRAN 经典算法库。

学习目标

阅读完本节，你应当能够：

1. 用一句话说清 SciPy 与 NumPy 的分工；
2. 举出 SciPy 中三个典型的子模块及其适用问题；
3. 解释"为什么 SciPy 的函数比手写实现更可靠"；
4. 判断一个具体问题应该用 NumPy 还是 SciPy 解决。

一、问题与直觉

刚接触 Python 科学计算的人，几乎都会被一个问题卡住：NumPy 和 SciPy 到底有什么区别？看文档，NumPy 有数组运算，SciPy 也有线性代数；NumPy 能算傅里叶变换，SciPy 也能。两边的函数名字还经常一样——numpy.fft 和 scipy.fft、numpy.linalg 和 scipy.linalg，连文档首页都在互相引用。

这不是设计混乱，而是历史形成的合理分工。理解这个边界，你才能在两边的"重合区"做出正确选择，也才能读懂大量网上教程里"建议用 SciPy"的劝告到底在说什么。

我们先做一个思想实验。你面前有两样东西：一盒积木，和一栋用积木搭好的桥。NumPy 是积木盒——它给你的是构建数值计算的基础构件（数组、基本运算、简单的分解）；SciPy 是那座桥——它把积木按工程标准组装好，你直接走过去就行。桥的组装过程经历了数十年、无数人的验证，比自己现搭可靠得多。

二、核心原理

2.1 历史源头：一次"分家"的结果

SciPy 诞生于 2001 年，比 NumPy 还早几年（NumPy 的前身 Numeric 更早，但 SciPy 项目一度因基础数组库的分裂而受阻）。后来的故事是：SciPy 团队把自己的底层数组实现拆出去，独立成了 NumPy 项目，SciPy 则专注于更高层的算法库。所以两者的关系不是"竞争"，而是"上游与下游"——SciPy 的所有模块都依赖 NumPy 数组作为数据结构。

这个历史解释了为什么两边会有重叠函数：scipy.linalg 里的函数大多是对 NumPy 对应功能的超集，增加了更多分解方法和更丰富的返回信息；scipy.fft 则提供了比 NumPy 更多的前后端选择（比如支持 fftconvolve 这类组合功能）。重叠不可怕，怕的是不知道哪个更合适。

2.2 一句话分工

NumPy 管"怎么存、怎么算得快"，SciPy 管"算什么、怎么算得对"。

展开说：NumPy 的核心是 ndarray——多维数组的存储、切片、广播、基本逐元素运算，以及少量经过优化的线性代数操作。SciPy 的核心是面向具体科学问题的算法：积分的自适应求积、优化的多种全局与局部算法、插值的各类样条、信号滤波器的设计、统计分布与检验、稀疏矩阵的存储与求解、空间数据的 KDTree、特殊函数的数值计算。

换个角度理解：如果你在写机器学习框架的底层、做大规模数组的朴素运算，用 NumPy；如果你在做"科研计算"——算积分、拟合参数、滤波、检验假设，用 SciPy。

2.3 为什么"别人的轮子"更可靠

SciPy 的很多核心算法不是自己从零写的，而是封装了经典 FORTRAN 库：积分用 QUADPACK，优化用 MINPACK，线性代数用 LAPACK。这些库从七八十年代起就在大型机、超级计算机上运行，被无数论文引用，边界情况和数值稳定性经过了残酷的实战检验。

举个直观的例子：手写一个 Simpson 积分很简单，十几行代码的事。但真遇到被积函数在区间内有剧烈变化或奇异点，朴素实现会静默地给出错误结果。scipy.integrate.quad 用的是自适应算法——它会自动在函数变化剧烈的地方加密采样点，并给出误差估计。这种"带误差估计的积分"是手写实现难以企及的。

2.4 何时只用 NumPy 就够了

判断标准很简单：当你的需求只是"对数组做数学运算"，不需要算法级的决策时，NumPy 就够。比如：逐元素计算、矩阵乘法、简单求均值方差、numpy.linalg 里已有的 SVD 和特征值分解、numpy.fft 的标准 FFT。

但有两个信号提示你应该转向 SciPy：一是你需要算法选择（哪种插值方法、哪种优化器、哪种滤波器），二是你需要专业结果（误差估计、显著性、分位数、稀疏矩阵的高效求解）。

2.5 同一个问题，两种库的解法差距

光讲概念不够，我们用一个具体问题看差距。假设我们要对一组带噪声的离散点做平滑，再求它的峰值位置。

先用 NumPy 的朴素思路：对相邻点做滑动平均，然后找最大值所在下标。

import numpy as np
x = np.linspace(0, 10, 200)
y = np.sin(x) + 0.2 * np.random.default_rng(1).normal(size=len(x))

# NumPy 思路：朴素滑动平均
window = 5
smoothed = np.convolve(y, np.ones(window) / window, mode='same')
peak = np.argmax(smoothed)
print("峰值位置（NumPy 朴素法）:", x[peak])
​

这个解法有两个隐患：一是滑动平均会削平峰形，峰值位置可能偏移；二是我们完全不知道平滑结果的可信度。换成 SciPy 的思路，用信号处理模块的 Savitzky-Golay 滤波（在保持峰形的前提下平滑），再用 find_peaks 返回峰值位置和高度：

from scipy.signal import savgol_filter, find_peaks

smoothed_sg = savgol_filter(y, window_length=11, polyorder=3)
peaks, props = find_peaks(smoothed_sg, height=0.5)
print("峰值位置（SciPy 方法）:", x[peaks[0]], "峰值高度:", props["peak_heights"][0].round(3))
​

同一个需求，NumPy 要自己拼装算法、处理边界效应；SciPy 给你经过验证的滤波器设计和峰值检测器，还附带了高度、宽度等结构信息。这就是"积木"与"桥"的区别——不是说 NumPy 做不到，而是 SciPy 让你直接站在桥上过河。

三、工程实践要点

3.1 选择速查表

3.2 实用建议

• 别纠结"重叠区"：线性代数类操作在数据量小时两边结果一致，直接选 SciPy 版本，信息更全。
• 性能敏感时看文档确认：SciPy 函数通常有更完善的底层优化（如 LAPACK 分块算法），但在小数组上两者差距可忽略。
• 版本同步问题：SciPy 和 NumPy 有版本对应关系，升级时一起升，避免"二进制不兼容"警告。

⚠️ 常见坑：把 SciPy 当作"更大的 NumPy"随便 import 全部子模块（from scipy import *），既慢又容易与 NumPy 同名函数冲突。规范做法是按需导入：from scipy import integrate, optimize。
💡 关键直觉：看到陌生数值问题，先问自己"这是存储问题还是算法问题"——存储问题找 NumPy，算法问题找 SciPy，十有八九不会错。

3.3 遇到陌生模块怎么办：三步法

知道该用哪个库是一回事，知道库里的哪个函数是另一回事。当你拿着一个具体问题面对 SciPy 时，我习惯用三步法定位：

第一步，按问题类型找模块。想一下问题属于哪一类：求面积还是求变化率（integrate）、找最优还是找根（optimize）、补点还是平滑（interpolate、signal）、分类还是检验（spatial、stats）。模块名本身就是答案的一半。

第二步，看模块首页的索引。每个模块的文档首页都有一份"函数按用途分类"的清单，比如信号模块把滤波、谱分析、窗函数分开列，找起来比全局搜索快得多。

第三步，用帮助函数确认签名。在环境里对目标函数调用帮助文档（如 help(optimize.curve_fit)），看参数顺序和返回值结构，再搜一两段官方示例。三步下来，绝大多数问题都能在十分钟内找到入口。

3.4 一个容易忽略的差异：版本之间的迁移

SciPy 每隔几年会调整一些函数的推荐用法，比如早年常用 interpolate.spline，现在官方推荐 CubicSpline；scipy.fftpack 逐步被 scipy.fft 取代。看到网上旧教程里的函数名，先确认你装的版本里它是否还在、有没有替代品——方法是在环境里试跑，报错或警告通常是迁移信号。这也是为什么本教程统一推荐当前稳定版本的用法，遇到旧代码时按此对照升级。

3.5 一个真实工作流：气象数据预处理该用哪些模块

分工讲再多，不如拼一次真流水线。假设你手里有一份 90 天的日平均气温记录，中间有几天仪器故障导致数据缺失，序列本身带着测量噪声，你想回答的问题是：这段时间气温有没有明显的上升趋势。这个任务恰好需要 interpolate、signal、stats 三个模块各干一段：

import numpy as np
from scipy import interpolate, signal, stats

rng = np.random.default_rng(7)
day = np.arange(90)
temp = 15 + 8 * np.sin(2 * np.pi * day / 30) + 0.02 * day + rng.normal(0, 0.6, 90)
temp[[20, 21, 22, 45, 46]] = np.nan   # 模拟五天观测缺失

# 第一步：interpolate 补缺失，用三次样条保住局部形态
mask = ~np.isnan(temp)
fill = interpolate.interp1d(day[mask], temp[mask], kind='cubic')
temp_filled = np.where(np.isnan(temp), fill(day), temp)

# 第二步：signal 平滑噪声，但不削平趋势的转折
smooth = signal.savgol_filter(temp_filled, window_length=9, polyorder=2)

# 第三步：stats 检验趋势是否显著
slope, intercept, r_value, p_value, se = stats.linregress(day, smooth)
print(f"升温斜率 {slope:.3f} 度每天，p 值 {p_value:.2e}")
​

每个模块各管一段，谁也不越界：interpolate 只负责把缺失的五个点补上（三次样条比填均值更能保留局部形态）；signal 只负责滤掉测量噪声（选 Savitzky-Golay 而不是滑动平均，是因为它平滑的同时不钝化趋势的转折）；stats 只负责给结论一个概率判断——p 值远小于 0.05，我们才敢说"升温不是随机波动造成的"。

想想如果只用 NumPy，这段路会是什么样：样条要手写，滤波窗要手写，回归统计量要手写，每一段都得自己证明正确性。而这里每个函数都经过数十年验证，你真正要做的判断只有一件事——这一步属于哪类问题，然后挑对模块、调对参数。这也是前面三步法说的"按问题类型找模块"：定位对了，这条流水线十分钟就能搭起来。

这条流水线也有自己的边界。比如缺失段如果长达一个月，三次样条插出来的中间值基本就是猜——这时候与其插值，不如承认数据不足，把缺失段剔除或单独标注，别让插值结果混进后续拟合里冒充真实观测。再比如平滑窗口选多大，是个没有标准答案的取舍：窗口太小噪声没滤干净，窗口太大又把真实波动削平了。我们建议每个参数都亲自动手调一遍，感受结果随之变化的幅度——参数从哪来、变了会怎样，这才是"会调"和"会用"的分水岭，也是把模块分工用好的最后一公里。

要点速记

• 要点一：NumPy 提供数组与基本运算，SciPy 在其上提供科学计算算法，二者是上下游关系。
• 要点二：SciPy 大量封装 QUADPACK、MINPACK、LAPACK 等经典 FORTRAN 库，可靠性经过数十年验证。
• 要点三：重叠函数（linalg、fft）不是设计混乱，而是 SciPy 提供超集功能。
• 要点四：判断标准——需要算法选择或专业结果（误差估计、显著性）时用 SciPy。
• 要点五：小数组上 NumPy 与 SciPy 性能差异可忽略，别过早优化。
• 要点六：按需导入子模块，避免通配导入带来的命名冲突。

下一节我们解决动手前最关键的一步：怎么把环境搭好、装对版本，让后面所有示例都能跑起来。