NumPy和SciPy的关系？

numpy提供了数组对象，面向的任何使用者。scipy在numpy的基础上，面向科学家和工程师，提供了更为精准和广泛的函数。scipy几乎实现numpy的所有函数，一般而言，如果scipy和numpy都有这个函数的话，应该用scipy中的版本，因为scipy中的版本往往做了改进，效率更高。但是，有一些同名函数，却有着不同的行为，比如log10，linalg.solve。这些不同的行为，最需要我们的注意。

scipy对numpy的“覆盖”是怎么样的？用SciPy Reference Guide中的话说，“all of the Numpy functions have been subsumed into the scipy namespace so that all of those functions are available without additionally importing Numpy.”

同时，在scipy的__init__.py中，找到了这个：

import numpy as _num

​linalg = None

from numpy import *

from numpy.random import rand, randn

from numpy.fft import fft, ifft

from numpy.lib.scimath import *

可见，reference所言不虚，但也不精准。对于两者的清晰界定，以__init__.py为准。

如果想继续深究numpy和scipy中同名函数的不同，有一个函数非常好用，那就是source，它可以用来查看源代码。通过分析源代码，自然就能很清楚的搞明白实现的不同啦。

以上可知，尽管有了scipy，numpy的用处就没多大了，但是呢，numpy还是有一定的“不可替代性”。所以，没什么特殊的要求，这样引入：

import numpy as np

import scipy as sp

import matplotlib.pyplot as plt