Python代码展示Numpy和Scipy的子库的描述信息

前言

学习一个库的最好的方式是了解这个库的源码和组成原理，有时候源码可能会略显生涩，这时候我们想通过查看文档来了解，所以我们可以通过输出库自带的描述文档来了解一个库。

Numpy和Scipy模块

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SciPyReference Guide中的话说，“all of the Numpy functions have beensubsumed into the scipy namespace so that all of those functions are availablewithout additionally importing Numpy.”

下面通过代码查看Numpy和Scipy模块内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
    #删除多余空格
    s = ' '.join(s.split())
    s = s.replace('=', '')
    return s

#打印子库的描述信息
def print_desc(prefix, pkg_path):
    '''此函数会返回一个由元组构成的列表,其中每个元组包含3个元素，这里我们只需要第二和第三个元素，
    第二个元素是子程序包的名称，第三个元素存放的是一个指示这个子程序包的布尔值。'''
    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('---------------分割线-----------')
print()
print_desc("scipy", sp.__path__)

这里只粘贴部分打印信息以做参考：

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

---------------分割线-----------

scipy._build_utils

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

小结

希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，希望你留言和我进行交流、讨论。

欢迎关注微信公众号，访问更多精彩：数据之魅。

 

如需转载，请联系授权，谢谢合作。