如果 numpy.correlate 与 scipy.signal.correlate 都用于一维数组，它们是否不同？
Does numpy.correlate differ from scipy.signal.correlate if both are used on a 1D array?
scipy的相关函数的文档声称它可以用于N维数组
scipy.signal.correlate(in1, in2, mode='full', method='auto')
Cross-correlate two N-dimensional arrays.
Cross-correlate in1 and in2, with the output size determined by the mode Argument.
而 numpy 的关联只能用于一维序列。
numpy.correlate(a, v, mode='valid')
Cross-correlation of two 1-dimensional sequences. This function computes the correlation as generally defined in signal processing texts:
c_{av}[k] = sum_n a[n+k] * conj(v[n])
with a and v sequences being zero-padded where necessary and conj
being the conjugate.
如果这两个函数都用于两个一维数组，那么这些函数有什么不同吗？如果不是，numpy.correlate 的用例是什么？
scipy 实现在某些情况下会调用 numpy 版本，但在可能更快时也会使用更快的基于 FFT 的实现。有关详细信息，请参阅 choose_conv_method or the source
这个 "duplication" 是为了让 numpy 可以提供一个优化的函数基础，通常由 scipy 扩展以提供更完整的功能覆盖（通常不太优化，但仍然主要是原生的代码非常快并且数值稳定）。这种明显重复的其他示例是线性代数功能（linalg 包）和傅里叶变换（其中 numpy 提供了一些有限的功能，scipy 导出了大部分 fftpack）
scipy的相关函数的文档声称它可以用于N维数组
scipy.signal.correlate(in1, in2, mode='full', method='auto')
Cross-correlate two N-dimensional arrays. Cross-correlate in1 and in2, with the output size determined by the mode Argument.
而 numpy 的关联只能用于一维序列。
numpy.correlate(a, v, mode='valid')
Cross-correlation of two 1-dimensional sequences. This function computes the correlation as generally defined in signal processing texts:
c_{av}[k] = sum_n a[n+k] * conj(v[n])
with a and v sequences being zero-padded where necessary and conj being the conjugate.
如果这两个函数都用于两个一维数组，那么这些函数有什么不同吗？如果不是，numpy.correlate 的用例是什么？
scipy 实现在某些情况下会调用 numpy 版本，但在可能更快时也会使用更快的基于 FFT 的实现。有关详细信息，请参阅 choose_conv_method or the source
这个 "duplication" 是为了让 numpy 可以提供一个优化的函数基础，通常由 scipy 扩展以提供更完整的功能覆盖（通常不太优化，但仍然主要是原生的代码非常快并且数值稳定）。这种明显重复的其他示例是线性代数功能（linalg 包）和傅里叶变换（其中 numpy 提供了一些有限的功能，scipy 导出了大部分 fftpack）