numpy.fft和scipy.fftpack有什么区别？
后者只是前者的同义词，还是两种不同的FFT实现？ 哪一个更好？
SciPy做的更多：
- http://docs.scipy.org/doc/numpy/reference/routines.fft.html
- http://docs.scipy.org/doc/scipy/reference/fftpack.html#
另外，SciPy通过自己的接口导出一些NumPy特性，例如，如果你执行scipy.fftpack.helper.fftfreq和numpy.fft.helper.fftfreq，你实际上运行的是相同的代码。
但是，SciPy有自己的很多function的实现。 源代码具有比较原始的NumPy和新的SciPy版本的性能基准。 我古老的笔记本电脑显示了这样的东西：
Fast Fourier Transform ================================================= | real input | complex input ------------------------------------------------- size | scipy | numpy | scipy | numpy ------------------------------------------------- 100 | 0.07 | 0.06 | 0.06 | 0.07 (secs for 7000 calls) 1000 | 0.06 | 0.09 | 0.09 | 0.09 (secs for 2000 calls) 256 | 0.11 | 0.11 | 0.12 | 0.11 (secs for 10000 calls) 512 | 0.16 | 0.21 | 0.20 | 0.21 (secs for 10000 calls) 1024 | 0.03 | 0.04 | 0.04 | 0.04 (secs for 1000 calls) 2048 | 0.05 | 0.09 | 0.08 | 0.08 (secs for 1000 calls) 4096 | 0.05 | 0.08 | 0.07 | 0.09 (secs for 500 calls) 8192 | 0.10 | 0.20 | 0.19 | 0.21 (secs for 500 calls) 看起来，SciPy的运行速度明显快于arrays规模的增长，尽pipe这些只是人为的例子，值得对两个项目进行实验。
这是值得检查的源代码http://www.scipy.org/Download#head-312ad78cdf85a9ca6fa17a266752069d23f785d1 。 是的，那些.f文件真的是Fortran！ 😀
我发现numpy的2D fft明显比scipy快，但是FFTW比两者都快（使用PyFFTW绑定）。 性能testing在这里：code.google.com/p/agpy/source/browse/trunk/tests/test_ffts.py
结果（对于n × n数组）：
n sp np fftw 8: 0.010189 0.005077 0.028378 16: 0.010795 0.008069 0.028716 32: 0.014351 0.008566 0.031076 64: 0.028796 0.019308 0.036931 128: 0.093085 0.074986 0.088365 256: 0.459137 0.317680 0.170934 512: 2.652487 1.811646 0.571402 1024: 10.722885 7.796856 3.509452
看看每个github respositories，scipy不只是导入numpy的版本并重命名它（虽然它借用了一些function）。 如果你想辨别实现的差异，你将不得不深入到代码中，因为文档没有直接比较。
