SpiceyPy 是 Python 版本的 SPICE 工具箱，mice 是 MATLAB 版本的 SPICE 工具箱。SpiceyPy 和 mice 用起来有一些差异，尤其是先接触 mice 再接触 SpiceyPy 的用户，这里主要介绍三点不同：Not Found Errors、向量化、spkw09()。

Not Found Errors

mice 带有查询性质的函数的末尾返回参数往往是一个布尔型变量found，表示是否查询到。举个例子，可以用下面的代码查询'Earth'对应的 id：

[id, found] = cspice_bodn2c('Earth')

如果内核认识'Earth'，那么found为true，否则found为false。再比如，可以用下面的代码查询 id 为 1 的 frame 的信息：

[cent, frclss, clssid, found] = cspice_frinfo(1)

如果内核存在该 frame，那么found为true，否则found为false。

---

但是，SpiceyPy 引入了 Not Found Errors 机制，初学者极易在此产生困惑。还是用frinfo()函数举例子，我们在 Jupyter Notebook 里进行演示，先导入 SpiceyPy 库：

然后查询 id 为 1 的 frame 的信息：

报错，说我们期望的返回值是 4 个，但是实际返回值是 3 个，因此无法完成解包操作。

然而 API 给的该函数就是 4 个返回值啊？？？

打开frinfo()函数的源代码，可以看到的确 return 了 4 个值，而且最后一个是布尔型：

不妨用元组来接收返回值，看看到底返回了什么：

不出所料，结果只有 3 个，还是没有预期的最后一个布尔型变量。

真相是这样的，frinfo()函数外面套了一个叫做@spice_found_exception_thrower的装饰器，见源代码 6112 行，这个装饰器的作用是在frinfo()函数返回前，对返回值进行拦截。如果found为True，那么在最终返回值里剔除found，只返回前 3 个；如果found为False，则直接抛出异常NotFoundError。NotFoundError是 SpiceyPy 内置的一种异常，关于它的更详细解释可以查看官方文档。

---

官方文档指出，SpiceyPy 默认是开启NotFoundError侦测的，如果想暂时关闭它，可以通过如下的方式：

此时便有了 4 个返回值，最后一个为True，可见的确是我们期望的结果。

需要注意的是，no_found_check()只是暂时关闭侦测，也就是在with语句之内都是遵守 API 的，with语句之外依然进行侦测（严谨地说，应该是with语句之外恢复之前的状态）。可以查看no_found_check()函数的源代码来证明这一点，yield之前config.catch_false_founds被设为了False，yield之后config.catch_false_founds被设为了之前的状态。

我们在with语句之外再试一次，可以看到又变为 3 个输出了：

如果想长久地关闭NotFoundError，可以用found_check_off()函数。关闭后如果再想打开，可以用found_check_on()函数。可以用get_found_catch_state()函数获得当前是否开启了NotFoundError。

---

这种末尾返回参数是found的函数有很多，使用时需多加注意，列举如下：

函数	函数	函数	函数
bodc2n	dlabbs	gcpool	srfcss
bodn2c	dlabfs	gdpool	srfs2c
bods2c	dlafns	gipool	srfscc
ccifrm	dlafps	gnpool	srfxpt
cidfrm	dnearp	inedpl	stpool
ckfrot	dskxsi	kdata	surfpt
ckfxfm	dtpool	kinfo	surfpv
ckgp	ekgc	kxtrct	szpool
ckgpav	ekgd	sincpt	tkfram
cnmfrm	ekgi	spksfs	vprjpi
dafgsr	frinfo	srfc2s

向量化

用 mice 的时候习惯了向量化，即绝大多数函数都能输入矩阵、返回矩阵，省去了相当多的 for 循环，不仅提高了代码可读性，更大大提高了计算效率，非常契合 MATLAB 的内涵。但是，刚转到 SpiceyPy 往往还保留着向量化的（先进）编程思维，可是 SpiceyPy 是对 C 语言版本忠实的翻译，C 语言版本的 API 是什么样，SpiceyPy 不会轻易改动，这就导致 SpiceyPy 和 mice 的不少函数存在使用差异。

举个例子，reclat()函数用来把直角坐标转为经纬坐标，在 SpiceyPy 中，它接受 1 个直角坐标，返回对应的 radius, longitude 和 latitude，还是在 Jupyter Notebook 里进行演示，先导入 SpiceyPy 库：

比如输入直角坐标 (1, 1, 1)，结果如下：

当我们尝试输入两个直角坐标，则会报错：

如果想一次性转换多个直角坐标，可以使用 for 循环：

对于大量的数据，我们对比一下 for 循环和 numpy 提供的向量化函数apply_along_axis()的运行效率：

结果表明 for 循环略胜一筹。

---

如果在 MATLAB 命令行输入：

>> cspice_reclat([1,1,1; 2,2,2])

是可以正常运行的。那么为什么 mice 可以做到向量化？打开 mice.c 的源代码，可以看到 for 循环出现在这里，for 循环里的reclat_c()函数仍然只能一次转换一个直角坐标。也就是说 mice 在代码移植的时候就考虑了向量化，而 SpiceyPy 则没有。

spkw09()

在 mice 中，cspice_spkw09()函数接收 10 个参数，如下图所示：

而在 SpicePy 中，spkw09()函数接收 11 个参数，如下图所示：

区别在于，SpicePy 比 mice 多了一个参数n，代表states的元素个数。前面说过，SpiceyPy 是对 C 语言版本忠实的翻译。对于 C 语言来说，传入一个数组名给函数，函数是没法知晓该数组有多少元素的，因为数组名本质上是数组首元素的地址。故传入数组名给函数的同时，通常还要把数组的元素个数一并传给函数，这也就是为什么会有一个参数n的原因。

那么为什么 mice 不用传参数n呢？打开 mice.c 的源代码，可以看到n是在接口函数里被自动计算出来的，不用我们手动指定。