作为使用Python的开发者，我们一开始学习的内容之一就是如何导入Python的各种模块或库。但是我们注意到，那些经常使用Python的用户并不一定都知道Python的导入机制其实非常灵活。在本文中，我们将介绍以下话题：

常规导入(regular imports)

使用from语句导入

相对导入(relative imports)

可选导入(optional imports)

本地导入(local imports)

导入注意事项

常规导入

常规导入应该是最常使用的导入方式，比如：

import sys

我们只需要使用import语句，然后指定我们希望导入的模块或包即可。

通过这种方式导入的好处是可以一次性导入多个包或模块，例如：

import os, sys, time

虽然这节省了空间，但是却违背了Python风格指南。Python风格指南建议将每个导入语句单独成行。

有时在导入模块时，你想要重命名这个模块。这个功能很容易实现：

import numpy as np

然后我们可以调用这个库：

a = np.array([1,2,3])

上面的代码将我们导入的Numpy库重命名为np。我们可以按照和以前一样的方式调用模块的方法，但是可以用一个新的模块名。也有某些子模块必须要使用点标记法才能导入。

比如：

import urllib.error

这个情况虽不常见，但是我们也可以对其有所了解。

使用from语句导入

很多时候我们只想要导入一个模块或库中的某个部分。我们可以这样在Python中实现：

from functools import lru_cache

上面这行代码可以让我们直接调用lru_cache。如果我们按常规方式导入functools，那么我们就必须像这样调用lru_cache：

functools.lru_cache(*args)

根据我们实际的使用场景，上面的做法可能是更好的。在复杂的代码库中，能够看出某个函数是从哪里导入的这点是很有用的。不过，如果我们的代码维护得很好，模块化程度够高，那么只从某个模块中导入一部分内容也是非常方便和简洁的。

当然，我们还可以使用from方法导入模块的全部内容，就像这样：

from copy import *

这种做法在少数情况下是挺方便的，但是这样也可能打乱我们的命名空间。问题在于，我们可能定义了一个与导入模块中名称相同的变量或函数，这时如果我们试图使用copy模块中的同名变量或函数，实际使用的可能是我们自己定义的内容。因此，我们最后可能会碰到一个难以察觉的bug。了解了这个，我们遇到与命名空间有关的bug时也可以先从检查导入的模块入手。

如果我们正好要写自己的模块或包，有人会建议开发者在__init__.py文件中导入所有内容，让模块或者包使用起来更方便。当然很多人更喜欢显式地导入，而非隐式地导入。

我们也可以采取折中方案，从一个包中导入多个项：

from os import path, walk, unlink

from os import uname, remove

在上述代码中，我们从os模块中导入了5个函数。读者可能注意到了，我们是通过多次从同一个模块中导入实现的。当然，如果我们愿意的话，我们也可以使用圆括号一次性导入多个项：

from os import (path, walk, unlink, uname,

remove, rename)

这是一个有用的技巧，而且我们还可以换一种方式：

from os import path, walk, unlink, uname, \

remove, rename

上面的反斜杠是Python中的续行符，告诉解释器这行代码延续至下一行。

相对导入

PEP 328(Python增强建议书)介绍了引入相对导入的原因，以及选择了哪种语法。具体来说，是使用句点来决定如何相对导入其他包或模块。这么做的原因是为了避免偶然情况下导入标准库中的模块产生冲突。这里我们以PEP 328中给出的文件夹结构为例，看看相对导入是如何工作的：

my_package/

__init__.py

subpackage1/

__init__.py

module_x.py

module_y.py

subpackage2/

__init__.py

module_z.py

module_a.py

在本地磁盘上找个地方创建上述文件和文件夹。在顶层的__init__.py文件中，输入以下代码：

from . import subpackage1

from . import subpackage2

接下来进入subpackage1文件夹，编辑其中的__init__.py文件，输入以下代码：

from . import module_x

from . import module_y

现在编辑module_x.py文件，输入以下代码：

from .module_y import spam as ham

def main():

ham()

最后编辑module_y.py文件，输入以下代码：

def spam():

print('spam ' * 3)

打开终端，cd至my_package包所在的文件夹，但不要进入my_package。在这个文件夹下运行Python解释器：

相对导入适用于我们最终要放入包中的代码。如果我们编写了很多相关性强的代码，那么应该采用这种导入方式。用户也许会发现PyPI上有很多流行的包也是采用了相对导入。还要注意一点，如果我们想要跨越多个文件层级进行导入，只需要使用多个句点即可。

不过，PEP 328建议相对导入的层级不要超过两层。

还要注意一点，如果我们往module_x.py文件中添加了if __name__ == ‘__main__’，然后试图运行这个文件，我们会碰到一个很难理解的错误。我们可以编辑一下文件试试看：

from . module_y import spam as ham

def main():

ham()

if __name__ == '__main__':

# This won't work!

main()

现在从终端进入subpackage1文件夹，执行以下命令：

python module_x.py

如果我们使用的是Python 2，你应该会看到下面的错误信息：

Traceback (most recent call last):

File "module_x.py", line 1, in

from . module_y import spam as ham

ValueError: Attempted relative import in non-package

如果我们使用的是Python 3，错误信息大概是这样的：

Traceback (most recent call last):

File "module_x.py", line 1, in

from . module_y import spam as ham

SystemError: Parent module '' not loaded, cannot perform relative import

这指的是，module_x.py是某个包中的一个模块，而我们试图以脚本模式执行，但是这种模式不支持相对导入。

如果我们想在自己的代码中使用这个模块，那么我们必须将其添加至Python的导入检索路径(import search path)。最简单的做法如下：

import sys

sys.path.append('/path/to/folder/containing/my_package')

import my_package

注意，我们需要添加的是my_package的上一层文件夹路径，而不是my_package本身。原因是my_package就是我们想要使用的包，所以如果我们添加它的路径，那么将无法使用这个包。

我们接下来谈谈可选导入。

可选导入(Optional imports)

如果我们希望优先使用某个模块或包，但是同时也想在没有这个模块或包的情况下有备选，我们就可以使用可选导入这种方式。这样做可以导入支持某个软件的多种版本或者实现性能提升。以github2包中的代码为例：

lxml包也有使用可选导入方式：

try:

from urlparse import urljoin

from urllib2 import urlopen

except ImportError:

# Python 3

from urllib.parse import urljoin

from urllib.request import urlopen

正如以上示例所示，可选导入的使用很常见，是一个值得掌握的技巧。

局部导入

当我们在局部作用域中导入模块时，我们执行的就是局部导入。如果我们在Python脚本文件的顶部导入一个模块，那么我们就是在将该模块导入至全局作用域，这意味着之后的任何函数或方法都可能访问该模块。例如：

import sys # global scope 全局导入

def square_root(a):

# This import is into the square_root functions local scope

#这是一个局部导入

import math

return math.sqrt(a)

def my_pow(base_num, power):

return math.pow(base_num, power)

if __name__ == '__main__':

print(square_root(49))

print(my_pow(2, 3))

这里，我们将sys模块导入至全局作用域，但我们并没有使用这个模块。然后，在square_root函数中，我们将math模块导入至该函数的局部作用域，这意味着math模块只能在square_root函数内部使用。如果我们试图在my_pow函数中使用math，会引发NameError。试着执行这个脚本，看看会发生什么。

使用局部作用域的好处之一，是我们使用的模块可能需要很长时间才能导入，如果是这样的话，将其放在某个不经常调用的函数中或许更加合理，而不是直接在全局作用域中导入。不过很多用户几乎从没有使用过局部导入，主要是因为如果模块内部到处都有导入语句，会很难分辨出这样做的原因和用途。根据约定，所有的导入语句都应该位于模块的顶部。

导入注意事项

在导入模块方面，有几个程序员常犯的错误。这里我们介绍两个。

循环导入(circular imports)

覆盖导入(Shadowed imports)

先来看看循环导入。

循环导入

如果我们创建两个模块，二者相互导入对方，那么就会出现循环导入。例如：

# a.py

import b

def a_test():

print("in a_test")

b.b_test()

a_test()

然后在同个文件夹中创建另一个模块，将其命名为b.py。

import a

def b_test():

print('In test_b"')

a.a_test()

b_test()

如果我们运行任意一个模块，都会引发AttributeError。这是因为这两个模块都在试图导入对方。简单来说，模块a想要导入模块b，但是因为模块b也在试图导入模块a(这时正在执行)，模块a将无法完成模块b的导入。我看过一些试图解决这个问题的方法，但是一般来说，我们应该做的是重构代码，避免发生这种情况。

覆盖导入

当我们创建的模块与标准库中的模块同名时，如果我们导入这个模块，就会出现覆盖导入。举个例子，创建一个名叫math.py的文件，在其中写入如下代码：

import math

def square_root(number):

return math.sqrt(number)

square_root(72)

现在打开编辑器，试着运行这个文件，我们会得到以下报错信息：

Traceback (most recent call last):

File "math.py", line 1, in

import math

File "/Users/Desktop/math.py", line 6, in

square_root(72)

File "/Users/Desktop/math.py", line 4, in square_root

return math.sqrt(number)

AttributeError: module 'math' has no attribute 'sqrt'

这到底是怎么回事呢？其实，我们运行这个脚本的时候，Python解释器首先在当前运行脚本所处的的文件夹中查找名叫math的模块。在这个例子中，解释器找到了我们正在执行的模块，试图导入它。但是我们的模块中并没有叫sqrt的函数或属性，所以就抛出了AttributeError。

总结

在本文中，我们讲了很多有关导入的内容，但是还有部分内容没有涉及。PEP 302中介绍了导入钩子(import hooks)，支持实现一些非常方便的导入功能，比如说直接从github导入。Python标准库中还有一个importlib模块，值得查看学习。当然，我们还可以多看看别人写的代码，不断挖掘更多好用的写法。

— — — — — — E N D — — — — — —

真格量化可访问：

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：