Python模块的导入（import还是from…import）_python导入模块from import

1.背景介绍

在很多情况下，用户需要使用多个函数共同完成一项数据分析或学习任务，对此Python提供了模块。所谓模块，是一种以“.py”为文件扩展名的Python 文件，里面包含着很多集成的函数，可以很方便地被其他程序和脚本导入并使用。我们可以将模块理解为一辆汽车，代码就是一个个细小的汽车零部件，函数就是由一个个零部件组成的标准化的发动机、轮胎等。上一节我们提到，使用函数这一标准化代码块可以大大便利用户的操作，但是Python内置的函数并不多。所幸的是，Python提供了很多开放的、可以快速调用的模块，这些模块中包含着可供分析的函数，完全可以达到便捷开展机器学习或数据统计分析的效果。不仅在Python的标准库中有很多标准模块，还有很多第三方模块。截至目前，Python提供了大约200多个内置的标准模块，涉及数学计算、运行保障、文字模式匹配、操作系统接口、对象永久保存、网络和Internet脚本、GUI建构等各个方面。

2.使用import语句导入模块

我们可以使用import语句导入模块，它的基本语法格式为：

import modulename [as subname]

其中，modulename为模块名，as subname为可选参数，用于设置模块名的简称（即别名），因为如果模块名较为复杂，则反复调用时可能不太方便，使用简称便于操作。例如，输入以下代码导入pandas模块：

import pandas as pd # 导入pandas模块，并简称为pd

用户还可以一次性导入多个模块，多个模块之间用英文逗号（,）分隔。例如，输入以下代码可一次性导入pandas和numpy模块：

import pandas,numpy # 一次性导入pandas和numpy模块

在使用import语句导入模块时，每执行一行import语句就会创建一个新的命名空间，然后在该命名空间内执行与该模块相关的所有语句。各个命名空间是相对独立的，因此在调用模块中的变量、函数时，需要在变量名、函数名的前面加上“模块名.”作为前缀，以便在命名空间内搜索。

当使用import语句导入模块时，Python会按照以下顺序搜索模块：

（1）在当前执行Python脚本文件所在的目录下查找。

（2）在Python的Path环境变量下的每个目录中查找。

（3）在Python的默认安装目录下查找。

上述目录可通过以下代码查看：

import sys # 调用模块sys

print(sys.path) # 输出sys.path

运行结果如图3.8所示。（视具体安装的情况而定，以下结果为在笔者所用的计算机中执行的结果）

如果要导入的模块并未被搜索到（未出现在上述目录中），将无法成功导入模块。

3.使用from…import语句导入模块

如果用户不想每次导入模块时都创建一个与模块相匹配的命名空间，而是希望能直接将想要的变量、函数或类统一导入当前的命名空间中，则可以使用from…import语句导入模块。通过该方法导入的模块都集成到了当前的一个命名空间中，用户不用在变量名、函数名或者类名的前面加上“模块名.”作为前缀，直接使用变量名、函数名或者类名即可。当然这同样要求在使用from…import语句导入模块时，一定要保证所导入的变量名、函数名或者类名在当前命名空间内是唯一的，否则就会无法区分而造成冲突。该语句的基本语法格式为：

from modulename import member

其中，modulename为模块名；member为所需的变量、函数或类，可同时导入多个member，多个member之间用英文逗号（,）分隔。例如，在K近邻算法中，需要一次性导入模块sklearn.neighbors中的函数KNeighborsClassifier和RadiusNeighborsClassifier，代码为：

from sklearn.neighbors import KNeighborsClassifier, RadiusNeighborsClassifier

如果需要导入模块中的全部内容，则可使用星号通配符（*）。例如，在K近邻算法中，需要一次性导入模块sklearn.neighbors中的全部内容，代码为：

from sklearn.neighbors import * # 导入模块sklearn.neighbors中的全部内容

可调用dir()函数来查看模块模块sklearn.neighbors中的全部内容。例如，输入代码print(dir())运行结果如图3.9所示。

4.学习Python的心得体会与书目推荐

入门学Python，也真的不难。关键是找到学习入口，如果只是看语法，会很枯燥，也记不住。需要找到应用场景，也就是说要用Python来干什么？比如做个表、做个图，还是开展个数据分析、甚至建个模型。少儿编程很多都用Python了，为什么小孩们都能学的进去？因为学完了可以接着用于开发一个小游戏，回馈很快。从我周边朋友的经历来看，真正学进去的，基本上都是有数据分析需要的朋友们，因为工作中真的需要。所以我给大家推荐的学习场景入口是数据应用。

针对数据分析或机器学习推荐两本入门级的图书：《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社）《Python数据科学应用从入门到精通》（张甜 杨维忠 著 2023年11月新书 清华大学出版社）。这两本书的特色是在数据分析、机器学习各种算法的介绍方面通俗易懂，较少涉及数学推导，对数学基础要求相对不高，在python代码方面讲的很细致，看了以后根据自身需要选取算法、优化代码、科学调参。都有配套免费提供的源代码、数据文件和视频讲解，也有PPT、思维导图、习题等。

为什么说这两本书值得？首先说《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社），内容非常详实，包含了Python和机器学习，相当于一次获得了两本书。在讲解各类机器学习算法时，逐一详解用到的各种Python代码，针对每行代码均有恰当注释（这一点基本上是大多数书目做不到的）。这本书在出版之前曾开发成9次系列课程，在某股份制银行全行范围类开展培训，490人跟随杨维忠老师上课学习（课程限报490人），培训完成后课程在知鸟平台上回放超过3万人次。很多银行员工通过这些学习一下子就学会了Python，并且用于工作中开展数据分析、机器学习、数据可视化等，这本书也被多家商业银行选做数字化人才培训教材，成为银行员工的一本网红书。

《Python数据科学应用从入门到精通》一书，旨在教会读者实现全流程的数据分析，并且相对《Python机器学习原理与算法实现》一书增加了很多概念性、科普性的内容，进一步降低了学习难度。国务院发展研究中心创新发展研究部第二研究室主任杨超 ，山东大学经济学院金融系党支部书记、副主任、副教授、硕士生导师张博，山东管理学院信息工程学院院长 袁锋 教授、硕士生导师，山东大学经济学院刘一鸣副研究员、硕士生导师，得厚投资合伙人张伟民等一众大牛联袂推荐。书中全是干活，买这一本书相当于一下子得到了5本书（Python基础、数据清洗、特征工程、数据可视化、数据挖掘与建模），而且入门超级简单，不需要编程基础，也不需要过多数学推导，非常适用于零基础学生。全书内容共分13章。其中第1章为数据科学应用概述，第2章讲解Python的入门基础知识，第3章讲解数据清洗。第4~6章介绍特征工程，包括特征选择、特征处理、特征提取。第7章介绍数据可视化。第8~13章介绍6种数据挖掘与建模方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。从数据科学应用和Python的入门，再到数据清洗与特征工程，最终完成数据挖掘与建模或数据可视化，从而可以为读者提供“从拿到数据开始，一直到构建形成最终模型或可视化报告成果”的一站式、全流程指导。

两本书随书赠送的学习资料也很多，包括全部的源代码、PPT、思维导图，还有10小时以上的讲解视频，每一章后面还有练习题及参考答案，还有学习群，相对于只看网络上的视频，一方面更加系统、高效，另一方面照着书一步步操作学起来也事半功倍。全网热销中，当当、京东等平台搜索“Python机器学习 杨维忠”“Python数据科学 杨维忠”即可。

Python数据科学应用从入门到精通 京东链接​item.jd.com/14220836.html

Python机器学习原理与算法实现 京东链接​item.jd.com/13647545.html

《Python机器学习原理与算法实现》（杨维忠、张甜著，2023年2月，清华大学出版社），适用于学习Python/机器学习

《Python数据科学应用从入门到精通》（张甜 杨维忠 著 2023年11月新书 清华大学出版社）适用于学习数据分析、数据科学、数据可视化等。

创作不易，恳请多多点赞，感谢您的支持！也期待大家多多关注我，让我共同学习数据分析知识。