使用单独的Python函数导入依赖项

Question

确实是一个简单的问题：我正在构建一个标准存储库来执行一些简单的机器学习任务，并且我几乎总是在这些 .py 模块中导入相同的依赖项。

我在想，如果我可以制作一个导入所有标准依赖项的 .py 文件，它会让我的代码变得更加混乱（并节省时间）。然后可以将其扩展到取决于模型的不同类别，例如sklearn、xgboost 等

1）从外部函数调用依赖项是明智的做法吗？ 2）如果是这样，如何最好地做到这一点？

到目前为止，我已经尝试过以下方法：

project_dependencies.py

包含

def get_dependencies():
    import numpy as np

if __name__ == "__main__":
    get_dependencies() 

和

model.py

可能包含

from project_dependencies import get_dependencies

get_dependencies()

def model():
    return np.random.normal(1)

if __name__ == "__main__":
    model()

但这似乎不起作用。一个好的、长期的解决方案是什么？谢谢！

Answer 1

一般建议是在需要的模块/文件中导入所需的模块。这有时需要一些额外的输入，但使每个文件/模块更加独立。

另一种（但不太推荐）方法可能是导入包的

__init__.py

文件中的所有依赖项（几乎没有其他内容），然后在其他包模块中进行相对导入，例如

from . import *

。
尽管经常，

__init__.py

倾向于以相反的方式使用：它（相对）导入包模块中由

__all__

定义的所有内容。

---

基本上，看看其他一些知名的较大项目，看看他们做了什么。 Django、requests、NumPy 等。您可能会发现它们在每个模块中单独导入外部依赖项，而仅对内部依赖项（类、函数等）使用相对导入。也就是说，他们使用第一个选项。

Answer 2

我同意user707650的一般指导，但你可以做你想做的：

• 用一堆 import X,Y,Z 行

  制作一个 

  dependency.py
• 在某些 other_file.py 中，只需调用

  from dependencies import *

  。

你的想法不起作用，因为解释器创建了一个位于正在执行的函数本地的new命名空间...所以你的导入被导入到that命名空间中，但它与你的命名空间分开，而且当函数执行时立即终止已完成。除了

return

语句中列出的内容之外，您永远不会从函数中得到任何内容。

换句话说，这必须通过执行 import 语句来完成，而不是执行函数。