python包导入方式import 和from import的区别和一些注意事项

一、import和from import的区别:

1. import 只能导入模块、子包、包, 而不能导入模块中的类、函数、变量等
2. from import 可以导入模块、子包、包、类、函数、变量以及在包的__init__.py中已经导入的名字
   ps: 但是两者都可以用as给导入的名字重命名

二、包导入的注意事项

1. 不能在导入的路径中使用已经导入过的名字, 比如 import numpy as np; import np.random as rn, 这会报错, 说没有找到名字叫np的model, 这其实就说明python寻找包路径的时候, 是在文件系统中寻找, 而不包含当前命名空间中的名字, 即与当前的程序执行环境没有关系的
2. 导入一个包时, 则这个包可用的属性都必须在__init__.py文件中定义, 这就是说如果一个包的__init__.py文件是空的, 则即使包里边有几个模块文件, 也无法通过这个包名去使用, 比如pkg下有a.py和b.py两个文件, 但是__init__.py中没有导入模块a和b,则import pkg as pg 后, 无法使用pg.a和pg.b,这个说明包内的模块和子包不会自动加入到包的名字空间里边, 需要手动通过__init__.py指定后才会加入。这一点上模块和包不太一样, 模块中的符号是自动导入的，因此可以直接通过模块名来调用
3. 第2点只是说无法通过pg这个名字来使用模块a和b, 但是我们可以手动导入a和b的, 用import pkg.a as a和from pkgs import a as a都是可以的
4. 导入一个长串的路径时, 则这个路径上的所有包的__init__.py都会被执行, 并且包的对应子包也会被加入到包的属性中去, 比如我们现在有这样一个包结构: pkgs下有两个子包pkga和pkgb, 且pkgs/init.py是空文件,则import pkgs语句是无法使用pkgs.pkga这样的句子的, 但是如果我们后续又使用了一个import语句: import pkgs.pkga.a as a,则此时pkgs的名字空间里会加入pkga这个属性,也就是可以使用pkgs.pkga了
   ps: from pkgs.pkga.a import fun_a这种长路径形式, 虽然会执行pkgs和pkga的__init__.py以及模块a的代码, 但是当前名字空间中并没有pkgs、pkga、a这些名字的，所以不能使用这些符号， 必须显示导入后才能使用
5. 在__init__.py或模块中已经导入的名字是属于这个包或者模块的, 他们的使用方式和模块中定义的符号是一样的, 比如在pkgs/init.py中有import tensorflow as tf, 则import pkgs后, 可以直接使用pkgs.tf来使用tensorflow, 又比如在模块a中有import numpy as np, 则import pgks.pkga.a as a后, 可以使用a.np来使用numpy

ps: 最后再讲一个奇怪现象：就是在tensorflow下有python、core、tools等子包, 但是使用import tensorflow.python as pn和import tensorflow.core as ce会报错：AttributeError: module ‘tensorflow’ has no attribute ‘python’， 而 import tensorflow.tools as ts则没有出错， 并且很奇怪的是， 用from tensorflow import python 又是可以的， 正常来说from import和import的效果在这种情况下是一样的， 这里我猜是tensorflow对python和core的导入做了一些隐藏工作，因为这个异常是在tensorflow/python/util/deprecation_wrapper.py in getattr(self, name)中抛出的， 而且是一个AttributeError， 并不是python解释器自动抛出的：ModuleNotFoundError， 但是具体tf怎么实现的这个操作就没有去细究了