Skip to content

Python 包的使用

分类:Python
标签:Python
创建时间:2026年10月21日 13:51:56

模块导入 ​

基础导入 ​

python
# 导入整个模块
import math
print(math.pi)

# 导入指定对象
from math import sqrt
print(sqrt(4))

# 别名导入
import numpy as np
from math import factorial as fac

包导入结构示例 ​

plaintext
mypackage/
├── __init__.py
├── a.py
└── b.py
python
# 导入包内模块
from mypackage import a
from mypackage.b import func

导入搜索顺序(sys.path) ​

  1. 当前脚本所在目录
  2. PYTHONPATH 环境变量
  3. Python 安装的标准库路径、site-packages(pip 安装包位置)
python
import sys
print(sys.path)

相对导入 ​

仅包内部使用,不能直接运行脚本

python
# 在 a.py 里,同包导入b
from .b import xxx

注意:直接 python a.py 跑相对导入会报错,要用 -m 方式运行:python -m mypackage.a

包管理 ​

pip ​

  • 官方推荐,纯 Python 包优先
  • pip 随 Python 自带,管理 pypi.org 上的包,适合绝大多数开发场景。
bash
# 安装包
pip install requests

# 指定版本
pip install requests==2.31.0

# 导出依赖清单
pip freeze > requirements.txt

# 从清单批量安装
pip install -r requirements.txt

# 卸载
pip uninstall requests -y

# 查看已安装
pip list
pip show requests

虚拟环境(强烈建议):隔离项目依赖,不同项目包版本互不干扰

bash
# 创建虚拟环境
python -m venv .venv
# Mac/Linux激活
source .venv/bin/activate
# Windows激活
.venv\Scripts\activate

conda ​

  • 适合带 C/C++ 底层依赖的包:numpy、pytorch、opencv 等
  • conda 可以管理 Python 解释器 + 二进制依赖,解决很多编译、系统库缺失问题,Anaconda / Miniconda。
bash
# 创建环境
conda create -n py311 python=3.11
# 激活
conda activate py311
# 安装包
conda install numpy
# 导出环境
conda env export > environment.yml
# 导入环境
conda env create -f environment.yml

pip vs conda 选型 ​

  • 普通 web、前端配套脚本、纯 python 库 → pip + venv(轻量)
  • 科学计算、AI、GPU、opencv、有底层 C 扩展库 → conda

基于 MIT 许可发布