搜索文档
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.pypython
# 导入包内模块
from mypackage import a
from mypackage.b import func导入搜索顺序(sys.path)
- 当前脚本所在目录
- PYTHONPATH 环境变量
- 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\activateconda
- 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.ymlpip 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
