使用单独的 python 函数导入依赖项

Question

真正的简单问题：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，并且我几乎总是在那些 .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，它会稍微整理一下我的代码（并节省时间）。然后可以将其扩展为取决于模型的不同类，例如sklearn、xgboost 等

1) 从外部函数调用依赖项是否可取？ 2) 如果是这样，如何做到最好？

到目前为止，我已经尝试了以下方法：

project_dependencies.py 包含

def get_dependencies():
    import numpy as np

if __name__ == "__main__":
    get_dependencies()

和 model.py 可能会包含

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。什么是好的、长期的解决方案？谢谢！

Answer 1

一般建议是在您需要的模块/文件中导入所需的模块。这有时需要一些额外的输入，但会使每个 file/module 更加独立。

另一种（但不太推荐）的方法是将所有依赖项导入包的 __init__.py 文件（几乎没有其他任何依赖项），然后在其他包模块中进行相对导入，例如 from . import *.
尽管通常 __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更大的项目，看看他们做了什么。 Django、requests、NumPy 等。您可能会发现，它们压倒性地在每个模块中单独导入外部依赖项，并且仅针对内部依赖项（类、函数等）使用相对导入。也就是说，他们使用第一个选项。

使用单独的 python 函数导入依赖项

Using a seperate python function to import dependencies

python

import

python-import

python-3.x