模块与包：组织大型代码

1什么是模块

一个 .py 文件就是一个模块（module）。把相关的函数、类、变量放进不同文件，可以：避免单文件过长、避免命名冲突、复用代码、团队分工。

# 假设文件结构
my_project/
├── main.py        # 主程序
└── calc.py        # 自定义计算模块

# ===== calc.py 的内容 =====
PI = 3.14159

def add(a, b):
    return a + b

def multiply(a, b):
    return a * b

2三种导入方式

方式一：import 模块名

# ===== main.py =====
import calc                    # 导入同目录下的 calc.py

print(calc.add(1, 2))          # 3    通过"模块名.功能"访问
print(calc.PI)                 # 3.14159

import os, sys                 # 可一次导入多个（PEP8 仍建议分行）

方式二：from 模块 import 具体功能

from calc import add, PI       # 只导入需要的名字
print(add(2, 3))               # 5  直接使用，不用加模块前缀
print(PI)

from calc import *             # 导入所有公开名字（不推荐：污染命名空间、来源不清）

方式三：as 起别名

import numpy as np             # 社区约定俗成的别名
import pandas as pd
import matplotlib.pyplot as plt

from calc import multiply as mul
print(mul(2, 3))               # 6

3导入的本质与搜索路径

导入一个模块，本质是把该 .py 文件从头到尾执行一遍，然后把其中定义的名字绑定到当前命名空间。同一个模块被多次 import 也只会执行一次（第二次直接取缓存）。

import sys
# sys.path 是模块搜索路径列表，import 时按顺序查找：
for p in sys.path:
    print(p)
# 依次包括：
# 1. 当前脚本所在目录（或交互模式的 cwd）
# 2. 环境变量 PYTHONPATH 中的目录
# 3. Python 安装目录与 site-packages（第三方库安装位置）

导入模块后，Python 会在模块同目录生成 __pycache__/xxx.cpython-312.pyc 缓存文件（编译后的字节码），用于加速下次导入，可安全删除。

4name == "main" 的作用

模块被直接运行时，解释器把其 __name__ 设为 "__main__"；模块被导入时，__name__ 是模块文件名。利用这一区别可以写"自测代码"：

# ===== calc.py =====
def add(a, b):
    return a + b

# 下面的测试代码只在【直接运行 calc.py】时执行，被 import 时不执行
if __name__ == "__main__":
    print("自测：", add(2, 3))       # 直接运行 → 输出 5
    assert add(2, 3) == 5           # 简单断言测试

# ===== main.py =====
import calc        # 导入时不会触发 calc.py 里的测试输出
print(calc.add(10, 20))

5包（package）：放模块的文件夹

包就是包含若干模块的文件夹，用来给模块分层归类。Python 3.3+ 的包可以没有 __init__.py（命名空间包），但传统/工程实践中仍建议创建它作为包标志。

my_project/
└── mypackage/
    ├── __init__.py        # 包初始化文件（可为空）
    ├── calc.py
    ├── text_utils.py
    └── nlp/               # 子包（可以层层嵌套）
        ├── __init__.py
        └── tokenizer.py

# 从项目根目录启动 main.py，用"包.模块"的路径导入
from mypackage.calc import add
import mypackage.nlp.tokenizer as tk

# __init__.py 的作用：
# 1) 标志这是一个 Python 包
# 2) 包被导入时会先执行它，可做初始化
# 3) 可在这里暴露对外接口，简化导入路径

# 例如在 mypackage/__init__.py 中写：
# from .calc import add, multiply
# 之后外部即可：from mypackage import add

相对导入

# 在 mypackage/nlp/tokenizer.py 内部，引用同包/上层模块：
from . import calc_mod          # .  当前包
from .. import calc             # .. 上一级包
from ..text_utils import clean  # ..模块名

# 注意：相对导入只能在【被当作包模块导入】时使用，
# 直接 python tokenizer.py 运行该文件会报 ImportError

6Python 标准库速览

"内置电池"意味着大量实用模块无需安装，开箱即用：

7第三方库与依赖管理

标准库之外的海量库发布在 PyPI（pypi.org），通过 pip 安装（镜像源配置见第 1 章）：

pip install requests jieba scikit-learn     # 安装
pip install "django>=4.2,<5.0"              # 指定版本范围
pip list --outdated                          # 查看可升级的包
pip install -U pandas                        # 升级
pip freeze > requirements.txt                # 导出当前环境所有依赖及版本

# requirements.txt 示例
requests==2.32.3
jieba==0.42.1
scikit-learn>=1.4
pandas~=2.2.0          # ~= 表示兼容版本

# 换台电脑/部署到服务器：一条命令还原整套依赖
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt

本教程 NLP 篇将用到的库

8标准项目目录组织

sentiment_project/           # 一个 NLP 项目的推荐结构
├── .venv/                   # 虚拟环境（不提交到 git）
├── data/
│   ├── raw/                 # 原始语料
│   └── processed/           # 清洗后的数据
├── models/                  # 训练好的模型
├── src/                     # 源代码包
│   ├── __init__.py
│   ├── preprocess.py        # 文本预处理
│   ├── train.py             # 训练
│   └── predict.py           # 预测
├── tests/                   # 测试
│   └── test_preprocess.py
├── main.py                  # 程序入口
├── requirements.txt         # 依赖清单
├── .gitignore               # git 忽略规则
└── README.md                # 项目说明

9本章小结与练习