寫Python時(shí)不用import，你會(huì)遭遇什么

from *** import ***

想必你已經(jīng)再熟悉不過這樣的python語法。

當(dāng)你的 python 代碼需要獲取外部的一些功能（一些已經(jīng)造好的輪子），你就需要使用到 import 這個(gè)聲明關(guān)鍵字。import可以協(xié)助導(dǎo)入其他 module 。（類似 C 預(yù)約的 include）

寫Python不用import，那得自己造輪子，就好像使IPhone不用APP Store，偏要自己搭A(yù)PP，我感覺應(yīng)該幸福不起來吧，干啥都得徒手從0到1寫代碼，誰能受得了。

老實(shí)說，你能體會(huì)那種寫Python時(shí)只用import 的幸福嗎？

看到知乎上有個(gè)回答很有意思：

用import的python，如下圖不用import的python，如下圖

沒有import就不會(huì)有Python的今天，模塊化封裝讓Python擁有了成千上萬個(gè)優(yōu)秀的工具包，像pandas、numpy、requests、tensorflow等，拿來即用，甚至比有些圖形化軟件還容易上手，正是這些工具包使得Python流行起來。

舉個(gè)簡單的例子，你想計(jì)算兩組數(shù)據(jù)的相關(guān)性，如果import numpy庫，三四行代碼能搞定。

import numpy as np  
x = np.array([1, 2, 3, 4, 5])  # 定義兩個(gè)數(shù)組
y = np.array([2, 3, 4, 5, 6])  
corr = np.corrcoef(x, y)[0, 1]  # 計(jì)算相關(guān)系數(shù)  

假如你自己手?jǐn)]代碼，則需要十幾行。

def pearson_correlation_coefficient(x, y):  
    x_mean = sum(x) / len(x)  
    y_mean = sum(y) / len(y)  
    numerator = 0  
    denominator = 0  
    for i in range(len(x)):  
        numerator += (x[i] - x_mean) * (y[i] - y_mean)  
        denominator += (x[i] - x_mean) ** 2  
    return numerator / denominator if denominator != 0 else 0  
# 示例數(shù)據(jù)  
x = [1, 2, 3, 4, 5]  
y = [2, 3, 4, 5, 6]  
correlation = pearson_correlation_coefficient(x, y)  

這還只是一個(gè)簡單的算法，對于有些復(fù)雜的算法實(shí)現(xiàn)，則需要幾千幾萬行代碼，難度和復(fù)雜度會(huì)把99.99%的人拒之門外。

當(dāng)然對于想提升代碼能力和算法思維的人來說，不用import，徒手?jǐn)]算法是很好的訓(xùn)練方法，但如果你只是用Python來解決問題，遇到好的工具包，最好能import就import。

Python設(shè)計(jì)之初所提倡的就是實(shí)用、簡潔、易讀，模塊化和可重用性就是對Python設(shè)計(jì)理念最好的體現(xiàn)。

加入知識(shí)星球【我們談?wù)摂?shù)據(jù)科學(xué)】

提供100節(jié)專屬Pandas數(shù)據(jù)分析視頻教程

600+小伙伴一起學(xué)習(xí)！