模块

在 Python 中，模块是一种组织和重用代码的方式。一个模块基本上就是一个包含 Python 代码的 .py 文件。这些文件可以包含可执行的代码、函数、类或变量。模块不仅仅是提供代码重用的方式，它们还可以帮助我们更好地组织和管理复杂的代码。

模块的导入

Python 自带了很多模块，当我们需要使用到这些模块提供的功能时，首先需要使用 import 语句导入模块。import 语句通常是在一个程序的最开头。比如，我们需要计算一个数据的平方根，这个平方根计算函数 sqrt() 在 Python 内置的 math 模块中。使用方法如下：

import math  # 导入 math 模块

print(math.sqrt(16)) # 输出 4.0

在使用 sqrt() 函数时，前面要加上 math. 前缀表示这是 math 模块中的 sqrt() 函数。程序中可能在其它地方也定义一个叫做 sqrt 的函数，或者其它模块中也可能会有叫做 sqrt 的函数，所以要前缀区分清楚。

如果我们可以确定，程序中就只会有这一个 sqrt 函数，肯定不会重名，那么我们可以使用 from import 语句导入 sqrt 函数，这样，在之后的使用中，就不需要在给它添加前缀了：

from math import sqrt

print(sqrt(16)) # 输出 4.0

如果程序中会使用到多个 math 库中的函数，可以在 from import 语句导入多个函数，比如：

from math import sqrt, sin

print(sqrt(16))  # 输出 4.0
print(sin(0.5))  # 输出 0.479425538604203

如果需要用到 math 库中的很多函数和变量，可以使用星号 from import * 导入库中的所有函数、变量等：

from math import *

print(sqrt(16))                 # 输出 4.0

# 计算圆面积
circle_radius = 5
print(pi * circle_radius ** 2)  # 输出 78.53981633974483

# 计算 45 度角正弦值
print(sin(pi / 4))              # 输出 0.7071067811865475

上面的示例程序中，sqrt() 函数、sin() 函数、常量 pi 都是在 math 库中被定义的。

对于一些特别常用的库，我们会希望重命名导入的模块或函数，以便在当前上下文中更容易使用。我们可以使用 as 关键字重命名库或函数：

import numpy as np

# 创建一个一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print("数组：", arr1)

# 计算数组点积
dot_product = np.dot(arr1, np.array([1, 0, 1, 0, 1]))
print("点积：", dot_product)

# 输出：
# 数组： [1 2 3 4 5]
# 点积： 9

上面程序中用到的 numpy（Numerical Python 的简称） 是一个开源的 Python 库，它提供了大量的函数来进行线性代数、逻辑、统计学等的运算。这个库在导入时，通常都会被命名为 np。Python 中有很多常用的库都有这种约定俗成的短名。比如下面几个都是最常用的缩写短名：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tkinter as tk

Python 标准库

Python 有一个丰富的标准库，提供了许多内置模块，帮助用户执行各种常见任务。极大的丰富了 Python 的应用场景，这也是 Python 能够获得成功的重要原因之一。 下面列出了一些最常用的 Python 标准库模块及其简要描述：

• math: 提供数学运算函数和常量。
• datetime: 提供日期和时间处理的类。
• os: 提供与操作系统交互的功能，如文件和目录操作。参考：路径处理
• sys: 提供 Python 解释器和它的环境交互的功能。
• re: 提供正则表达式相关功能。
• json: 提供 JSON 格式数据的编码和解码功能。
• urllib: 提供 URL 处理模块，用于读取Web数据。
• random: 提供随机数生成器和随机操作函数。
• collections: 提供额外的数据结构，如命名元组、双端队列等。
• sqlite3: 提供 SQLite 数据库的接口。
• subprocess: 提供启动和与子进程交互的功能。
• threading: 提供基于线程的并行处理。
• multiprocessing: 提供基于进程的并行处理。
• socket: 提供底层网络通信功能。
• email: 提供电子邮件相关的功能，如发送和解析邮件。
• csv: 提供C SV 文件的读写功能。
• xml: 提供 XML 处理功能。
• argparse: 提供命令行参数解析功能。
• gzip, tarfile, zipfile: 提供文件压缩和解压缩功能。
• logging: 提供日志记录功能。参考：日志记录
• itertools: 提供了一系列的迭代器，可以进行复杂的迭代操作，比如组合数据等。参考：迭代器

在后续的章节中，我们会陆续介绍到标准库中一些最常用的函数。以上列出的也只是标准库中模块的一部分。Python的标准库非常庞大，涵盖了许多领域和功能，使Python成为一种真正的通用编程语言。要查看完整的标准库列表，可以查看 Python 官方文档： https://docs.python.org/3/library/

用户自定义模块

创建模块

模块是一个包含 Python 代码的 .py 文件，我们自己也可以通过保存一个这样的 .py 文件来创建一个模块，在模块中定义一些函数、变量，然后在其它 Python 程序中导入并使用模块中定义的功能。创建用户自定义模块的步骤很简单：

首先，创建一个新的 .py 文件，比如我们创建一个叫做 mymodule.py 的新文件。

接下来，在 mymodule.py 中添加一些函数：

# mymodule.py

def hello(name):
    print(f"Hello, {name}!")

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

我们创建了两个函数： hello() 和 add() 。保存新创建的文件，然后就可以在另一个 Python 程序中导入并使用这个模块了：

import mymodule

mymodule.hello("小明")
result = mymodule.add(5, 3)
print(result)

在导入模块时，模块名是不含 .py 文件扩展名的。另外，在导入自定义的模块时，还要确定这些模块被放在 Python 的搜索路径中，否则，Python 可能找不到它们。

包

不同人创建的模块有可能也会重名，这样导入的时候就会有冲突。Python 中可以按照目录来组织模块，把多个模块组织成一个包（Package）。再导入模块的时候，需要把目录名也加入到导入的模块名字里面，这样就避免了同名。

假如，我们的项目文件结构如下：

my_project/
│
├── modules/
│   ├── __init__.py
│   └── mymodule.py
│   
├── demo/
│   ├── __init__.py
│   └── demo.py
│
├── __init__.py
└── main.py

在这个项目的文件夹下，都有一个 __init.py__ 文件，这个文件可以是空的。如果文件夹下有 __init.py__ 文件，就表示这是一个包；否则就是一个普通文件夹，不能用来导入模块。

在 main.py 中导入 mymodule.py 可以如下方法实现：

# main.py
import modules.mymodule

在导入的时候，每一层机文件夹或文件名之间用 . 号分隔。

如果在 demo.py 中也需要导入 mymodule.py 中的内容，可以如下实现：

# demo.py
import ..modules.mymodule

开头的 .. 表示上一级目录，如果需要从更上层的目录导入，可以继续添加点 .，每增加一层就增加一个点。例如，要从上两级目录导入，可以使用 from ... import some_module。

Python 的搜索路径

默认情况下，搜索路径包括当前目录和 Python 安装目录。如果要导入的模块不在这些位置，那么需要将其所在目录添加到搜索路径中，或者将其放在一个已经在搜索路径中的目录，Python 才能找到这个模块。

临时搜索路径

使用 sys 模块中的 path 属性可以查看当前的 Python 搜索路径。例如：

import sys
print(sys.path)

在程序中修改 sys.path 可以临时添加新的路径。例如：

import sys
sys.path.append('/path/to/directory')

这种方法的修改的搜索路径只在当前的 Python 环境中有效，重启 Python 解释器或编程环境后，新添加的路径就会失效。

环境变量

如果想永久地添加某文件夹到 Python 的搜索路径，可以修改 PYTHONPATH 环境变量，将其指向想添加到搜索路径的目录。Python 每次启动时会自动读取这个环境变量并把它添加到搜索路径中。

在 Windows 上设置 PYTHONPATH 的步骤如下：

1. 打开“控制面板” > “系统” > “高级系统设置” > “环境变量”。
2. 在“系统变量”区域，点击“新建”来创建一个新的环境变量。
3. 在“变量名”字段中输入 PYTHONPATH。
4. 在“变量值”字段中输入想要添加的目录路径。如果有多个路径，用分号 (;) 分隔它们。
5. 点击“确定”保存更改。

在 macOS 或 Linux 上设置 PYTHONPATH 需要在 shell 配置文件中设置环境变量，步骤如下：

1. 打开你的 shell 配置文件，不同 shell 的配置文件会有不同，例如：~/.bashrc、 ~/.bash_profile 或者 ~/.zshrc
2. 在文件中添加一行： export PYTHONPATH="$PYTHONPATH:/path/to/directory （替换 /path/to/directory 为真正想要添加的目录路径。）
3. 保存文件并重新加载配置(运行 source ~/.bashrc 命令或者重启终端)

site-packages

Python 的 site-packages 目录是一个特殊的目录，用于存储第三方包。我们可以在此目录下创建一个 .pth 文件来永久添加自定义路径到 Python 搜索路径。方法是：

1. 找到 Python 的 site-packages 目录。这个目录通常位于 Python 安装目录下。
2. 在 site-packages 目录下创建一个新的 .pth 文件，例如 mymodules.pth。
3. 在 .pth 文件中，添加的目录路径，每行一个路径。比如： /path/to/directory
4. 保存 .pth 文件。Python 将在下一次启动时自动读取这些路径。

从 ZIP 文件中导入模块

为了方便打包和部署模块，我们可以把一个或多个文件打包成 ZIP 格式的压缩文档。利用 Python 的模块搜索路径机制，我们可以导入存储在 ZIP 文件中的模块和包。在使用时，首先把包含需要导入模块的 ZIP 文件的路径添加到 sys.path 列表中。然后，就可以像导入普通模块一样导入ZIP文件中的模块了。

假设我们有一个 ZIP 文件 my_package.zip，里面包含一个叫做 my_module.py 的模块，我们可以按照以下方式导入它：

import sys

# 将ZIP文件的路径添加到 sys.path
sys.path.insert(0, '/path/to/my_package.zip')

# 现在可以导入ZIP文件中的模块了
import my_module

# 使用模块中的功能
my_module.some_function()

从 ZIP 文件中导入模块可能会影响启动时间，因为 Python 需要额外处理ZIP归档。不过，对于已经加载到内存中的模块，性能影响可以忽略不计。从 ZIP 文件中导入的模块不能执行写入操作，因为 ZIP 归档是只读的。

需要注意的是只有 .py 文件可以使用 ZIP 方式导入。有些模块是使用其它语言开发的，它们的模块中包含了使用其它语言编译出来的动态链接库文件，这样的模块是无法使用 ZIP 打包导入的。

导入时运行

当我们使用 import 导入一个模块的时候，Python 立刻就会运行这个模块内的代码。这与 C、Java 等编译型语言不太一样，在那些语言中，include, import 仅仅是表示程序可以调用模块里定义的内容了，导入的过程本身并不会执行模块里的代码。但 Python 是解释型语言，它需要运行被导入的库中的代码，才能定义库中函数、变量以备之后使用。我们可以利用 Python 的这一行为，在导入模块的同时去做一些事情。比如，我们可以对模块进行一些初始化工作：配置日志文件，检查环境变量的设置是否正确，连接到所需的资源，注册或显示提示信息等等。

比如，我们编写了如下的一个库：

mylibrary.py

print("正在初始化 mylibrary...")

# 示例：初始化配置
default_config = {
    "precision": 2,
    "method": "standard"
}

# 示例：初始化日志
def _initialize_logging():
    print("mylibrary 的日志文件已配置好。")

_initialize_logging()

def set_precision(precision):
    global default_config
    default_config["precision"] = precision
    print(f"精度设置为： {precision}")

def calculate_square_root(number):
    precision = default_config["precision"]
    result = round(number ** 0.5, precision)
    print(f"{number} 的开方是： {result} (精度 {precision})")
    return result

上面这个库除了定义了一些函数外，还有一些其它可执行代码。当我们在另一个程序中导入它时

import mylibrary
mylibrary.set_precision(3)
mylibrary.calculate_square_root(9)

导入 mylibrary 模块会直接运行模块中的代码，于是它会打印 "正在初始化 mylibrary..."，和 "mylibrary 的日志文件已配置好。"

有些代码，我们是不希望在导入时运行的。最常见的情况是，某个文件中的程序，即可以直接运行，也可以作为模块被其他文件导入，这其中就会有一些代码，只希望在直接运行时才运行。为实现这个目的，我们需要在程序中添加一个条件语句： if __name__ == "__main__" 来控制代码的执行方式。在这个语句中，__name__ 是一个特殊的变量，当 Python 文件被直接运行时，Python 解释器会把这个文件的 __name__ 变量的值设为字符串 "__main__"；当 Python 文件作为模块被其他文件导入时，__name__ 变量会被设定为该模块的名称。因此，只有当 Python 文件被直接运行时 if __name__ == "__main__" 的条件才会成立，它下面的代码块才会被运行。我们可以把那些只在直接运行时才运行代码放它下面。

假设有一个名为 example.py 的文件：

example.py

def function_a():
    print("Function A")

def function_b():
    print("Function B")

if __name__ == "__main__":
    function_a()  # 这行只有在直接运行 example.py 时才会执行

当直接运行 example.py 时，__name__ 会被设为 "__main__"，因此 function_a() 会被调用。如果从另一个文件中导入 example.py，__name__ 将不会是 "__main__"，所以 function_a() 不会被调用。

第三方库

常用功能

除了 Python 自带的标准库，还拥有一个极其活跃的开源社区。这个社区为 Python 贡献了庞大而丰富的第三方库，覆盖了从网络编程到数据分析，再到图像处理和机器学习等各个领域。下面列举了几个最知名的第三方库，我们会在后续章节中介绍它们以及其它一些第三方库的使用方法：

• Web 开发
  • Flask: 一个轻量级的Web应用框架，易于学习，适合小到中型项目。
  • Django: 一个高级的Web框架，提供了完整的功能，适用于大型项目。
• 数据科学与分析
  • NumPy: 提供强大的多维数组对象和大量的科学计算功能。
  • Pandas: 提供数据结构和数据分析工具，特别适合处理表格数据。
  • Matplotlib: 用于数据可视化的绘图库，可以创建高质量的图表和图形。
• 机器学习与人工智能
  • Scikit-learn: 一个简单有效的机器学习库，提供了很多常用的机器学习算法。
  • TensorFlow: Google 开发的一个强大的机器学习框架，广泛用于深度学习。
  • PyTorch: 由 Facebook 开发，是一个灵活且强大的深度学习框架。
• 网络编程与爬虫
  • Requests: 用于发送 HTTP 请求的库，简单易用。
  • Scrapy: 一个强大的网页爬虫框架，适用于大规模的数据抓取。
• 图像处理
  • Pillow: Python Imaging Library (PIL) 的一个现代化的分支，提供了丰富的图像处理功能。
  • OpenCV: 用于计算机视觉以及图像处理的强大库，支持多种语言和平台。
• 数学与统计
  • SciPy: 基于 NumPy，提供了一系列用于数学、科学和工程的函数。
  • Statsmodels: 用于统计分析和计量经济学的库。
• 文件和数据格式处理
  • Beautiful Soup: 解析 HTML 和 XML 文件的库，适合网页数据抓取。
  • PyYAML: 用于读写 YAML 文件的库。
• GUI 开发
  • Tkinter: Python 自带的 GUI 工具包，可以快速创建简单的 GUI 应用。
  • PyQt/PySide: 基于 Qt 的跨平台 GUI 工具包。

安装

与 Python 自带的标准库不同，第三方库在使用前需要先安装。大多数库都可以直接使用 Python 的包管理工具 pip 进行安装。比如，假设我们需要使用一个名为 qrcode 的库，它依赖于 pillow 库。在命令行终端，可以使用下面的命令进行安装：

pip install qrcode[pil]

有一些特别复杂的库，比如 pytorch，对于不同系统，不同硬件的电脑，在安装时会有一些不同配置。对于这样复杂的库，最好去它们的主页，按照说明文档的指导进行安装。

使用

安装好库之后，就可以在 Python 代码中导入并使用它了，方法与使用 Python 自己的标准库完全一样。依然以 qrcode 库为例，运行下面的代码，就可以为本书的网址产生一个二维码：

import qrcode
from PIL import Image

# 创建一个 QRCode 对象
qr = qrcode.QRCode(
    version=1,  # 控制二维码的大小，1~40，1 是最小的
    error_correction=qrcode.constants.ERROR_CORRECT_L,  # 控制二维码的错误纠正功能
    box_size=10,  # 控制二维码中每个小格子包含的像素数
    border=4,  # 控制二维码四周留白包含的格子数
)

# 添加数据
qr.add_data('https://www.example.com')
qr.make(fit=True)

# 创建二维码图片
img = qr.make_image(fill='black', back_color='white')

# 显示图片
img.show()

运行结果如下：