python-模块入门

简介: 一、模块介绍 模块:模块就是一系列功能的集合体 模块有三种来源: 1.内置模块          2.第三方的模块          3.自定义模块 模块的格式: 1使用python编写的.py文件             2.

一、模块介绍

模块:模块就是一系列功能的集合体

模块有三种来源: 1.内置模块

         2.第三方的模块

         3.自定义模块

模块的格式: 1使用python编写的.py文件     

       2.已被编译为共享库或DLL的C或C++扩展

       3.把一系列模块组织到一起的文件夹(注:文件夹下有一个__init__.py文件,该文件称之为包)       

       4.使用C编写并链接到python解释器的内置模块

为何要用模块?

  1.使用内置的或者第三方模块的好处是:拿来主义,可以极大提升开发效率

  2.使用自定义模块的好处是:可以减少代码冗余(抽取我们自己程序中要公用的一些功能定义成模块,然后程序的各部分组件都去模块中调用共享功能)                 

注: 一定要区分开谁是执行文件,谁是被导入模块       

二、import导入模块

首次导入模块:

  1.会产生一个模块的名称空间

  2.执行模块文件,将执行过程中产生的名字都放到模块的名称空间中

  3.在当前执行文件的名称空间中拿到一个模块名,该名字指向模块的名称空间

后面的导入,都是直接引用第一次导入的成果,不会重新执行文件

spam.money   在执行文件中访问模块名称空间中名字的语法:  模块名.名字(注:模块名应该全部为小写)

指名道姓地跟spam要money  不会与当前执行文件中的名字冲突

为模块起别名  import xxx as x

总结import导入模块:

  优点:指名道姓地向某一个名称空间要名字,不会与当前名称空间中的名字冲突

  缺点:但凡应用模块中的名字都需要前缀,不够简洁

三、from...import...导入模块

首次导入模块:

  1.会产生一个模块的名称空间

  2.执行模块文件,将执行过程中产生的名字都放到模块的名称空间中

  3.在当前执行文件的名称空间中拿到一个名字,该名字就是执行模块中对应的名字

总结from...import...

  优点:使用时,无需再加前缀,更简洁

  缺点:容易与当前名称空间中的名字冲突

 

补充:

  from xxx import * 导入全部   *代表从被导入模块中拿到所有名字(不推荐使用)

  在导入模块时,如果未找到__all__中的成员,抛出attributeError

# __all__ = ['money','read1']

 

焚膏油以继晷,恒兀兀以穷年。
相关文章
|
2天前
|
Python
【Python进阶(五)】——模块搜索及工作目录
【Python进阶(五)】——模块搜索及工作目录
|
2天前
|
Python
在Python中,利用`os模块`的`path.exists()`函数可判断文件是否存
【5月更文挑战第12天】在Python中,利用`os模块`的`path.exists()`函数可判断文件是否存在,该函数对路径进行检查,存在则返回True,不存在则返回False。示例代码展示了如何检查'example.txt'文件是否存在并相应打印消息。此外,`os.path.isfile()`用于确认路径是否为文件,仅当是文件时返回True,否则返回False,同样配以示例说明其用法。
11 2
|
3天前
|
算法 物联网 数据库
Python 物联网入门指南(一)(4)
Python 物联网入门指南(一)
15 3
|
3天前
|
物联网 Linux 网络安全
Python 物联网入门指南(一)(3)
Python 物联网入门指南(一)
15 4
|
3天前
|
网络协议 物联网 Linux
Python 物联网入门指南(一)(2)
Python 物联网入门指南(一)
10 1
|
3天前
|
物联网 机器人 异构计算
Python 物联网入门指南(一)(1)
Python 物联网入门指南(一)
14 2
|
4天前
|
Python Windows
python中的异常与模块
python中的异常与模块
10 1
|
8天前
|
机器学习/深度学习 数据采集 数据可视化
利用Python进行历史数据预测:从入门到实践的两个案例分析
利用Python进行历史数据预测:从入门到实践的两个案例分析
21 1
|
13天前
|
机器学习/深度学习 自然语言处理 语音技术
【Python 机器学习专栏】Python 深度学习入门:神经网络基础
【4月更文挑战第30天】本文介绍了Python在深度学习中应用于神经网络的基础知识,包括神经网络概念、基本结构、训练过程,以及Python中的深度学习库TensorFlow和PyTorch。通过示例展示了如何使用Python实现神经网络,并提及优化技巧如正则化和Dropout。最后,概述了神经网络在图像识别、语音识别和自然语言处理等领域的应用,并强调掌握这些知识对深度学习的重要性。随着技术进步,神经网络的应用将持续扩展,期待更多创新。
|
13天前
|
机器学习/深度学习 算法 数据挖掘
【Python 机器学习专栏】Python 机器学习入门:基础概念与流程
【4月更文挑战第30天】本文介绍了Python在机器学习中的重要性,机器学习的基础概念和分类,包括监督学习、非监督学习和强化学习。Python因其丰富的库(如Scikit-learn、TensorFlow、PyTorch)、简单易学的语法和跨平台性在机器学习领域广泛应用。文章还概述了机器学习的基本流程,包括数据收集、预处理、特征工程、模型训练与评估等,并列举了常用的Python机器学习算法,如线性回归、逻辑回归、决策树和支持向量机。最后,讨论了Python机器学习在金融、医疗、工业和商业等领域的应用,鼓励读者深入学习并实践这一技术。