探究Python不写import语句的影响

from *** import ***

想必你已经再熟悉不过这样的python语法。

当你的 python 代码需要获取外部的一些功能（一些已经造好的轮子），你就需要使用到 import 这个声明关键字。import可以协助导入其他 module 。（类似 C 预约的 include）

写Python不用import，那得自己造轮子，就好像使IPhone不用APP Store，偏要自己搭APP，我感觉应该幸福不起来吧，干啥都得徒手从0到1写代码，谁能受得了。

老实说，你能体会那种写Python时只用import 的幸福吗？

看到知乎上有个回答很有意思：

用import的python，如下图

不用import的python，如下图

没有import就不会有Python的今天，模块化封装让Python拥有了成千上万个优秀的工具包，像pandas、numpy、requests、tensorflow等，拿来即用，甚至比有些图形化软件还容易上手，正是这些工具包使得Python流行起来。

举个简单的例子，你想计算两组数据的相关性，如果import numpy库，三四行代码能搞定。

import numpy as np  x = np.array([1, 2, 3, 4, 5])  # 定义两个数组y = np.array([2, 3, 4, 5, 6])  corr = np.corrcoef(x, y)[0, 1]  # 计算相关系数  

假如你自己手撸代码，则需要十几行。

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  # 示例数据  x = [1, 2, 3, 4, 5]  y = [2, 3, 4, 5, 6]  correlation = pearson_correlation_coefficient(x, y)  

这还只是一个简单的算法，对于有些复杂的算法实现，则需要几千几万行代码，难度和复杂度会把99.99%的人拒之门外。

当然对于想提升代码能力和算法思维的人来说，不用import，徒手撸算法是很好的训练方法，但如果你只是用Python来解决问题，遇到好的工具包，最好能import就import。

Python设计之初所提倡的就是实用、简洁、易读，模块化和可重用性就是对Python设计理念最好的体现。