一、导入官方库
我们复盘下学习python的逻辑，所谓学习python就是学习python常见的基础语法+学习你所处理任务需要用到的第三方库。
1.1标准导入：导入整个库
这是最基本也是最常见的导入方式，直接使用import语句。
# 方式1：导入整个模块
import math
print("方式1：使用 import math")
print(f"圆周率π的值：{math.pi}")
print(f"2的平方根：{math.sqrt(2)}\n")方式1：使用 import math
圆周率π的值：3.141592653589793
2的平方根：1.4142135623730951
1.2从库中导入特定项
当使用from语法从库中导入特定的函数或类时，这些函数或类就可以在您的代码中直接使用，不需要添加模块名作为前缀。因为在导入时没有包括模块的完整路径，前面也不能加上库名。
# 方式2：导入特定的函数或变量
from math import pi, sqrt
print("方式2：使用 from math import pi, sqrt")
print(f"圆周率π的值：{pi}")
print(f"2的平方根：{sqrt(2)}\n")方式2：使用 from math import pi, sqrt
圆周率π的值：3.141592653589793
2的平方根：1.4142135623730951
类似的写法，如sklearn库很大，直接导入sklearn库会占用电脑大量内存，所以一般只导入你需要的库，如： from sklearn.model_selection import train_test_split
1.3非标准导入：导入整个库
如下，●这将导入`math`模块中定义的所有公开函数和变量。●和上述from同理，直接调用`sin()`、`cos()`等，而无需`math.`前缀。
虽然 import math和 from math import *看起来都是导入了 `math` 模块，但它们在导入方式、作用域处理以及对命名空间的影响上有重要的区别。
1. 命名空间的污染
`import math`：这种方法会将整个 `math` 模块导入到命名空间中，但是需要使用 `math.` 前缀来访问模块内的函数或变量。这种方式保持了命名空间的整洁，因为所有的 `math` 函数和变量都包含在 `math` 这个模块对象中。
`from math import *`：这种方法将 `math` 模块中的所有公开的函数和变量导入到当前的命名空间中，可以直接使用这些函数和变量而无需 `math.` 前缀。这种方式可能会导致命名空间污染，特别是当有多个模块都被这样导入时，很容易发生命名冲突。
2. 明确性和可维护性
`import math`：明确指出了函数和变量来源于 `math` 模块，这对代码的可读性和维护性都是有益的。其他阅读你代码的人可以清楚地看到每个函数的来源，这对大型项目和团队合作尤为重要。
`from math import *`：虽然代码看起来更简洁，但这种方法减少了代码的明确性。如果没有足够的上下文，很难判断一个特定的函数是来自 `math` 模块还是其他模块，尤其是当你导入了多个模块时。
from math import *
print(f"圆周率π的值：{pi}")
print(f"2的平方根：{sqrt(2)}")
圆周率π的值：3.141592653589793
2的平方根：1.4142135623730951
上述这些，如果是python内置库，可以直接导入，大部分第三方库都需要先用pip来安装。下面的模块，也就是.py文件，是不需要安装即可调用的。
二、模块、包的定义
模块（Module）
本质：以 py 结尾的单个文件，包含Python代码（函数、类、变量等）。
作用：将代码拆分到不同文件中，避免代码冗余，方便复用和维护。
包（Package）
在python里，包就是库
本质：有层次的文件目录结构（即文件夹），用于组织多个模块和子包。
核心特征：包的根目录下必须包含一个 __init__.py 文件（可以为空），用于标识该目录是一个包。
使用案例
若编写一个计算圆面积的代码并保存为 circle.py，这个文件就是一个模块。使用时通过 import circle 导入模块，调用其中的函数（如 circle.calculate_area(5)）。
# circle.py
import math
def calculate_area(radius):
return math.pi * radius ** 2IDE（如 VSCode 或 PyCharm）通常会将你打开的项目文件夹设为“根目录”（或者说，运行时的工作目录）。Python 在导入模块时，会从这个根目录（以及其他一些标准位置和脚本所在的目录）开始查找。
场景1: main.py 和 circle.py 都在同一目录
目录结构:
项目根目录/
├── main.py
└── circle.py# main.py内容
from circle import calculate_area
# 或者: import circle (然后用 circle.calculate_area)
radius = 5
area = calculate_area(radius)
print(f"半径为 {radius} 的圆，面积是: {area}")运行方案：直接在终端python main.py
这里的终端可以通过左上角的查看-终端 打卡，默认的路径是你的项目根目录。
场景2: main.py 和 circle.py 都在根目录的子目录 model/ 下
目录结构:
项目根目录/
└── model/
├── __init__.py (推荐添加，将 model 目录标记为包)
├── main.py
└── circle.py# model/main.py内容
from circle import calculate_area
# 或者: import circle (然后用 circle.calculate_area)
radius = 5
area = calculate_area(radius)
print(f"半径为 {radius} 的圆，面积是: {area}")运行方案：
1. 运行命令：python model/main.py
2. 进入路径：cd xxx（main的相对路径），然后执行python main.py
（注意如果先cd后，就不能采用第一个命令了）
场景3: main.py 在根目录，circle.py 在子目录 model/ 下
目录结构:
项目根目录/
├── main.py
└── model/
├── __init__.py (必需添加，将 model 目录标记为一个可导入的包)
└── circle.py# main.py内容
from model.circle import calculate_area
# 或者: from model import circle (然后用 circle.calculate_area，因为此时你是导入了整个模块)
radius = 5
area = calculate_area(radius)
print(f"半径为 {radius} 的圆，面积是: {area}")运行方案：直接在终端python main.py
场景4
项目根目录/
├── circle2.py
└── utils/
├── __init__.py (必需添加，将 model 目录标记为一个可导入的包)
└── circle.py
└── model/
└── main.py运行方式：python -m model.main
如果直接使用python model/main.py，会报错，当使用 python -m model.main 时，Python 会将当前目录（即项目根目录）添加到 sys.path 的开头。
三、源代码的查看
如果第三方库是纯python写的，往往在函数上按住ctrl即可进入函数内部查看源代码。
但是很多第三方库为了性能，底层是用其他语言写的，这里我们计算机视觉库OpenCV为例。
OpenCV核心是用C++编写的（C++可以显著提高性能），但它通过Python等其他语言的接口（bindings）使得这些功能可以在Python环境中被调用。这些接口是通过一种叫做Python/C API的技术实现的，其中C++的功能被封装成Python模块，使得Python用户可以像使用纯Python编写的库一样使用OpenCV。
OpenCV的核心是用C++编写，并且已经编译成二进制文件，编译后的二进制文件可以在不同操作系统上运行，Python中的用户通常不能直接看到方法的源代码。
二进制文件是机器语言，处理器可以直接理解和执行无需翻译，二进制语言反汇编是很困难的，用二进制语言除了效果好外，也是让用户无法看到源代码，保护了自己的知识产权。
这意味着：
●二进制文件dll文件：当你在Python中导入OpenCV库（通import cv2），你实际上是在调用预先编译好的二进制文件。这些文件包含了实现OpenCV功能的可执行代码，而非人类可读的源代码。
●接口封装：用户只能看到Python函数和对象的接口（即函数的定义，不包括实现的细节）。这也意味着无法从利用ctrl跳转到函数内部，pycharm的debugger功能同理也无法看到内部结构。
●文档和源代码：尽管在Python中不能直接看到C++的源代码实现，用户可以参考官方文档来了解各个函数和方法的用法。如果需要查看实现细节，可以访问OpenCV的[GitHub仓库](https://github.com/opencv/opencv)查看C++源代码。
