一、导入官方库

我们复盘下学习pythoni的逻辑，所谓学习oython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
 

所以你用到什么学什么库即可。学习python本身就是个伪命题，就像你说学习科目一样，你没说清晰你学习的具体科目是什么，也没说学这个科目的哪些章节，毕竟每个科目都很大--要有以终为始的思想。
所以我们这个训练营，正确的说法是：学习借助pythob掌握深度学习和机器学习所必备的基础知识和相关工具。

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")

 

1.2从库中导入特定项

当使用fro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")

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)}")

 

上述这些，如果是oython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。

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 ** 2

IDE(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

 

main.py内容： 

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

 

model/main.py内容：

运行方案：

1. 运行命令：python model/main.py
2. 进入路径：cdxxx (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

 main.py内容：

运行方案：直接在终端python main.py 

场景3 

 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oython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Pythont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仓库查看C++源代码。

这就需要我们养成看文档的能力，文档就是以终为始思想的体现。文档就是api使用说明书，可能你日常买东西都不喜欢看使用说明书，但是在代码学习中，这一步是绕不开的。你会发现很多B站视频的教学，其实远不如文档说明书细致。
 @浙大疏锦行