写Python时不用import,你会遭遇什么

2024-05-30 00:44
文章标签 python import 不用 遭遇

本文主要是介绍写Python时不用import,你会遭遇什么,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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

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。

这篇关于写Python时不用import,你会遭遇什么的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1015099

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

【Python报错已解决】AttributeError: ‘list‘ object has no attribute ‘text‘

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 文章目录 前言一、问题描述1.1 报错示例1.2 报错分析1.3 解决思路 二、解决方法2.1 方法一:检查属性名2.2 步骤二:访问列表元素的属性 三、其他解决方法四、总结 前言 在Python编程中,属性错误(At