Python数据导入导出全攻略
本文深入解析Python模块导入导出的核心机制,重点讲解如何利用`import`语句实现代码模块的导入与共享,从而提升代码的组织性和复用性。文章详细介绍了`.py`文件作为模块的概念,以及`from...import`、`import as`等多种灵活的导入方式。此外,还阐述了如何通过`__all__`列表精确控制模块对外暴露的接口,避免命名冲突。针对大型项目,文章还探讨了包(包含`__init__.py`的目录)的使用,以及如何在`__init__.py`中预先导入内容,简化外部调用,最终实现高效的代码组织与管理。掌握这些技巧,能有效提升Python编程效率和代码质量。
Python通过import实现模块导入与共享,.py文件即模块,可封装函数、变量供其他文件使用;支持多种导入方式如from...import、import as及from...import *(不推荐);通过__all__列表控制模块对外暴露的接口;包(含__init__.py的目录)支持多层结构,可在__init__.py中预导入内容简化调用,从而实现代码组织与复用。

在 Python 中,并没有直接的“导入导出”功能像数据库那样,但通过 import 机制,可以实现代码模块之间的导入与共享,从而达到组织和复用的目的。下面说明如何使用 import 进行模块的导入,以及如何设计模块以便被其他文件“导出”使用。
什么是模块导入
Python 中一个 .py 文件就是一个模块。你可以将功能封装在某个文件中,然后在其他文件中通过 import 来使用它。
例如,你有一个文件叫 utils.py:
# utils.py
def add(a, b):
return a + b
def multiply(a, b):
return a * b
PI = 3.14159
在另一个文件中,比如 main.py,你可以这样导入并使用:
# main.py import utilsprint(utils.add(2, 3)) # 输出: 5 print(utils.multiply(2, 4)) # 输出: 8 print(utils.PI) # 输出: 3.14159
不同的导入方式
除了完整导入,还有几种常用方式来更灵活地使用模块内容:
- from ... import ...:只导入特定函数或变量
- import ... as ...:给模块起别名
- from ... import *:导入所有公开名称(不推荐)
from utils import add, PI print(add(5, 6)) # 可以直接用 add,不用加 utils.
import utils as u print(u.add(1, 2))
from utils import * print(add(1, 2)) # 直接调用,但容易造成命名冲突
控制“导出”的内容
当你希望别人导入你的模块时只暴露特定内容,可以用 __all__ 列表来声明哪些名字可以被 from module import * 导入。
# utils.py __all__ = ['add', 'PI'] # 只允许 add 和 PI 被 * 导入def add(a, b): return a + b
def multiply(a, b): # 不在 all 中,不会被 from utils import 导入 return a b
PI = 3.14159
这样,即使使用 from utils import *,multiply 也不会被导入。
包的导入(多层目录)
当项目变大时,会使用包(包含 __init__.py 的文件夹)来组织模块。
目录结构示例:
myproject/ ├── __init__.py ├── math_utils/ │ ├── __init__.py │ └── operations.py └── main.py
在 operations.py 中定义函数:
def divide(a, b):
return a / b
在 main.py 中导入:
from math_utils.operations import divide print(divide(10, 2))
你也可以在包的 __init__.py 中提前导入内容,简化外部调用:
# math_utils/__init__.py from .operations import divide
之后就可以这样用:
from math_utils import divide
基本上就这些。通过 import 机制,Python 实现了良好的模块化支持,“导出”靠的是合理组织模块和使用 all 控制接口,“导入”则灵活多样,适合不同场景。
终于介绍完啦!小伙伴们,这篇关于《Python数据导入导出全攻略》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
中兴6G空天地方案亮相2025进博会
- 上一篇
- 中兴6G空天地方案亮相2025进博会
- 下一篇
- Win11触摸板失灵原因及解决方法
-
- 文章 · python教程 | 2小时前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 4小时前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
-
- 文章 · python教程 | 13小时前 | 并发 · 异常处理 · python · asyncio · CancelledError 结构化并发 ExceptionGroup Python asyncio TaskGroup asyncio gather
- asyncio TaskGroup 让并发任务在首错时一起收敛
- 246浏览 收藏
-
- 文章 · python教程 | 15小时前 |
- Python 3.14 自由线程程序怎样显式保护共享状态
- 337浏览 收藏
-
- 文章 · python教程 | 18小时前 | 标准库 · Python教程 · Python Traversable importlib.resources 包内资源
- Python importlib.resources Traversable 怎么读取包内目录
- 359浏览 收藏
-
- 文章 · python教程 | 21小时前 | 时区 · python · Python zoneinfo reset_tzpath TZPATH 自定义时区库 ZoneInfo缓存
- Python zoneinfo.reset_tzpath 怎么切换自定义时区库
- 176浏览 收藏
-
- 文章 · python教程 | 23小时前 | Python教程 · Python 并行执行 全局状态 InterpreterPoolExecutor
- Python InterpreterPoolExecutor 怎么隔离不同任务的全局状态
- 130浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python zip strict=True 在第几次迭代发现长度不一致
- 437浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 365次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 424次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 438次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 388次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 214次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

