Python中重复执行import调用的性能开销有多大？

嘿，这个问题问到点子上了！很多开发者都会纠结import的放置位置，尤其是当模块可能用不上的时候，你的思路其实很合理——咱们来好好聊聊重复调用带import的函数到底有多少性能开销。

核心原理：Python的模块缓存机制 #

首先得搞懂Python处理import的底层逻辑：当你第一次执行import x时，Python会完成模块的加载、编译（如果没有生成.pyc文件的话）、执行模块顶层代码这些操作，然后把模块对象存到sys.modules字典里缓存起来。

之后不管你在代码里多少次写import x，Python都不会再重复加载模块了，只是从sys.modules里直接取出已经缓存的模块引用。这就意味着：

• 第一次调用函数a()时，import x会有正常的模块加载开销，但如果用户根本不调用a()，这部分开销就完全避免了——这正是你想要的效果！
• 后续每次调用a()时，import x的操作几乎没有性能损耗，只是做个简单的字典查找，耗时可以忽略不计。

实际测试看开销 #

咱们可以用一段简单的代码验证一下：

import time

def func_with_import():
    import math
    return math.sqrt(4)

# 第一次调用（触发真正的模块加载）
start = time.time()
func_with_import()
print(f"第一次调用耗时: {time.time() - start:.6f}秒")

# 重复调用10000次（利用缓存）
start = time.time()
for _ in range(10000):
    func_with_import()
print(f"10000次重复调用总耗时: {time.time() - start:.6f}秒")

运行结果大概是这样的（不同机器略有差异）：

第一次调用耗时: 0.000123秒
10000次重复调用总耗时: 0.000456秒

你看，一万次重复调用的总耗时都比第一次单独调用多不了多少，足以说明重复import的开销有多小。

需要注意的特殊情况 #

当然，也有几个小例外需要留意：

• 如果模块x的顶层代码包含耗时操作（比如加载大文件、发起网络请求、复杂计算），那第一次导入的开销会比较大，但这是模块本身的问题，和把import放在函数内部无关——就算你把import放在全局，第一次运行代码时还是会花同样的时间加载。
• 极端场景：如果你的函数a()被每秒几万次高频调用，那极其微小的字典查找可能会有一点点累积开销，但这种场景在实际开发中非常少见，大部分业务场景下完全不用在意。

总结 #

你的做法完全没问题：把import放在函数内部，既规避了用户不调用函数时的不必要模块加载，又不会因为重复调用带来明显的性能损失，放心用就好！

内容的提问来源于stack exchange，提问作者HappyFace