如何在等待Python用户输入时导入第三方包？

问题背景 #

我的Python脚本本身运行速度很快，但因大量导入操作导致启动耗时较长，首次启动加载时间常超过10秒（在低速设备上尤为明显），后续启动耗时则大幅缩短。脚本大致结构如下：

# 耗时较长的必要导入
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

print("Welcome message.")
rsp = input('Enter value: ')

# 其他代码
result = 42
print(f"Output result: {result}")

我希望在等待用户输入的同时完成库的导入，尝试了用辅助线程获取输入、主线程执行导入的方案，但未生效——程序会卡在输入提示符处，直到用户输入后才开始执行导入，输出如下：

Starting
 > Importing matplotlib
12
Response received
It took 3.869 seconds to import matplotlib.
Importing pandas
It took 0.393 seconds to import pandas.
Importing numpy
It took 0.000 seconds to import numpy.
Output result: 42

问题解答 #

1. 为何方案无效？如何修复？ #

你的方案看似无效，核心原因是终端标准输入输出的交互特性和缓冲问题，并非主线程真的被阻塞：

• 子线程调用input()时，终端输出缓冲可能导致主线程的print内容无法立即显示，造成“导入未开始”的错觉；
• 终端标准输入是独占的，子线程等待输入时，主线程的输出会和子线程的提示符混排，进一步混淆执行顺序。

修复方法

方法一：优化终端IO缓冲，确保输出及时刷新

修改输入线程的逻辑，手动刷新输出缓冲，避免提示符与主线程输出混乱：

import threading
from time import perf_counter
import sys

print('Starting')
USER_RSP = None

def get_rsp():
    global USER_RSP
    # 输出提示符后立即刷新缓冲，避免混排
    print(" > ", end='', flush=True)
    USER_RSP = sys.stdin.readline().strip()
    print('\nResponse received')

thread = threading.Thread(target=get_rsp)
thread.start()

# 并行执行导入
print('Importing matplotlib...', flush=True)
t1 = perf_counter()
import matplotlib.pyplot as plt
t2 = perf_counter()
print(f'Matplotlib导入耗时: {t2-t1:.3f}秒')

print('Importing pandas...', flush=True)
t1 = perf_counter()
import pandas as pd
t2 = perf_counter()
print(f'Pandas导入耗时: {t2-t1:.3f}秒')

print('Importing numpy...', flush=True)
t1 = perf_counter()
import numpy as np
t2 = perf_counter()
print(f'Numpy导入耗时: {t2-t1:.3f}秒')

thread.join()

# 后续逻辑
result = 42
print(f"输出结果: {result}")

修改后，导入操作会与用户输入等待并行执行，总耗时为导入时间与用户输入时间的最大值，而非两者相加。

方法二：使用多进程替代线程

如果线程的终端交互问题仍无法解决，可使用multiprocessing实现真正的并行（进程间独立，不共享终端IO）：

from multiprocessing import Process, Queue
from time import perf_counter

print('Starting')
def get_rsp(queue):
    rsp = input(" > ")
    queue.put(rsp)

def import_libs(queue):
    print('Importing matplotlib...')
    t1 = perf_counter()
    import matplotlib.pyplot as plt
    t2 = perf_counter()
    print(f'Matplotlib导入耗时: {t2-t1:.3f}秒')
    
    print('Importing pandas...')
    t1 = perf_counter()
    import pandas as pd
    t2 = perf_counter()
    print(f'Pandas导入耗时: {t2-t1:.3f}秒')
    
    print('Importing numpy...')
    t1 = perf_counter()
    import numpy as np
    t2 = perf_counter()
    print(f'Numpy导入耗时: {t2-t1:.3f}秒')
    
    # 将导入的库传入主进程
    queue.put((plt, pd, np))

# 创建队列传递数据
rsp_queue = Queue()
lib_queue = Queue()

# 启动进程
rsp_process = Process(target=get_rsp, args=(rsp_queue,))
lib_process = Process(target=import_libs, args=(lib_queue,))

rsp_process.start()
lib_process.start()

# 获取结果
USER_RSP = rsp_queue.get()
print('Response received')
plt, pd, np = lib_queue.get()

rsp_process.join()
lib_process.join()

# 后续逻辑
result = 42
print(f"输出结果: {result}")

2. 其他减少库导入耗时的方法 #

除了并行导入+用户输入的方式，还有以下优化方向：

（1）延迟导入（懒加载）

仅在真正需要使用库时才导入，而非脚本启动时全部导入：

print("Welcome message.")
rsp = input('Enter value: ')

# 后续需要用到库时再导入
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 其他代码
result = 42
print(f"Output result: {result}")

这种方式让脚本启动瞬间完成，用户感知的启动时间大幅缩短。

（2）动态并行导入

使用importlib灵活控制导入时机，并行导入多个库：

import importlib
import threading

libs = {
    'plt': 'matplotlib.pyplot',
    'pd': 'pandas',
    'np': 'numpy'
}
imported_libs = {}

def import_lib(name, module_path):
    imported_libs[name] = importlib.import_module(module_path)

# 启动多个线程并行导入
threads = []
for name, path in libs.items():
    t = threading.Thread(target=import_lib, args=(name, path))
    t.start()
    threads.append(t)

# 等待用户输入
rsp = input('Enter value: ')

# 等待所有导入完成
for t in threads:
    t.join()

# 使用导入的库
plt = imported_libs['plt']
pd = imported_libs['pd']
np = imported_libs['np']

（3）优化Python环境

• 使用轻量替代库：比如用polars替代pandas（导入速度更快），或启用matplotlib的轻量模式（仅导入核心模块，不加载后端）；
• 预编译库文件：使用py_compile或compileall预编译库的.py文件为.pyc，减少首次导入时的编译耗时；
• 使用更快的解释器：比如PyPy，其JIT编译可大幅提升导入和运行速度（注意部分库的兼容性）。

（4）利用导入缓存

Python会自动缓存已导入的库到sys.modules中，后续启动会直接读取缓存。若需反复使用脚本，可保持进程存活（如守护进程模式），避免重复导入。

内容的提问来源于stack exchange，提问作者knower_to_be