如何在非Jupyter环境下跳过Python脚本的重复导入步骤？

以下是几种无需使用Jupyter Notebook就能跳过重复导入步骤的实用方案：

• 预编译模块
  Python会把导入的模块编译成.pyc字节码文件，但默认是按需编译。你可以手动预编译所有需要的模块，让下次运行直接加载编译后的文件：

  • 单文件预编译：python -m py_compile your_script.py
  • 批量预编译当前目录下所有模块：python -m compileall .
    注意：模块更新后需要重新预编译，否则会加载旧的字节码。

• 使用IPython交互式环境
  IPython的交互式Shell会保留会话中的导入状态，和Jupyter Notebook的内核机制类似。启动IPython后，用%run your_script.py命令运行脚本，第一次导入后，后续修改脚本再运行时，已导入的模块不会重复加载。如果需要重置导入状态，重启IPython即可。

• 序列化缓存导入状态
  可以把已导入的模块序列化保存到本地文件，下次运行脚本时直接加载缓存，避免重复导入。示例代码如下：

import pickle
import os

# 缓存文件路径
CACHE_PATH = "import_cache.pkl"

def load_cached_imports():
    if os.path.exists(CACHE_PATH):
        with open(CACHE_PATH, "rb") as f:
            return pickle.load(f)
    return {}

def save_import_cache(imports):
    with open(CACHE_PATH, "wb") as f:
        pickle.dump(imports, f)

# 加载缓存的模块到全局命名空间
cached_modules = load_cached_imports()
for mod_name, mod_obj in cached_modules.items():
    globals()[mod_name] = mod_obj

# 按需导入并缓存
if "pandas" not in cached_modules:
    import pandas as pd
    cached_modules["pandas"] = pd
    save_import_cache(cached_modules)

⚠️ 注意：这个方法存在安全风险，仅在本地可信环境使用；另外模块更新后需手动删除缓存文件，否则会加载旧版本。

• 切换到PyPy运行环境
  PyPy自带JIT编译器，会缓存编译后的代码，对于重复运行的脚本，导入和执行速度都会显著提升。如果你的脚本没有依赖CPython专属扩展，完全可以用PyPy替代CPython来运行。

内容的提问来源于stack exchange，提问作者thejulius