Python脚本模块化拆分及跨模块导入问题解决方案咨询

项目结构 #

data_analyzer_project/
├── data_analyzer/
│   ├── __init__.py
│   ├── data/
│   │   ├── __init__.py
│   │   ├── loader.py       # 数据导入逻辑
│   │   └── cleaner.py      # 数据清洗逻辑
│   ├── analysis/
│   │   ├── __init__.py
│   │   ├── height_sum.py   # 身高求和分析
│   │   ├── age_mean.py     # 年龄均值分析
│   │   └── height_age_product.py  # 身高年龄乘积分析
│   └── presentation/
│       ├── __init__.py
│       └── display.py      # 结果展示逻辑
├── entrypoints/
│   ├── __init__.py
│   ├── main_height_sum.py
│   ├── main_age_mean.py
│   └── main_height_age_product.py
├── pyproject.toml
├── setup.py
└── README.md

核心模块代码示例 #

1. 数据导入模块 (data_analyzer/data/loader.py)

import pandas as pd

def load_data(file_path: str):
    """从CSV文件加载原始数据"""
    return pd.read_csv(file_path)

2. 数据清洗模块 (data_analyzer/data/cleaner.py)

import pandas as pd

def clean_data(raw_data: pd.DataFrame) -> pd.DataFrame:
    """处理缺失值、转换数据类型，返回清洗后的数据集"""
    cleaned_data = raw_data.dropna(subset=['height', 'age'])
    cleaned_data['height'] = cleaned_data['height'].astype(float)
    cleaned_data['age'] = cleaned_data['age'].astype(int)
    return cleaned_data

3. 身高求和分析模块 (data_analyzer/analysis/height_sum.py)

import pandas as pd

def calculate_height_sum(cleaned_data: pd.DataFrame) -> float:
    """计算有效身高的总和"""
    return cleaned_data['height'].sum()

4. 结果展示模块 (data_analyzer/presentation/display.py)

def display_result(title: str, result):
    """格式化展示分析结果"""
    print(f"=== {title} ===")
    print(result)
    print("==============")

独立入口脚本示例（以身高求和为例） #

entrypoints/main_height_sum.py

from data_analyzer.data.loader import load_data
from data_analyzer.data.cleaner import clean_data
from data_analyzer.analysis.height_sum import calculate_height_sum
from data_analyzer.presentation.display import display_result

def main():
    # 步骤1：导入并清洗数据
    raw_data = load_data("sample_data.csv")  # 替换为你的实际数据路径
    cleaned_data = clean_data(raw_data)
    
    # 步骤2：执行分析计算
    height_sum = calculate_height_sum(cleaned_data)
    
    # 步骤3：展示结果
    display_result("身高总和分析", f"所有有效身高总和: {height_sum:.2f} cm")

if __name__ == "__main__":
    main()

其他入口脚本（main_age_mean.py、main_height_age_product.py）逻辑一致，仅需替换对应的分析模块引用。

配置文件 #

pyproject.toml

[build-system]
requires = ["setuptools>=61.0"]
build-backend = "setuptools.build_meta"

[project]
name = "data-analyzer"
version = "0.1.0"
authors = [
  { name="Your Name", email="your.email@example.com" }
]
description = "Modular data analysis tool for height and age metrics"
readme = "README.md"
requires-python = ">=3.8"
dependencies = [
  "pandas>=2.0"
]

[project.scripts]
analyze-height-sum = "entrypoints.main_height_sum:main"
analyze-age-mean = "entrypoints.main_age_mean:main"
analyze-height-age-product = "entrypoints.main_height_age_product:main"

setup.py

from setuptools import setup

setup()

解决导入问题的关键操作 #

1. 安装开发版包：在项目根目录执行以下命令，将data_analyzer包安装为可编辑模式，Python会全局识别该包，彻底解决模块找不到的问题：

   pip install -e .
   

2. 使用绝对导入：所有入口脚本和核心模块间的引用均使用绝对导入（如from data_analyzer.data.loader import load_data），避免相对导入的路径限制。

3. 独立入口目录：将所有任务入口脚本放在entrypoints目录下，与核心业务代码分离，既保证职责清晰，也避免运行时的路径混乱。

运行方式 #

• 直接运行脚本：

  python entrypoints/main_height_sum.py
  

• 使用安装后的命令：

  analyze-height-sum
  

内容的提问来源于stack exchange，提问作者Leo