多个Python模块重复导入同一依赖库是否会引发问题、占用额外内存？

跨多个模块重复编写import numpy的写法没有任何问题，不会占用额外的内存空间，属于Python开发的标准实践，完全可以放心写。

Python自带全局模块缓存机制，导入逻辑的实际行为是：

• 解释器第一次执行到import numpy语句时，才会真正跑numpy的初始化流程：执行包内的启动代码、在内存中生成对应的模块实例，之后把这个实例存入sys.modules的缓存字典里。
• 后续不管你在主程序、还是多少个自定义模块里写多少次import numpy/import numpy as np，解释器都不会重复加载numpy的代码，只会直接从sys.modules缓存里取出已经存在的numpy模块对象，给当前作用域绑定一个指向该对象的引用。这个操作的额外开销只有一个名字绑定的成本，几乎可以忽略不计。

你之前的猜测有一处表述不准确：模块内导入的numpy不会在导入流程结束后被“卸载”。整个程序运行周期里numpy只会在内存中存一份，所有导入numpy的位置共享的是同一个模块实例。你要是感兴趣可以自己验证：在你写的自定义模块里加一行print(id(np))，主程序导入numpy后也打印id(np)，两个输出的内存地址是完全一样的。

至于“不在模块里单独导入numpy就会运行报错”的现象，本质是Python的作用域规则：每个模块有独立的全局命名空间，模块内用到的名字必须在当前命名空间内完成绑定，解释器不会自动跨模块去别的命名空间里找未导入的依赖，这和模块加载、卸载的逻辑没有关系。

你完全没必要刻意规避这种多模块重复导入的写法，所有需要直接调用numpy的模块都应该在头部显式导入numpy，反而能提升代码的可读性和可维护性。

内容的提问来源于stack exchange，提问作者Leviathan