Python中自定义类与pandas类导入方式差异的原因探究

假设我有这样的目录结构：

analytics
----npv_differences.py（包含NpvDifferences类）

我必须用这条导入语句才能成功：

from analytics.npv_differences import NpvDifferences

如果用下面这条就会报错：

from analytics import NpvDifferences

但pandas库却支持两种导入方式，都能正常工作：

from pandas import DataFrame

from pandas.core.frame import DataFrame

想请教下造成这种差异的原因是什么？

这其实是Python包的命名空间导出机制在起作用，咱们一步步拆解来看：

• 自定义包缺少顶层导出配置：Python的包默认只会暴露包本身，以及直接在包根目录的__init__.py里定义或导入的内容。你的analytics目录如果没有__init__.py，或者里面没做任何导入操作，那analytics这个包的命名空间里就不会包含npv_differences.py中的NpvDifferences类，自然没法直接从analytics导入它。

• pandas在包顶层做了显式导出：pandas的根目录下的__init__.py文件里，做了大量的导入操作，把底层模块里的常用类、函数都“提升”到了pandas包的顶层命名空间中。比如它会写类似这样的代码：

  from pandas.core.frame import DataFrame
  

  这样一来，DataFrame就被加入到了pandas包的公开命名空间里，你既可以从它原本的模块路径导入，也可以直接从pandas包导入。

• 小技巧：让你的自定义包也支持两种导入方式：如果你想让自己的analytics包也能实现这种效果，只需要在analytics目录下创建（或修改）__init__.py文件，加入一行代码：

  from .npv_differences import NpvDifferences
  

  这样就把NpvDifferences类导入到了analytics包的命名空间中，之后两种导入方式就都能正常工作了。

内容的提问来源于stack exchange，提问作者kgui