在Python函数体内导入库是否为良好实践？存在哪些弊端？

将库导入放在函数内部虽然能避免不必要的依赖安装，但存在以下明显问题：

• 性能损耗：Python的导入过程包含模块查找、加载和初始化等操作，并非瞬时完成。如果包含内部导入的函数被频繁调用（比如在循环中执行），每次调用都会重复执行导入逻辑，累积额外的运行开销，拖慢程序效率。例如每次调用func3都要重新导入numpy，对于计算密集型场景影响尤为明显。

• 可读性与维护性降低：顶部集中导入是Python的惯用规范，能让开发者快速掌握整个文件的依赖清单。把导入藏在函数内部后，其他开发者需要深入到每个函数内部才能发现依赖关系，增加了理解代码的成本，也容易在维护时遗漏依赖相关的修改。

• 错误延迟暴露：如果依赖库未安装，顶部导入会在程序启动时立即抛出ImportError，便于快速排查问题。而函数内导入的错误只会在第一次调用该函数时触发——可能程序已经运行了很长时间，甚至在处理核心业务时才崩溃，导致问题排查和修复的难度大大增加。

• 全局配置受限：部分库需要在导入后进行全局初始化配置（比如设置numpy的默认浮点精度、启用特定功能）。如果在函数内导入，要么每次调用都重复执行配置逻辑（造成冗余），要么无法在全局层面统一完成配置，限制了库的使用灵活性。

• 代码冗余风险：如果后续有多个函数需要使用同一个库，每个函数内都重复写导入语句会造成代码冗余。当需要调整依赖版本或更换库时，必须逐个修改所有包含导入的函数，容易出现遗漏或不一致的情况。

内容的提问来源于stack exchange，提问作者Erel Segal-Halevi