使用pyforest简化python导入模块代码

使用pyforest既可以简化python导入模块的过程, 又能够支持模块的惰性导入, 它内置了很多数据科学模块，此外还支持开发人员自定义所需要加载的模块

1. 不胜其烦的import操作

python简便性依赖于丰富的第三方库，因此，你看到的许多脚本里，在文件的最开始的十几行代码都是在导入所需要的库，尤其是在数据科学领域，你看到的代码可能是下面的样子

import pandas as pd
import statistics
import numpy as np
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt

面对这样的代码，时间久了难免会不胜其烦，那么有没有什么办法可以免去这些无聊的导入过程呢？

最简单，最粗暴的做法就是编写一个专门的导入脚本，可以将其命名为moudle_import.py， 将所需要的库在这里导入，之后在编写其他脚本时，就可以直接从这个脚本里导入

from moudle_import import *

如此，再也无需在脚本的最上方写一大堆的import了，但这样做有一个弊端，其他脚本里，未必需要所有的第三方库，有什么办法可以支持惰性导入呢？

2. pyforest

所谓惰性导入，就是只有当这个库被使用时才会导入，听起来很神奇是不是，pyforest 就是这样一个支持惰性导入的库，它的安装非常方便

pip install pyforest

使用pyforest，你既可以省去大量的import操作，又能够做到惰性导入,下面是一份示例代码

from pyforest import *

df = pd.DataFrame()
print(df)

active_imports()    # 输出导入的模块

在代码里，我并没有使用常规的import语句导入pandas模块

import pandas as pd

但直接使用pd， 却没有任何错误， 这说明已经从pyforest 中导入了pandas并将其命名为pd，进入到pyforest 模块一探究竟，发现所有的模块都是通过下面这行代码导入的

from ._imports import *

看来所有的奥秘都藏在_imports.py文件中，进入到这个文件以后，终于真相大白， 在这个脚本里，它已经将常用的数据科学库使用惰性加载的方式定义

pd = LazyImport("import pandas as pd")

np = LazyImport("import numpy as np")

dd = LazyImport("from dask import dataframe as dd")

LazyImport 惰性导入

只有在执行pd.DataFrame() 这条语句时，pandas模块才会真正的被导入，这其中的原理有是怎么回事呢？关键在于LazyImport这个类重载了__getattr__ 方法和__call__。

当我们通过 . 来访问一个对象的属性时，本质上是在调用__getattr__方法， 而在该方法里，调用了LazyImport的__maybe_import__ 方法来实现真正的导入操作， 这正是惰性导入的关键，只有真正使用时，才导入， 而之所以还要实现__call__方法，原因在于对于某些模块的使用可能会是直接调用的方式，比如Path

from pathlib import Path

Path(".")

如果你希望被自动加载的模块并不存在于_imports.py文件中，可以在pyforest的安装目录里新增一个user_imports.py文件，在这里增加你想导入的模块，pyforest会自动加载