Python中“import a.b as b”和“from a import b”的区别是什么？

Question

我一直使用from a import b，但最近工作中的一个团队决定将一个模块移动到一个新的命名空间，并发布了一个警告通知，告诉人们用import a.b as b替换import b.

我从未使用过import as，并且我能够找到的唯一文档似乎表明它不支持import a.b as b，尽管很明显它支持。

但实际上有什么区别，如果有的话是什么?

- Tom Tanner

---

这里有关于使用"from...import"和"import...as"导入模块的讨论。 - Onk_r

该死，原来如此。我能找到的所有答案都是关于“import *”的问题。 - Tom Tanner

有一个更重要的区别，这个重复没有提到。从a导入b会导入任何对象，而import a.b as b只会导入一个模块/包/命名空间。我已经在重复问题中添加了一个答案。 - cdarke

Answer 1

据我所知，如果我有错请指正。

首先，import a.b 必须导入一个模块（一个文件）或者一个包（一个包含 __init__.py 文件的目录）。

例如，你可以使用 import tornado.web as web，但是你不能使用 import flask.Flask as Flask，因为 Flask 是在包 flask 中的一个对象。

其次，import a.b 还会导入命名空间 a，而 from a import b 不会。你可以通过 globals() 来检查它。

那么影响是什么呢？例如：

import tornado.web as web

现在你可以访问命名空间tornado，但是即使tornado有这个模块，你也不能访问tornado.options。但是由于Python的全局包管理方式，如果你使用from tornado import options，不仅可以访问options，而且还可以将其添加到tornado的命名空间中。所以现在你也可以通过tornado.options访问options了。

- Sraw

Answer 2

我将提供部分答案，并进行一些猜测。

1）有时我观察到第二种方法有效，而第一种方法无效。在我的系统上：

Python 3.6.3 (default, Oct  3 2017, 21:45:48) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from tensorflow import keras   # <- this works
>>>
>>> import tensorflow.keras as K   # <- this fails
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'tensorflow.keras'
>>> 

2) 我通常看不出这两种导入方法之间的区别。我还没有调查为什么在 TensorFlow 中有差异。可能与各个 TensorFlow 子文件夹 init.py 文件导入到顶层的名称有关（在大多数情况下，它们完全为空，但在 ../dist_packages/tensorflow/python 中的一个文件非常长）。

- John Ladasky