from *** import ***

想必你已经再熟悉不过这样的python语法。

当你的 python 代码需要获取外部的一些功能（一些已经造好的轮子），你就需要使用到 import 这个声明关键字。import可以协助导入其他 module 。（类似 C 预约的 include）

写Python不用import，那得自己造轮子，就好像使IPhone不用APP Store，偏要自己搭APP，我感觉应该幸福不起来吧，干啥都得徒手从0到1写代码，谁能受得了。

老实说，你能体会那种写Python时只用import 的幸福吗？

看到知乎上有个回答很有意思：

用import的python，如下图

用import的python，如下图

没有import就不会有Python的今天，模块化封装让Python拥有了成千上万个优秀的工具包，像pandas、numpy、requests、tensorflow等，拿来即用，甚至比有些图形化软件还容易上手，正是这些工具包使得Python流行起来。

举个简单的例子，你想计算两组数据的相关性，如果import numpy库，三四行代码能搞定。

python">import numpy as np  
x = np.array([1, 2, 3, 4, 5])  # 定义两个数组
y = np.array([2, 3, 4, 5, 6])  
corr = np.corrcoef(x, y)[0, 1]  # 计算相关系数  

假如你自己手撸代码，则需要十几行。

python">def pearson_correlation_coefficient(x, y):  x_mean = sum(x) / len(x)  y_mean = sum(y) / len(y)  numerator = 0  denominator = 0  for i in range(len(x)):  numerator += (x[i] - x_mean) * (y[i] - y_mean)  denominator += (x[i] - x_mean) ** 2  return numerator / denominator if denominator != 0 else 0  
# 示例数据  
x = [1, 2, 3, 4, 5]  
y = [2, 3, 4, 5, 6]  
correlation = pearson_correlation_coefficient(x, y)  

这还只是一个简单的算法，对于有些复杂的算法实现，则需要几千几万行代码，难度和复杂度会把99.99%的人拒之门外。

当然对于想提升代码能力和算法思维的人来说，不用import，徒手撸算法是很好的训练方法，但如果你只是用Python来解决问题，遇到好的工具包，最好能import就import。

Python设计之初所提倡的就是实用、简洁、易读，模块化和可重用性就是对Python设计理念最好的体现。