第 4.3 节 模块:组织和复用代码#
预计学习时长: 30 分钟
本节目标:
- 知道模块就是一个
.py文件,能用import导入;- 分清
import 模块和from 模块 import 函数两种写法;- 知道
if __name__ == "__main__":是干什么的;- 能把一个大文件拆成几个职责清晰的模块。
模块是什么#
模块就是一个 .py 文件。你写的第一个 hello.py 其实已经是一个模块了。把常用函数放进一个专门的文件,其他程序就能用 import 把它拿过来用。
好处很直接:
- 不用复制粘贴——改一处,所有调用方同步更新;
- 文件名就是名字空间——
score_utils.calculate_average和model_utils.calculate_average互不干扰; - 一个文件只干一件事,找代码容易,测试也容易。
Case 34:拆分成绩计算程序——将函数封装到独立模块#
任务: 把前面写过的成绩计算函数拆到一个独立文件 score_utils.py。
新建 score_utils.py:
"""成绩相关的工具函数。"""
def to_letter_grade(score):
"""把百分制分数转成 A/B/C/D 等级。"""
if score >= 90:
return "A"
elif score >= 80:
return "B"
elif score >= 60:
return "C"
return "D"
def calculate_average(scores):
"""计算一组成绩的平均分,空列表返回 0。"""
if not scores:
return 0
return sum(scores) / len(scores)
def count_passed(scores, threshold=60):
"""统计达到及格线的人数。"""
return sum(1 for score in scores if score >= threshold)
if __name__ == "__main__":
# 只有直接运行本文件时,这段代码才会执行
demo = [92, 78, 55, 61]
print("平均分:", calculate_average(demo))
print("及格人数:", count_passed(demo))关键点
- 文件顶部的
"""..."""是模块文档字符串,说明这个文件是干什么的; - 函数上面的三引号字符串是函数文档字符串,可以用
help(calculate_average)查看; if __name__ == "__main__":是本节最重要的一行。它的意思是:「只有当我直接运行这个文件时才执行下面的代码」。- 直接运行
python score_utils.py→__name__是"__main__",下面的代码会跑; - 别人
import score_utils→__name__是"score_utils",下面的代码不会跑。
- 直接运行
为什么要写
if __name__ == "__main__":因为模块文件里的顶层代码在导入时就会执行。如果把演示代码裸写在文件里,别人一 import 就顺带把你的演示跑了一遍——既浪费又可能报错。 这个写法让模块既能当「工具库」,也能当「独立脚本」,两种用法互不干扰。
Case 35:调用数据处理工具——使用 import 导入自定义模块#
任务: 在 main.py 里导入并使用 score_utils 模块。
新建 main.py:
import score_utils
students = [
{"name": "小明", "score": 92},
{"name": "小红", "score": 78},
{"name": "小刚", "score": 55},
]
scores = [student["score"] for student in students]
print("平均分:", score_utils.calculate_average(scores))
print("及格人数:", score_utils.count_passed(scores))
for student in students:
grade = score_utils.to_letter_grade(student["score"])
print(f"{student['name']}: {student['score']} -> {grade}")输出:
平均分: 75.0
及格人数: 2
小明: 92 -> A
小红: 78 -> C
小刚: 55 -> D关键点
import score_utils之后,要用score_utils.calculate_average(...)调用——模块名 + 点 + 函数名;- 另一种写法是
from score_utils import calculate_average,之后直接calculate_average(...)。更短,但容易搞不清某个函数来自哪个模块; - 推荐用
import 模块名+ 点号调用。它能让读代码的人一眼看出这个函数是谁提供的。项目大了以后,这个差别很值钱; main.py和score_utils.py必须放在同一个文件夹里,python main.py才能找到它。
模块名用小写、下划线分隔 文件名
score_utils.py,导入时也写import score_utils。不要用 Python 关键字当模块名(比如class.py),会导致导入失败。
Case 36:构建简单机器学习工具箱——组合多个模块完成数据处理#
任务: 把「清洗」「统计」「转换」三类逻辑拆成三个模块,组合成一个迷你工具箱。
data_cleaner.py:
"""数据清洗工具。"""
def clean_scores(raw_scores):
"""去掉空值和越界值,返回合法的浮点数列表。"""
valid = []
for item in raw_scores:
if item is None:
continue
if 0 <= item <= 100:
valid.append(float(item))
return valid
def remove_duplicates(items):
"""保持原有顺序地去重。"""
seen = set()
result = []
for item in items:
if item not in seen:
seen.add(item)
result.append(item)
return resultfeature_tools.py:
"""特征工程小工具。"""
def normalize(values):
"""把一组数值标准化到 0 到 1。"""
if not values:
return []
minimum = min(values)
maximum = max(values)
span = maximum - minimum
if span == 0:
return [0.0 for _ in values]
return [(value - minimum) / span for value in values]
def to_letter_grade(score):
"""百分制分数转等级。"""
if score >= 90:
return "A"
elif score >= 80:
return "B"
elif score >= 60:
return "C"
return "D"main.py:
import data_cleaner
import feature_tools
raw = [92, None, 78, -5, 88, 150, 61, 88]
clean = data_cleaner.clean_scores(raw)
unique = data_cleaner.remove_duplicates(clean)
normalized = feature_tools.normalize(unique)
print("清洗后:", clean)
print("去重后:", unique)
print("标准化:", [round(v, 3) for v in normalized])
print("等级分布:", [feature_tools.to_letter_grade(s) for s in unique])输出:
清洗后: [92.0, 78.0, 88.0, 61.0, 88.0]
去重后: [92.0, 78.0, 88.0, 61.0]
标准化: [1.0, 0.548, 0.871, 0.0]
等级分布: ['A', 'C', 'B', 'C']关键点
- 三个模块各司其职:
data_cleaner管清洗,feature_tools管特征转换,main.py只管编排; main.py里几乎没有任何具体算法,全是「调用谁、传给谁」。这就是清晰的职责边界;- 每个模块都能独立测试。想知道
normalize对不对,只要单独测它,不用跑整个流程; - 这套「一个模块一个主题」的结构,正是后面 NumPy、Pandas、scikit-learn 这些库的组织方式。
Python 标准库的模块化思路 你用的
random、math、json、csv全都是模块,用法一模一样:import random然后random.randint(1, 10)。 下一章我们会把数据「写进文件再读出来」,用到的csv模块也是同样的套路。
本节小结#
| 写法 | 含义 |
|---|---|
import 模块 | 导入整个模块,用 模块.函数() 调用 |
import 模块 as 别名 | 起个短别名,np.array() 就是这么来的 |
from 模块 import 函数 | 只导入某个函数 |
if __name__ == "__main__": | 只有直接运行本文件时才执行 |
三条核心规矩:模块就是一个 .py 文件、导入的两种写法别混用、演示代码要放在 __main__ 保护里。
随堂练习#
- 把 Case 34 的
score_utils.py再加一个函数format_report(scores),返回一段多行报告字符串; - 新建
string_utils.py,实现一个reverse(text)函数返回反转后的字符串,然后在main.py里导入使用; - 把 Case 36 的三个模块改成一个
toolbox.py,然后在main.py里用import toolbox调用——对比一下两种组织方式。
点击查看参考答案
# string_utils.py
def reverse(text):
"""返回反转后的字符串。"""
return text[::-1]
# main.py
import string_utils
print(string_utils.reverse("python"))练习 3 的关键差别只有一个:toolbox.normalize(...) 比 feature_tools.normalize(...) 短,但模块名不再传达「这是特征工具」的信息。模块数量少的时候无所谓,模块多起来差别就很大了。
下一章预告 到现在为止,数据都是写在代码里的。程序一关就没了,程序之间也传不了数据。下一章我们学会把数据写进文件、再读出来,并且处理那些让人崩溃的报错。