从性能的角度来看（时间或内存）是否更好：
import pandas as pd
或
from pandas import DataFrame, TimeSeries
最好还是要依赖我从包中导入多少个类？
同样，我看到过人们会这样做：
def foo(bar):
from numpy import array
为什么我要在函数或方法定义中进行导入？这不意味着每次调用函数时都会执行导入吗？或者这只是为了避免命名空间冲突？
答案 0 :(得分：6)
这是微观优化，你不应该担心这个。
每个Python进程一次加载模块。然后，只导入的所有代码都需要将名称绑定到模块中定义的模块。该绑定非常便宜。
此外，您的模块中的顶级代码也只运行一次，因此绑定只发生一次。函数中的导入会在每次运行函数时执行绑定，但同样，这样可以忽略不计。
导入函数有两个原因：它不会将该名称放在模块的全局命名空间中（因此没有命名空间污染），并且因为名称现在是 local ，使用该名称比使用全局名称要快一些。
如果您想提高性能，请关注重复多次的代码。导入不是它。
答案 1 :(得分：1)
回答关于何时进口的更一般的问题，进口是依赖性的。程序运行所需的代码可能存在也可能不存在。因此，最好尽快导入该代码，以防止在执行过程中出现哑误差。
当pypy变得更受欢迎时，尤其如此，当导入可能存在但不能通过pypy使用时。最好早点失败，比执行代码可能需要几个小时。
至于＃34;将pandas导入pd＆＃34; vs＆＃34;来自pandas导入DataFrame，TimeSeries＆＃34;，这个问题有多个问题（所有问题都有），其中一些比其他问题重要得多。存在命名空间的问题，还有可读性问题，还有性能问题。 Martjin表示，业绩应该占决策的0.0001％左右。可读性应该贡献大约90％。命名空间只有10％，因为它可以很容易地减轻。
就个人而言，在我看来，import X as Y和form X import Y都是不好的做法，因为明确比隐含更好。你不想在2000年试图记住哪个包＆＃34; calculate_mean＆＃34;来自于因为它没有在代码中的任何其他位置引用。当我第一次开始使用numpy时，我是从互联网上复制/粘贴代码，并且无法弄清楚为什么我没有/不能pip install np。如果您已经预先知道＆＃34; np＆＃34;这显然不是问题。是＆＃34; numpy＆＃34;的python，但对于它保存的3个字母来说，这是一个愚蠢而毫无意义的混淆。它来自numpy。使用numpy。
答案 2 :(得分：1)
在函数内部导入尚未提及的模块有一个优点：这样做可以控制模块何时加载。实际上，尽管@ J.J的答案建议尽早导入所有模块，但此控件允许您推迟加载模块。
你为什么要那样做？好吧，虽然它没有改善程序的实际性能，但这样做可以提高感知性能，并且凭借这一点，用户体验：
在某种程度上，用户会根据启动所需的时间来判断您的应用是快还是慢。
MSDN: Best practices for your app's startup performance
在主脚本开头加载每个模块可能需要一些时间。例如，我的一个应用程序使用Qt框架，Pandas，Numpy和Matplotlib。如果所有这些模块都是在应用程序开头导入的，则用户界面的外观会延迟几秒钟。用户不喜欢等待，并且由于等待，他们可能会认为您的应用通常很慢。
但是，例如，如果仅在用户发出绘图命令时调用的那些函数中导入Matplotlib，则启动时间会显着减少。用户不再感觉您的应用程序变得那么迟钝，这可能会带来更好的用户体验。