Должен ли я использовать numpy (или pylab) в качестве среды python, используя `from numpy import *`?

Ответ 1

• Использование from numpy import * изменяет поведение any, all и sum. Например,

  any([[False]])
  # True
  all([[True, False], [False, False]])
  # True
  sum([[1,2],[3,4]], 1) 
  # TypeError: unsupported operand type(s) for +: 'int' and 'list'
  

  Если вы используете from numpy import *, то значения совершенно разные:

  from numpy import *
  any([[False]])
  # False
  all([[True, False], [False, False]])
  # False
  sum([[1,2],[3,4]], 1) 
  array([3, 7])
  

  Полный набор столкновений имен можно найти таким образом (благодаря @Joe Kington и @jolvi  для указания этого):

  import numpy as np
  np_locals = set(np.__all__)
  builtins = set(dir(__builtins__))
  print([name for name in np_locals.intersection(builtins) if not name.startswith('__')])
  # ['any', 'all', 'sum']
  

• Это может привести к очень запутывающим ошибкам, поскольку кто-то тестирует или использует ваши код в интерпретаторе Python без from numpy import * может видеть полностью по-разному, чем вы.

• Использование нескольких импортных форм формы from module import * может проблема с еще большим количеством столкновений такого рода. Если вы пресекаете эту дурную привычку в бутон, вам никогда не придется беспокоиться об этом (потенциально путающем) ошибке.

  Порядок импорта также может иметь значение, если оба модуля переопределяют одно и то же имя.

  И это заставляет понять, откуда берутся функции и значения.

• Хотя можно использовать from numpy import * и по-прежнему получать доступ к встроенным Python, это неудобно:

  from numpy import *
  any([[False]])
  __builtins__.any([[False]])
  

  и менее читаемым, чем:

  import numpy as np
  np.any([[False]])
  any([[False]])
  

• Как говорит Дзен Питона,

  Пространства имен - отличная идея     - давайте использовать их больше!

Мой совет: никогда не использовать from module import * в любом script, периоде.

Ответ 2

Чтобы уточнить, что говорили другие люди, numpy - особенно плохой модуль для использования import * с.

pylab предназначен для интерактивного использования, и это прекрасно. Никто не хочет набирать pylab.zeros снова и снова в оболочке, когда они могут просто набрать zeros. Однако, как только вы начинаете писать код, все меняется. Вы печатаете его один раз, и он остается потенциально навсегда, а другие люди (например, сами в год по дороге), вероятно, будут пытаться выяснить, что вы делаете.

В дополнение к тому, что уже сказал @unutbu об переопределении python builtin sum, float int и т.д., и о том, что все говорили о неведении, откуда появилась функция, numpy и pylab очень большие пространства имен.

numpy имеет 566 функций, переменных, классов и т.д. внутри своего пространства имен. Это много! pylab имеет 930! (И с pylab они исходят из нескольких разных модулей.)

Конечно, достаточно легко угадать, где zeros или ones или array, но как насчет source или DataSource или lib.utils? (все они будут находиться в вашем локальном пространстве имен, если вы выполните from numpy import *

Если у вас есть еще немного более крупный проект, у вас будет хорошая вероятность, что у вас будет локальная переменная или переменная в другом файле, который похож на что-то в большом модуле, таком как numpy. Внезапно вы начинаете больше заботиться о том, что именно вы звоните!

В качестве другого примера, как бы вы отличали функцию pylab fft и модуль numpy fft?

В зависимости от того, выполняете ли вы

from numpy import *
from pylab import *

или

from pylab import *
from numpy import *

fft - совершенно другая вещь с совершенно другим поведением! (т.е. попытка вызова fft во втором случае вызовет ошибку.)

В общем, вы всегда должны избегать from module import *, но это особенно плохая идея в случае numpy, scipy, et. и др. потому что они такие большие пространства имен.

Конечно, все, что было сказано, если вы просто путешествуете в оболочке, пытаясь быстро получить сюжет некоторых данных, прежде чем переходить к тому, чтобы что-то делать с ним, тогда обязательно используйте pylab. Что это там для. Просто не пишите что-то таким, что каждый может попытаться прочитать позже по дороге!

</rant>

Ответ 3

это не является существенной проблемой, если numpy является единственным модулем, который вы импортируете как это. Никогда не импортируйте какие-либо другие модули, подобные этому в ваших сценариях (если только этот модуль не был написан вами, и вы знаете все об этом, и он достаточно мал. Например, иногда вы разбиваете модуль на два файла, чтобы вы могли лучше разделять их).

Общее правило: ваша читаемость кода не будет сильно зависеть от импорта широко используемых модулей (таких как numpy) таким образом. Но никогда не импортируйте больше одного.

Мое правило: Я НИКОГДА не выполняю такой импорт. Я всегда делаю что-то вроде "import numpy as np", если он будет использоваться много.

Ответ 4

Я бы сказал, что это преимущество, чтобы знать, откуда происходит каждый вызов функции. Это дает вам больший контроль над тем, что находится в вашем пространстве имен, и позволяет избежать любых возможных конфликтов, которые могут быть причиной отладки. Если вы считаете, что import numpy as np утомительно, просто подождите, пока у вас не будет стороннего модуля, который переопределит имя функции, и вам придется отслеживать некоторые таинственные действия, которые вы не ожидали.

Ответ 5

Позвольте заняться с другой стороны, я получаю ваш код для отладки, и я вижу, что вы вызываете:

zeros(5)

вам нужно заглянуть вокруг вашего источника, чтобы узнать, является ли это np.zeros или вы переопределили его где-то еще, а так как pylab имеет 930 имен, это может произойти легко.