Python從模塊兩次導入函數，具有不同的內部導入

Question

我有一個需要numpy的模塊lib 。 舉例來說，假設我有一個假設函數

import numpy
def doSomething(x):
    return numpy.sqrt(x)

現在要在單獨的模塊中使用該功能，我將名稱導入為

from lib import doSomething
...

這是棘手的部分...現在，我想公開另一個版本的doSomething ，該版本的numpy已從另一個庫（尤其是從autograd ） autograd 。 因此，例如，我希望能夠有一個功能

from autograd import numpy
def doSomething(x):
    return numpy.sqrt(x)

這些函數之間唯一的區別是從哪里導入了numpy 。 特別是，我想在同一代碼中使用兩種版本的doSomething ，也就是說，我想以某種方式兩次導入doSomething ……一次使用默認的numpy ，一次使用來自autograd的numpy 。 像這樣：

useAutograd = False
from lib(useAutograd) import doSomething
useAutograd = True
from lib(useAutograd) import doSomething as doSomethingAutograd 

我知道有幾個選項，但沒有一個令人滿意。

1. 我將復制一個代碼庫，並使用默認的numpy復制代碼庫，並使用autograd numpy復制代碼庫。 這很不好，因為這將要求我維護兩個彼此互為副本的代碼庫，只是具有不同的導入。

2. 我可以輸入條件導入：

    try: from autograd import numpy except ImportError: import numpy 

   這很糟糕，因為用戶無法控制要導入的版本...如果他們具有自動分級功能，則他們必須使用該版本。

3. 我可以定義一個環境變量來控制導入

    import os if os.environ.get('AUTOGRADNUMPY'): try: from autograd import numpy except ImportError: import numpy else: import numpy 

   不利之處在於，盡管用戶可以控制導入，但他們只能選擇一個版本（據我所知）。 因此，他們不能在同一代碼中使用兩個版本。

此用例是否有更好的選擇？

感興趣的背景：

Autograd擁有自己的一組函數，這些函數可以模擬numpy並允許人們使用自動微分（與tensorflow相同）輕松地計算導數，而無需進行昂貴的數值微分。

但是，它們的numpy實現不是最優化的版本（AFAIK）。 因此，允許用戶在需要使用該函數的autograd時使用帶有autograd導入的版本，而在autograd時使用其默認的，高度優化的numpy軟件包將是有利的。

Answer 1

如果您希望避免重復代碼庫，請改為將您的接口設為類。 例如：

class using_numpy:
    import numpy

    @classmethod
    def do_something(cls, x):
        return cls.numpy.sqrt(x)

class using_autograd(using_numpy):
    from autograd import numpy

現在using_numpy.do_something將使用numpy ，而using_autograd.do_something將使用autograd.numpy 。

或者，如果您對classmethod感到不舒服，則可以將您的接口實例classmethod一個類，例如：

class interface:
    def __init__(self, mdl):
        self.mdl = mdl

    def do_something(self, x):
        return self.mdl.sqrt(x)

import numpy
import autograd

with_numpy = interface(numpy)
with_autograd = interface(autograd.numpy)

Answer 2

您無需執行任何操作即可實現此目的。

如果你這樣做

from lib import doSomething
from lib_with_autograd import doSomething as doSomethingAutograd

每個函數都使用在其特定模塊中導入的numpy 。 所以doSomethingAutograd使用一個進口lib_with_autograd和doSomething使用一個進口lib

Answer 3

由於python中的所有內容都是一個對象，包括模塊，因此您可以執行以下操作：

def doSomething(x, numpy=None):
    if numpy is None:
        import numpy
    return numpy.sqrt(x)

然后您可以在不設置numpy的情況下調用該函數，然后它將使用默認的numpy。 如果要使用另一個numpy，只需這樣調用它：

from autograd import numpy as autograd_numpy
doSomething(x, numpy=autograd_numpy)