sklearn 没有属性“数据集”

Question

我已经开始在我的工作中使用 sckikit-learn。所以我正在查看tutorial，它提供了加载一些数据集的标准程序：

$ python
>>> from sklearn import datasets
>>> iris = datasets.load_iris()
>>> digits = datasets.load_digits()

不过，为了方便起见，我尝试通过以下方式加载数据：

In [1]: import sklearn

In [2]: iris = sklearn.datasets.load_iris()

但是，这会引发以下错误：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-2-db77d2036db5> in <module>()
----> 1 iris = sklearn.datasets.load_iris()

AttributeError: 'module' object has no attribute 'datasets'

但是，如果我使用明显相似的方法：

In [3]: from sklearn import datasets

In [4]: iris = datasets.load_iris()

它可以正常工作。事实上，以下方法也有效：

In [5]: iris = sklearn.datasets.load_iris()

我对此完全感到困惑。我错过了一些非常微不足道的东西吗？这两种方法有什么区别？

Answer 1

sklearn 是一个package。 This answer说的很简洁：

当您导入一个包时，只有该包的__init__.py 文件中的变量/函数/类是直接可见的，而不是子包或模块。

datasets 是sklearn 的子包。这就是发生这种情况的原因：

In [1]: import sklearn

In [2]: sklearn.datasets
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-2-325a2bfc35d0> in <module>()
----> 1 sklearn.datasets

AttributeError: module 'sklearn' has no attribute 'datasets'

但是，这样做的原因：

In [3]: from sklearn import datasets

In [4]: sklearn.datasets
Out[4]: <module 'sklearn.datasets' from '/home/ethan/.virtualenvs/test3/lib/python3.5/site-packages/sklearn/datasets/__init__.py'>

是当您通过执行from sklearn import datasets 加载子包datasets 时，它会自动添加到包sklearn 的命名空间中。这是鲜为人知的"traps" of the Python import system 之一。

另外，请注意，如果您查看__init__.py for sklearn，您将看到'datasets' 是__all__ 的成员，但这仅允许您这样做：

In [1]: from sklearn import *
In [2]: datasets
Out[2]: <module 'sklearn.datasets' from '/home/ethan/.virtualenvs/test3/lib/python3.5/site-packages/sklearn/datasets/__init__.py'>

最后要注意的一点是，如果您检查sklearn 或datasets，您会看到，尽管它们是包，但它们的类型是module。这是因为所有包都被视为模块 - 但是，并非所有模块都是包。