从性能的角度（时间或内存）来看，这样做更好：
import pandas as pd
或
from pandas import DataFrame, TimeSeries
最好的办法取决于我从包中导入了多少类？
同样，我见过人们做这样的事情：
def foo(bar):
from numpy import array
我为什么要在函数或方法定义中进行导入？这是否意味着每次调用该函数时都会执行导入？或者这只是为了避免命名空间冲突？
【问题讨论】：
标签： python
这是微优化，您不必担心。
每个 Python 进程都会加载一次模块。然后导入的所有代码只需要将名称绑定到模块或模块中定义的对象。这种绑定非常便宜。
此外，your 模块中的顶级代码也只运行一次，因此绑定只发生一次。每次运行函数时，函数中的导入都会进行绑定，但同样，这非常便宜，可以忽略不计。
在函数中导入会产生不同的原因有两个：它不会将该名称放入模块的全局命名空间中（因此不会污染命名空间），并且因为该名称现在是 local，使用该名称比使用全局名称稍快。
如果您想提高性能，请关注重复多次的代码。导入不是。
【讨论】：
回答何时导入这个更一般的问题，导入是依赖项。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愚蠢的错误。
当 pypy 变得越来越流行时尤其如此，当导入可能存在但不能通过 pypy 使用时。尽早失败要好得多，而不是在代码执行几个小时后失败。
至于“import pandas as pd”与“from pandas import DataFrame, TimeSeries”，这个问题有多个问题（就像所有问题一样），其中一些问题比其他问题重要得多。有命名空间的问题，有可读性的问题，还有性能的问题。正如 Martjin 所说，性能应该对决策做出大约 0.0001% 的贡献。可读性应占 90% 左右。命名空间只有 10%，因为它可以很容易地缓解。
在我个人看来，import X as Y 和 form X import Y 都是不好的做法，因为显式优于隐式。您不想在第 2000 行试图记住“calculate_mean”来自哪个包，因为在代码中的其他任何地方都没有引用它。当我第一次开始使用 numpy 时，我正在从互联网上复制/粘贴代码，但不知道为什么我没有/不能pip install np。如果您预先知道“np”是“numpy”的python，这显然不是问题，但是对于它保存的3个字母来说，这是一个愚蠢且毫无意义的混淆。它来自 numpy。使用 numpy。
【讨论】：
在尚未提及的函数中导入模块的好处是：这样做可以让您对何时加载模块进行一些控制。事实上，尽管@J.J 的回答建议尽早导入所有模块，但此控件允许您推迟 加载模块。
您为什么要这样做？好吧，虽然它不会提高程序的实际性能，但这样做可以提高感知性能，并因此改善用户体验：
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
在主脚本的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始时导入的，则用户界面的出现会延迟几秒钟。用户不喜欢等待，他们可能会因为这种等待而认为您的应用程序通常很慢。
但是，例如，如果 Matplotlib 仅从用户发出绘图命令时调用的那些函数中导入，则启动时间会显着减少。用户不会再觉得您的应用那么迟钝，这可能会带来更好的用户体验。
【讨论】：