python import as

import xxx.yyy as y

from xxx import yyy as y

这是各种程序语言常用的导包自定义名称的写法，主要有两种用途 (如果没有时间，请直接看文末总结)：

比方说：

import seqeval.metrics.sequence_labeling

f1 = seqeval.metrics.sequence_labeling.f1_score([["sads",["asd"]],[["ada"],["s"]])

当你要导入的包的路径名称太长，使用的时候要把完整的路径写出来就比较麻烦，这种情况就可以用 import as:

import seqeval.metrics.sequence_labeling as span_f1

f1 = span_f1.f1_score([["sads"],["asd"]],[["ada"],["s"]])

这样的话，导入的seqeval.metrics.sequence_labeling这个module就拥有了简短的别名，引用起来就很方便。

当然，遇到这种包名过长的情况，更常见的做法其实是用from ...module... import ...function...:

from seqeval.metrics.sequence_labeling import f1_score

f1 = f1_score([["sads"],["asd"]],[["ada"],["s"]])

但是,这种做法有时候会遇到function重名的问题，这也是接下来要说的，import xxx as x的另一种使用场景。

承接上述，若是遇到下面这种情况：

from sklearn.metrics import f1_score
from seqeval.metrics.sequence_labeling import f1_score

f1 = f1_score([["sads"],["asd"]],[["ada"],["s"]])

编译器不会报错，语法上这样的写法是对的，但是后面的import 会把前面的覆盖，也就是说，上面这种写法，python解释器使用的f1_score会是seqeval.metrics.sequence_labeling这个包里面的

如果说某些情况下，需要同时在一个py文件里面使用多个不同包的重名函数，那么就需要使用import as 而不能简单地from ...module... import ...function...：

比较直接的方法如下：

import sklearn.metrics as simple_f1
import seqeval.metrics.sequence_labeling as span_f1

f1_ori = simple_f1.f1_score([1,2,3],[3,2,1],average="micro")
f1_seq = span_f1.f1_score([["sads"],["asd"]],[["ada"],["s"]])

但是这种把包重命名的方法还是不够简单，后面的引用还是有点长（下面会有解决办法）。

from ...module... import ...function... 也可以用 as 命名别名：

from seqeval.metrics import sequence_labeling as seq_mt

f1_seq = seq_mt.f1_score([["sads"],["asd"]],[["ada"],["s"]])

而且，fron ...module.. import ...function... as f, 这种命名是可以把function命名别名，但是import ...function as f是不能的:

>>> import sklearn.metrics.f1_score as skm
Traceback (most recent call last):
  File "", line 1, in 
ModuleNotFoundError: No module named 'sklearn.metrics.f1_score'  
## 因为直接 import 后面只能跟module，所以不能直接用 import as 给 function命名
>>> from sklearn.metrics import f1_score as skm  
## 但是用from module import function这种结构可以给function也命名
>>>> skm([1,2,3],[3,2,1],average="micro")
0.3333333333333333

也就是说，解决不同包下函数重名问题，可以用一种更直接的写法：

>>> from sklearn.metrics import f1_score as skm 
## 直接把sklearn的f1函数命名为skm
>>>> skm([1,2,3],[3,2,1],average="micro")
0.3333333333333333
>>> from seqeval.metrics.sequence_labeling import f1_score as slm 
## 直接把seqeval的f1函数命名为slm
>>> slm([["sads"],["asd"]],[["ada"],["s"]])
0

import sklearn.metrics as skl_mt  # import as ; 给包命名别名
skl_mt.f1_score([1,2,3],[3,2,1],average="micro")  # √

from sklearn import metrics as skl_mt  # 上述的另一种写法，改用为from import，完全等价
skl_mt.f1_score([1,2,3],[3,2,1],average="micro")  # √

from sklearn.metrics import f1_score as skm  # from import as ; 直接导入function并命名，如果只需要使用目标function的话，这种写法最简洁
skm([1,2,3],[3,2,1],average="micro")  # √

import sklearn.metrics.f1_score as skm  # ×，因为不能import function
Traceback (most recent call last):
  File "", line 1, in 
ModuleNotFoundError: No module named 'sklearn.metrics.f1_score'