本文目录一览：
- 1、python的文档导入和属性问题
- 2、python 导入模块问题
- 3、python在导入nupmy和matplotlib时遇到问题
- 4、python导入py文件报错怎么办
- 5、Python导入模块问题
python的文档导入和属性问题
1. 为什么函数的条件是if __name__=='__main__';?
答：
运行一个.py文件时，这个文件本身的__name__的值就是__main__，即程序的入口，当你是在这个文件本身运行它时，那么if内的代码就会运行。那什么时候不会运行呢？自然就是在别的文件运行时引用到它的时候，也就是这个文件作为模块被其他文件引用时（此时，启动文件时别的文件）
2. 怎么把四个课程信息都导入进去啊？
答：
读取的思路是没错的，但是，代码写错了,具体代码见最后代码部分.
3. 不是一次只能定义一个课程信息吗？ and 怎么定义四次课程信息？
答：
因为你声明的课程类是每一门课对应一条课程信息，所以，要将四条信息全部存下来，你需要实例化四个课程对象
4. 他们是怎么同时存在的？and 像列表一样有编号吗？
答：
实例化后的对象是在内存中的，保存实例化的变量就保存了执行内存中的地址（当然这对于你来说是不可见的，也不需要你来直接操作内存）
5. 要对课程信息进行修改该如何进行大致外部操作？
答：
访问这些信息只需要按照正常访问属性和方法就行了，例如course1.__course_name就是课程的名称,course1.get_course_name()也能得到课程的名称
正确代码示例:
class Course:
"""课程"""
def __init__(self, course_name, course_id, credit, instructor_name, address, description):
self.__course_name = course_name
self.__course_id = course_id
self.__credit = credit
self.__instructor_name = instructor_name
self.__address = address
self.__description = description
def get_course_name(self):
return self.__course_name
def __str__(self):
string = 'Course_name:' + self.__course_name + 'n'
string += 'Course_id:' + self.__course_id + 'n'
string += 'Credit:' + self.__credit + 'n'
string += 'Instructor_name:' + self.__instructor_name + 'n'
string += 'Address:' + self.__address + 'n'
string += 'Description:' + self.__description + 'n'
return string
if __name__ == '__main__':
fi = open('course.txt', 'r')
course_list = [] # 课程对象列表
while True:
line1 = fi.readline().strip() # 读取1行
if line1 == '':
break
line2 = fi.readline().strip() # 读取1行
tem_list = line1.split(sep=",")
course_list.append(
Course(tem_list[0], tem_list[1], tem_list[2], tem_list[3], tem_list[4], line2)) # 将实例化的课程对象添加到课程对象列表中
fi.close()
# 打印保存的课程对象数组
for course in course_list:
print(course)
输出(数据只测试两条)
Course_name:Academic English I
Course_id:31060101
Credit:3
Instructor_name:Liang ZHU-GE
Address:8-101
Description:Two hours each week-day.
Course_name:Advanced Mathematics l1
Course_id:31060102
Credit:4.5
Instructor_name:ChongZhi ZU
Address:8=101
Description:Two lectures in a week
程序使用的course.txt文件
Academic English I,31060101,3,Liang ZHU-GE,8-101
Two hours each week-day.
Advanced Mathematics l1,31060102,4.5,ChongZhi ZU,8=101
Two lectures in a week
以上代码已上传github，欢迎下载,star网页链接
python 导入模块问题
Python是一种面向对象的编程语言，里面包含有丰富强大的库，想要学习Python开发，首先需要学习如何导入模块或包。下面就跟大家一起讨论下Python导入模块的几种方法：
常规导入
最常用的导入方式，大概是这样的：
import sys
只需要使用 import ，然后指定希望导入的模块或包即可。用这种方法导入的好处是可以一次性导入多个包或模块：
import os, sys, time
虽然这节省了空间，但是却违背了Python风格指南。 Python风格指南建议将每个导入语句单独成行 。
有时在导入模块时，你想要重命名这个模块。这个功能很容易实现：
import sys as system
print(system.platform)
上面的代码将我们导入的 sys 模块重命名为 system 。我们可以按照和以前一样的方式调用模块的方法，但是可以用一个新的模块名。也有某些子模块必须要使用点标记法才能导入。
import urllib.error
这个情况不常见，但是对此有所了解总是没有坏处的。
使用from语句导入
有时我们只想要导入一个模块或库中的某个部分。那么Python是如何实现这点：
from functools import lru_cache
上面这行代码可以让你直接调用 lru_cache 。如果按常规方式导入 functools ，那么就必须像这样调用 lru_cache ：
functools.lru_cache(*args)
根据实际的使用场景，上面的做法可能是更好的。在复杂的代码库中，能够看出某个函数是从哪里导入的这点很有用的。不过，如果你的代码维护的很好，模块化程度高，那么只从某个模块中导入一部分内容也是非常方便和简洁的。
当然，你还可以使用from方法导入模块的全部内容，就像这样：
from os import *
这种做法在少数情况下是挺方便的，但是这样也会打乱你的命名空间。问题在于，你可能定义了一个与导入模块中名称相同的变量或函数，这时如果你试图使用
os 模块中的同名变量或函数，实际使用的将是你自己定义的内容。因此，你最后可能会碰到一个相当让人困惑的逻辑错误。
标准库中我唯一推荐全盘导入的模块只有Tkinter 。
如果你正好要写自己的模块或包，有人会建议你在 __init__.py 文件中导入所有内容，让模块或者包使用起来更方便。我个人更喜欢显示地导入，而非隐式地导入。
你也可以采取折中方案，从一个包中导入多个项：
from os import path, walk, unlinkfrom os import uname, remove
在上述代码中，我们从 os 模块中导入了5个函数。你可能注意到了，我们是通过多次从同一个模块中导入实现的。当然，如果你愿意的话，你也可以使用圆括号一次性导入多个项：
from os import (path, walk, unlink, uname,
remove, rename)
这是一个有用的技巧，不过你也可以换一种方式：
from os import path, walk, unlink, uname,
remove, rename
上面的反斜杠是Python中的续行符，告诉解释器这行代码延续至下一行。
相对导入
PEP 328 介绍了引入相对导入的原因，以及选择了哪种语法。具体来说，是使用句点来决定如何相对导入其他包或模块。这么做的原因是为了避免偶然情况下导入标准库中的模块产生冲突。这里我们以PEP 328中给出的文件夹结构为例，看看相对导入是如何工作的：
my_package/
__init__.py
subpackage1/
__init__.py
module_x.py
module_y.py
subpackage2/
__init__.py
module_z.py
module_a.py
在本地磁盘上找个地方创建上述文件和文件夹。在顶层的 __init__.py 文件中，输入以下代码：
from . import subpackage1from . import subpackage2
接下来进入 subpackage1 文件夹，编辑其中的 __init__.py 文件，输入以下代码：
from . import module_xfrom . import module_y
现在编辑 module_x.py 文件，输入以下代码：
from .module_y import spam as ham
def main():
ham()
最后编辑 module_y.py 文件，输入以下代码：
def spam():
print('spam ' * 3)
打开终端， cd 至 my_package 包所在的文件夹，但不要进入 my_package 。在这个文件夹下运行Python解释器。我使用的是IPython，因为它的自动补全功能非常方便：
In [1]: import my_package
In [2]: my_package.subpackage1.module_xOut[2]: module
'my_package.subpackage1.module_x' from
'my_package/subpackage1/module_x.py'
In [3]: my_package.subpackage1.module_x.main()spam spam spam
相对导入适用于你最终要放入包中的代码。如果你编写了很多相关性强的代码，那么应该采用这种导入方式。
你会发现PyPI上有很多流行的包也是采用了相对导入 。还要注意一点，如果你想要跨越多个文件层级进行导入，只需要使用多个句点即可。不过， PEP
328建议相对导入的层级不要超过两层 。
还要注意一点，如果你往 module_x.py 文件中添加了 if __name__ == ‘__main__’ ，然后试图运行这个文件，你会碰到一个很难理解的错误。编辑一下文件，试试看吧！
from . module_y import spam as ham
def main():
ham()
if __name__ == '__main__':
# This won't work!
main()
现在从终端进入 subpackage1 文件夹，执行以下命令：
python module_x.py
如果你使用的是Python 2，你应该会看到下面的错误信息：
Traceback (most recent call last):
File "module_x.py", line 1, in
from . module_y import spam as hamValueError: Attempted relative import in non-package
如果你使用的是Python 3，错误信息大概是这样的：
Traceback (most recent call last):
File "module_x.py", line 1, in
from . module_y import spam as hamSystemError: Parent module '' not loaded, cannot perform relative import
这指的是， module_x.py 是某个包中的一个模块，而你试图以脚本模式执行，但是 这种模式不支持相对导入 。
如果你想在自己的代码中使用这个模块，那么你必须将其添加至Python的导入检索路径（import search path）。最简单的做法如下：
import syssys.path.append('/path/to/folder/containing/my_package')import my_package
注意，你需要添加的是 my_package 的上一层文件夹路径，而不是 my_package 本身。原因是 my_package 就是我们想要使用的包，所以如果你添加它的路径，那么将无法使用这个包。
我们接下来谈谈可选导入。
可选导入（Optional imports）
如果你希望优先使用某个模块或包，但是同时也想在没有这个模块或包的情况下有备选，你就可以使用可选导入这种方式。这样做可以导入支持某个软件的多种版本或者实现性能提升。以 github2包 中的代码为例：
try:
# For Python 3
from http.client import responsesexcept ImportError: # For Python 2.5-2.7
try:
from httplib import responses # NOQA
except ImportError: # For Python 2.4
from BaseHTTPServer import BaseHTTPRequestHandler as _BHRH
responses = dict([(k, v[0]) for k, v in _BHRH.responses.items()])
lxml 包也有使用可选导入方式：
try:
from urlparse import urljoin
from urllib2 import urlopenexcept ImportError:
# Python 3
from urllib.parse import urljoin
from urllib.request import urlopen
正如以上示例所示， 可选导入的使用很常见，是一个值得掌握的技巧 。
局部导入
当你在局部作用域中导入模块时，你执行的就是局部导入。如果你在Python脚本文件的顶部导入一个模块，那么你就是在将该模块导入至全局作用域，这意味着之后的任何函数或方法都可能访问该模块。例如：
import sys # global scope
def square_root(a):
# This import is into the square_root functions local scope
import math
return math.sqrt(a)
def my_pow(base_num, power):
return math.pow(base_num, power)
if __name__ == '__main__':
print(square_root(49))
print(my_pow(2, 3))
这里，我们将 sys 模块导入至全局作用域，但我们并没有使用这个模块。然后，在 square_root 函数中，我们将 math
模块导入至该函数的局部作用域，这意味着 math 模块只能在 square_root 函数内部使用。如果我们试图在 my_pow 函数中使用
math ，会引发 NameError 。试着执行这个脚本，看看会发生什么。
使用局部作用域的好处之一，是你使用的模块可能需要很长时间才能导入，如果是这样的话，将其放在某个不经常调用的函数中或许更加合理，而不是直接在全局作
用域中导入。老实说，我几乎从没有使用过局部导入，主要是因为如果模块内部到处都有导入语句，会很难分辨出这样做的原因和用途。
根据约定，所有的导入语句都应该位于模块的顶部 。
导入注意事项
在导入模块方面，有几个程序员常犯的错误。这里我们介绍两个。
循环导入（circular imports）
覆盖导入（Shadowed imports，暂时翻译为覆盖导入）
先来看看循环导入。
循环导入
如果你创建两个模块，二者相互导入对方，那么就会出现循环导入。例如：
# a.pyimport b
def a_test():
print("in a_test")
b.b_test()
a_test()
然后在同个文件夹中创建另一个模块，将其命名为 b.py 。
import a
def b_test():
print('In test_b"')
a.a_test()
b_test()
如果你运行任意一个模块，都会引发 AttributeError 。这是因为这两个模块都在试图导入对方。简单来说，模块 a 想要导入模块 b
，但是因为模块 b 也在试图导入模块 a （这时正在执行），模块 a 将无法完成模块 b
的导入。我看过一些解决这个问题的破解方法（hack），但是 一般来说，你应该做的是重构代码，避免发生这种情况 。
覆盖导入
当你创建的模块与标准库中的模块同名时，如果你导入这个模块，就会出现覆盖导入。举个例子，创建一个名叫 math.py 的文件，在其中写入如下代码：
import math
def square_root(number):
return math.sqrt(number)
square_root(72)
现在打开终端，试着运行这个文件，你会得到以下回溯信息（traceback）：
Traceback (most recent call last):
File "math.py", line 1, in
import math
File "/Users/michael/Desktop/math.py", line 6, in
square_root(72)
File "/Users/michael/Desktop/math.py", line 4, in square_root
return math.sqrt(number)AttributeError: module 'math' has no attribute 'sqrt'
这到底是怎么回事？其实，你运行这个文件的时候，Python解释器首先在当前运行脚本所处的的文件夹中查找名叫 math
的模块。在这个例子中，解释器找到了我们正在执行的模块，试图导入它。但是我们的模块中并没有叫 sqrt 的函数或属性，所以就抛出了
AttributeError 。
python在导入nupmy和matplotlib时遇到问题
1.最开始，在装完nltk，numpy和scipy以及matplotlib后，我直接在python交互式命令行中导入matplotlib模块，结果提示缺少模块six，如下图所示：
这个模块实在刚才装完的SciPy包中，找到自己的Python的安装目录，然后把%PYTHON_ROOT%Libsite-packagesscipylib目下的six.py,six.pyc,six.pyo三个文件放到%PYTHON_ROOT%Libsite-packages目录下即可解决这个问题，这里%PYTHON_ROOT%是指你电脑上的python安装的根目录，如我是把python安装在C盘根目录的，所以在我电脑上这个%PYTHON_ROOT%表示的是C：python27，这个根据你自己安装Python的目录不同而不同。
2.在解决上面的问题后，再次在python交互式命令行下，导入matplotlib模块，结果仍然提示出错，如下图：
根据提示可以知道，matplotlib需要dateutil，所以我们需要安装第6步中的dateutil，在我给的链接里，如今只能下到.whl格式的安装文件，这个是python自己的包文件需要用到python的包管理软件来安装，python自带的包管理软件常见的有setuptools和pip两种，我这里使用的是pip来进行安装。使用之前最好自己添加环境变量，免得在后面使用时，要输入Pip程序的完整路劲比较麻烦。在系统变量Path的最后面添加如下的地址：%PYTHON_ROOT%Scripts。其中，%PYTHON_ROOT%仍然是python的根目录。安装过程如下：将下载好的dateutil的安装包，放到某个目录下，如我把它放在D盘根目录，然后打开windows的命令行窗口，请注意是Windows的命令行窗口，然后进入D盘根目录，然后输入如下命令，如下图下半部分所示：
3.安装完dateutil后，导入matplotlib仍然提示有错，提示缺少pyparsing模块，按照第二步方式，下载安装文件，安装完成后，便可正确导入matplotlib模块，安装的命令如上图上半部分所示，这里不再赘述。正确安装后即可成功导入，如下图所示：
安装的正确过程：
1.先安装python，我用的是32位python3.4.1（下载地址可以去：，当然也可以去官网，但nltk官网上给出了相应版本的nltk所需要的python版本）
2.安装nltk（版本nltk-3.0.1.win32）,这是python下的一个自然语言工具，里面集成了很多处理自然语言所需要的函数。（下载地址：同上）
3.安装NumPy（版本numpy-1.8.1-win32-superpack-python3.4）（下载地址：）
4.安装SciPy(版本scipy-0.15.1-win32-superpack-python3.4)（下载地址：同上）
5.安装Matplotlib（版本matplotlib-1.4.1.win32-py3.4）（下载地址：）
6.安装dateutil(版本python_dateutil-2.3-py2.py3-none-any)（下载地址：）
7.安装Pyparsing(版本pyparsing-2.0.3-py3-none-any)（下载地址：同上）
其中，NumPy和SciPy中的一些模块，是导入Matplotlib所需的，应该安装。
python导入py文件报错怎么办
其实这两个错误的原因归根结底是一样的：在涉及到相对导入时，package所对应的文件夹必须正确的被python解释器视作package，而不是普通文件夹。否则由于不被视作package，无法利用package之间的嵌套关系实现python中包的相对导入。
文件夹被python解释器视作package需要满足两个条件：
1、文件夹中必须有__init__.py文件，该文件可以为空，但必须存在该文件。
2、不能作为顶层模块来执行该文件夹中的py文件（即不能作为主函数的入口）。
补充：在"from YY import XX"这样的代码中，无论是XX还是YY，只要被python解释器视作package，就会首先调用该package的__init__.py文件。如果都是package，则调用顺序是YY，XX。
另外，练习中“from . import XXX”和“from .. import XXX”中的'.'和'..'，可以等同于linux里的shell中'.'和'..'的作用，表示当前工作目录的package和上一级的package。
Python导入模块问题
Python是一种面向对象的编程语言，里面包含有丰富强大的库，想要学习Python开发，首先需要学习如何导入模块或包。下面就跟大家一起讨论下Python导入模块的几种方法：
常规导入
最常用的导入方式，大概是这样的：
import sys
只需要使用 import ，然后指定希望导入的模块或包即可。用这种方法导入的好处是可以一次性导入多个包或模块：
import os, sys, time
虽然这节省了空间，但是却违背了Python风格指南。 Python风格指南建议将每个导入语句单独成行 。
有时在导入模块时，你想要重命名这个模块。这个功能很容易实现：
import sys as system
print(system.platform)
上面的代码将我们导入的 sys 模块重命名为 system 。我们可以按照和以前一样的方式调用模块的方法，但是可以用一个新的模块名。也有某些子模块必须要使用点标记法才能导入。
import urllib.error
这个情况不常见，但是对此有所了解总是没有坏处的。
使用from语句导入
有时我们只想要导入一个模块或库中的某个部分。那么Python是如何实现这点：
from functools import lru_cache
上面这行代码可以让你直接调用 lru_cache 。如果按常规方式导入 functools ，那么就必须像这样调用 lru_cache ：
functools.lru_cache(*args)
根据实际的使用场景，上面的做法可能是更好的。在复杂的代码库中，能够看出某个函数是从哪里导入的这点很有用的。不过，如果你的代码维护的很好，模块化程度高，那么只从某个模块中导入一部分内容也是非常方便和简洁的。
当然，你还可以使用from方法导入模块的全部内容，就像这样：
from os import *
这种做法在少数情况下是挺方便的，但是这样也会打乱你的命名空间。问题在于，你可能定义了一个与导入模块中名称相同的变量或函数，这时如果你试图使用
os 模块中的同名变量或函数，实际使用的将是你自己定义的内容。因此，你最后可能会碰到一个相当让人困惑的逻辑错误。
标准库中我唯一推荐全盘导入的模块只有Tkinter 。
如果你正好要写自己的模块或包，有人会建议你在 __init__.py 文件中导入所有内容，让模块或者包使用起来更方便。我个人更喜欢显示地导入，而非隐式地导入。
你也可以采取折中方案，从一个包中导入多个项：
from os import path, walk, unlinkfrom os import uname, remove
在上述代码中，我们从 os 模块中导入了5个函数。你可能注意到了，我们是通过多次从同一个模块中导入实现的。当然，如果你愿意的话，你也可以使用圆括号一次性导入多个项：
from os import (path, walk, unlink, uname,
remove, rename)
这是一个有用的技巧，不过你也可以换一种方式：
from os import path, walk, unlink, uname,
remove, rename
上面的反斜杠是Python中的续行符，告诉解释器这行代码延续至下一行。
相对导入
PEP 328 介绍了引入相对导入的原因，以及选择了哪种语法。具体来说，是使用句点来决定如何相对导入其他包或模块。这么做的原因是为了避免偶然情况下导入标准库中的模块产生冲突。这里我们以PEP 328中给出的文件夹结构为例，看看相对导入是如何工作的：
my_package/
__init__.py
subpackage1/
__init__.py
module_x.py
module_y.py
subpackage2/
__init__.py
module_z.py
module_a.py
在本地磁盘上找个地方创建上述文件和文件夹。在顶层的 __init__.py 文件中，输入以下代码：
from . import subpackage1from . import subpackage2
接下来进入 subpackage1 文件夹，编辑其中的 __init__.py 文件，输入以下代码：
from . import module_xfrom . import module_y
现在编辑 module_x.py 文件，输入以下代码：
from .module_y import spam as ham
def main():
ham()
最后编辑 module_y.py 文件，输入以下代码：
def spam():
print('spam ' * 3)
打开终端， cd 至 my_package 包所在的文件夹，但不要进入 my_package 。在这个文件夹下运行Python解释器。我使用的是IPython，因为它的自动补全功能非常方便：
In [1]: import my_package
In [2]: my_package.subpackage1.module_xOut[2]: module
'my_package.subpackage1.module_x' from
'my_package/subpackage1/module_x.py'
In [3]: my_package.subpackage1.module_x.main()spam spam spam
相对导入适用于你最终要放入包中的代码。如果你编写了很多相关性强的代码，那么应该采用这种导入方式。
你会发现PyPI上有很多流行的包也是采用了相对导入 。还要注意一点，如果你想要跨越多个文件层级进行导入，只需要使用多个句点即可。不过， PEP
328建议相对导入的层级不要超过两层 。
还要注意一点，如果你往 module_x.py 文件中添加了 if __name__ == ‘__main__’ ，然后试图运行这个文件，你会碰到一个很难理解的错误。编辑一下文件，试试看吧！
from . module_y import spam as ham
def main():
ham()
if __name__ == '__main__':
# This won't work!
main()
现在从终端进入 subpackage1 文件夹，执行以下命令：
python module_x.py
如果你使用的是Python 2，你应该会看到下面的错误信息：
Traceback (most recent call last):
File "module_x.py", line 1, in module
from . module_y import spam as hamValueError: Attempted relative import in non-package
如果你使用的是Python 3，错误信息大概是这样的：
Traceback (most recent call last):
File "module_x.py", line 1, in module
from . module_y import spam as hamSystemError: Parent module '' not loaded, cannot perform relative import
这指的是， module_x.py 是某个包中的一个模块，而你试图以脚本模式执行，但是 这种模式不支持相对导入 。
如果你想在自己的代码中使用这个模块，那么你必须将其添加至Python的导入检索路径（import search path）。最简单的做法如下：
import syssys.path.append('/path/to/folder/containing/my_package')import my_package
注意，你需要添加的是 my_package 的上一层文件夹路径，而不是 my_package 本身。原因是 my_package 就是我们想要使用的包，所以如果你添加它的路径，那么将无法使用这个包。
我们接下来谈谈可选导入。
可选导入（Optional imports）
如果你希望优先使用某个模块或包，但是同时也想在没有这个模块或包的情况下有备选，你就可以使用可选导入这种方式。这样做可以导入支持某个软件的多种版本或者实现性能提升。以 github2包 中的代码为例：
try:
# For Python 3
from http.client import responsesexcept ImportError: # For Python 2.5-2.7
try:
from httplib import responses # NOQA
except ImportError: # For Python 2.4
from BaseHTTPServer import BaseHTTPRequestHandler as _BHRH
responses = dict([(k, v[0]) for k, v in _BHRH.responses.items()])
lxml 包也有使用可选导入方式：
try:
from urlparse import urljoin
from urllib2 import urlopenexcept ImportError:
# Python 3
from urllib.parse import urljoin
from urllib.request import urlopen
正如以上示例所示， 可选导入的使用很常见，是一个值得掌握的技巧 。
局部导入
当你在局部作用域中导入模块时，你执行的就是局部导入。如果你在Python脚本文件的顶部导入一个模块，那么你就是在将该模块导入至全局作用域，这意味着之后的任何函数或方法都可能访问该模块。例如：
import sys # global scope
def square_root(a):
# This import is into the square_root functions local scope
import math
return math.sqrt(a)
def my_pow(base_num, power):
return math.pow(base_num, power)
if __name__ == '__main__':
print(square_root(49))
print(my_pow(2, 3))
这里，我们将 sys 模块导入至全局作用域，但我们并没有使用这个模块。然后，在 square_root 函数中，我们将 math
模块导入至该函数的局部作用域，这意味着 math 模块只能在 square_root 函数内部使用。如果我们试图在 my_pow 函数中使用
math ，会引发 NameError 。试着执行这个脚本，看看会发生什么。
使用局部作用域的好处之一，是你使用的模块可能需要很长时间才能导入，如果是这样的话，将其放在某个不经常调用的函数中或许更加合理，而不是直接在全局作
用域中导入。老实说，我几乎从没有使用过局部导入，主要是因为如果模块内部到处都有导入语句，会很难分辨出这样做的原因和用途。
根据约定，所有的导入语句都应该位于模块的顶部 。
导入注意事项
在导入模块方面，有几个程序员常犯的错误。这里我们介绍两个。
循环导入（circular imports）
覆盖导入（Shadowed imports，暂时翻译为覆盖导入）
先来看看循环导入。
循环导入
如果你创建两个模块，二者相互导入对方，那么就会出现循环导入。例如：
# a.pyimport b
def a_test():
print("in a_test")
b.b_test()
a_test()
然后在同个文件夹中创建另一个模块，将其命名为 b.py 。
import a
def b_test():
print('In test_b"')
a.a_test()
b_test()
如果你运行任意一个模块，都会引发 AttributeError 。这是因为这两个模块都在试图导入对方。简单来说，模块 a 想要导入模块 b
，但是因为模块 b 也在试图导入模块 a （这时正在执行），模块 a 将无法完成模块 b
的导入。我看过一些解决这个问题的破解方法（hack），但是 一般来说，你应该做的是重构代码，避免发生这种情况 。
覆盖导入
当你创建的模块与标准库中的模块同名时，如果你导入这个模块，就会出现覆盖导入。举个例子，创建一个名叫 math.py 的文件，在其中写入如下代码：
import math
def square_root(number):
return math.sqrt(number)
square_root(72)
现在打开终端，试着运行这个文件，你会得到以下回溯信息（traceback）：
Traceback (most recent call last):
File "math.py", line 1, in module
import math
File "/Users/michael/Desktop/math.py", line 6, in module
square_root(72)
File "/Users/michael/Desktop/math.py", line 4, in square_root
return math.sqrt(number)AttributeError: module 'math' has no attribute 'sqrt'
这到底是怎么回事？其实，你运行这个文件的时候，Python解释器首先在当前运行脚本所处的的文件夹中查找名叫 math
的模块。在这个例子中，解释器找到了我们正在执行的模块，试图导入它。但是我们的模块中并没有叫 sqrt 的函数或属性，所以就抛出了
AttributeError 。