在使用Python的时候，大部分时候引入包，都是通过import 语句，比如import numpy as np。有时候为了更复杂的需求，我们需要用程序化的方式来引入包 (Programmatic Importing), 比如根据输入不同，选择执行两个不同包里面的同名函数，这时候就需要用到importlib这个库了。这里先从一个简单例子开始，逐渐深入地讲一下这个库的用法。
import_module用法
importlib是Python3.1增加的系统库，其中最常用的函数是其中的import_module，功能是用程序语句的方式替代import语句，用法如下：
import importlib
# 与 import time 效果一样
time = importlib.import_module('time')
print(time.time())
# 与 import os.path as path 效果一样
path = importlib.import_module('os.path')
path.join('a', 'b') # results: 'a/b'
# 相对引入, 一级目录，与 import os.path as path 效果一样
path = importlib.import_module('.path', package='os')
path.join('a', 'b') # results: 'a/b'
# 相对引入，二级目录，与 import os.path as path 效果一样
path = importlib.import_module('..path', package='os.time')
path.join('a', 'b') # results: 'a/b'注意最后的例子中，相对引入时需要在前面增加.或者..来表示相对目录，如果直接使用importlib.import_module('path', package='os')会报错。
如果光看这几个例子的话，貌似跟import 没什么区别，而且语句变得更复杂了，有点多此一举的感觉。
其实不是的，个人认为，importlib的强大之处是将import语句中写死的字面值改成了import_module函数中的参数，因此可以通过修改参数在外部用变量来控制实际import的包或者模块，大大地增加了灵活性。 下面会举一个稍微实用一些的例子。
一个实际例子
假设我们在设计一个深度学习工具库，里面包含了N个网络模型（ResNet50, HRNet, MobileNet等等），每个模型的实现都有一个load_model的函数。由于计算设备的性能不同，需要调用的网络结构也会变化，我们需要根据外部传入的参数来判断实际load哪一个模型。
虽然采用import语句 if-else判断也能完成这个需求，举例实现如下:
def run(model_name, input):
if model_name == 'resnet_50':
from resnet_50.model import load_model
elif model_name == 'hrnet':
from hrnet.model import load_model
elif model_name == 'moblienet':
from mobilenet.model import load_model
model = load_model()
output = model(input)
return output这种写法存在下面的两个问题：
- 写法很冗余, N个模型的话需要添加2N条语句
- 新增模型时需要修改调用处的代码，添加对应的import语句，不符合模块化的要求。
这时候采用importlib就能比较简洁地解决这个问题:
import importlib
def run(model_name, input):
load_model = importlib.import_module('load_model', package='{}.model'.format(model_name))
model = load_model()
output = model(input)
return output可以看到在这种场景下importlib确实能大大简化代码。
了解这些内容，日常使用这个库就没什么问题了（好像importlib针对普通用户场景的函数貌似就只有import_module这一个），别的一些进阶的概念在下个部分展开说一下(由于不太懂，暂时不展开了)。
参考
- https://docs.python.org/3/library/importlib.html
