纯python标准库模块（如pathlib、itertools、datetime、collections、json、urllib.parse）可通过from...import真正减重；而pandas等重型模块因__init__.py含全量初始化逻辑，仅from pandas import dataframe仍会加载全部依赖。
直接用 from module import name 语法，但必须清楚它不总是“只导入函数”——很多重型模块（如 pandas、numpy）在子模块或 __init__.py 中已触发全量初始化，光写 from pandas import DataFrame 并不能跳过底层 C 扩展加载。
哪些模块能靠 from ... import 真正减重？
纯 Python 模块（如 pathlib、dataclasses、itertools）基本可以。它们的 __init__.py 很轻，from itertools import chain 确实只加载 chain 对象本身，不碰其他几十个工具函数。
-
from datetime import datetime, timedelta：安全，datetime模块本身无副作用 -
from collections import defaultdict, Counter：没问题，collections是标准库中极轻的模块 -
from json import loads, dumps：有效，避免了导入整个json模块及其编码器/解码器类 -
from urllib.parse import urlparse, quote：推荐，urllib子模块拆分清晰，按需导入不拖累
为什么 from pandas import DataFrame 还是慢？
因为 pandas 的 __init__.py 一被触达就执行大量初始化：注册访问器、加载 IO 引擎、预编译正则、甚至尝试导入 numpy 和 pytz。哪怕你只写了一行 from pandas import DataFrame，Python 仍会完整执行 pandas/__init__.py。
- 验证方法：运行
python -X importtime -c "from pandas import DataFrame" 2>&1 | head -20，能看到大量子模块加载日志 - 真正起效的是函数内导入：
def process(): import pandas as pd; return pd.DataFrame(...) - 若必须顶层写
from，优先选更细粒度子模块，比如from pandas.core.frame import DataFrame（但风险高，内部路径不稳定）
替代方案：用 importlib.import_module 绕过 __init__.py
当你要加载的函数/类藏在深层子模块里，且该子模块不依赖上层 __init__.py 的副作用时，importlib.import_module 可跳过包初始化流程。
-
df_mod = importlib.import_module("pandas.core.frame")→ 直接拿到DataFrame类，不触发pandas/__init__.py - 但注意：
pandas.core.frame内部仍会导入numpy，所以只是“延迟”而非“免除”重型依赖 - 必须手动缓存结果，否则每次调用都重复查找：
_df_mod = None; def get_df(): global _df_mod; if _df_mod is None: _df_mod = importlib.import_module(...); return _df_mod.DataFrame
最易忽略的一点：类型注解会强制提前加载。写 def f() -> pd.DataFrame: 就等于在模块加载阶段执行 import pandas，哪怕函数从未被调用。此时唯一解是启用 from __future__ import annotations，把所有注解转为字符串延迟解析。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
