刚开始学习编程，我们很少会关注这个文件，只知道一个目录中存在该文件，该目录就是一个package，不存在就是普通的目录，普通的目录在导入包时，pycharm并不会智能提示。

        Python中每新建一个package都会默认生成一个__init__.py文件，在做Python项目时，会存在很多个package，这时候__init__.py可以发挥强大的作用，我们可以在__init__.py文件中写一些代码方便我们调用该package下的模块。

1. __init__.py是何时调用的

当我们import某个package时，会首先调用该package下的__init__.py

package1/
        __init__.py
        subPack1/
                __init__.py
                module_11.py
                module_12.py
                module_13.py
        main.py

例如我们存在一个项目，目录结构如上所示，在 subPack1下的__init__.py下我们增加如下代码

print(f'this is __init__.py of subPack1')

然后我们在main.py文件中导入subPack1, main.py文件中的代码如下：

import subPack1

直接运行main.py，这是我们可以看到控制台输出：

2.  __init__.py何时使用(应用场景)

        当我们开发项目时，会存在多个package，但是我们在导入包的时候会使用绝对路径，这样在多个文件都引用时，会显得特别麻烦，这时候我们就可以利用每个package中的__init__.py文件，最终的结果就是简洁易读。

        我们可以想一下，当我们使用第三方包pandas时，是如何导入的DataFrame()类的，使用如下的语句就可以直接导入进来：

from pandas import DataFrame

我们下面就一探究竟，为什么这样就直接可以使用 DataFrame，通过查看pandas安装包，我们可以发现DataFrame()是在frame.py模块下，目录结构如下：

下面我们就看看，这是如何做到的

首先我们看一下core package的__init__.py中有哪些内内容，很抱歉，这个文件是空的，啥也没有，那么接下来我们就看上一级package pandas下的__init__.py中有哪些内容：

有用的内容如下：

可以看到pandas package从pandas.core.api中导入了DataFrame类

from pandas.core.api import (
    # dtype
    Int8Dtype,
    Int16Dtype,
    Int32Dtype,
    Int64Dtype,
    UInt8Dtype,
    UInt16Dtype,
    UInt32Dtype,
    UInt64Dtype,
    Float32Dtype,
    Float64Dtype,
    CategoricalDtype,
    PeriodDtype,
    IntervalDtype,
    DatetimeTZDtype,
    StringDtype,
    BooleanDtype,
    # missing
    NA,
    isna,
    isnull,
    notna,
    notnull,
    # indexes
    Index,
    CategoricalIndex,
    Int64Index,
    UInt64Index,
    RangeIndex,
    Float64Index,
    MultiIndex,
    IntervalIndex,
    TimedeltaIndex,
    DatetimeIndex,
    PeriodIndex,
    IndexSlice,
    # tseries
    NaT,
    Period,
    period_range,
    Timedelta,
    timedelta_range,
    Timestamp,
    date_range,
    bdate_range,
    Interval,
    interval_range,
    DateOffset,
    # conversion
    to_numeric,
    to_datetime,
    to_timedelta,
    # misc
    Flags,
    Grouper,
    factorize,
    unique,
    value_counts,
    NamedAgg,
    array,
    Categorical,
    set_eng_float_format,
    Series,
    DataFrame,
)

我们接下来看看pandas.core.api这个模块中有哪些内容，可以看到该文件中存在如下代码：

# DataFrame needs to be imported after NamedAgg to avoid a circular import
from pandas.core.frame import DataFrame  # isort:skip

这样我们的思路就理顺了，另外说一点pandas.core.api中的内容完全可以方法core下的__init_.py中。

        我们来理一下思路， 看下图结构，pandas.core.api中导入了DataFrame类，那么该文件中就存在DataFrame()类，可以使用print(dir())代码输出当前模块包含的其他对象。这样在最外侧的pandas包中的__init__.py中就可以使用绝对路径导入pandas.core.api文件中已经存在的DataFrame()类，这样我们在使用pandas时就可以直接from pandas import DataFrame使用了，如果__init__.py文件中没有任何内容，那么每次使用，我们就必须以绝对路径导出DataFrame类，这样一是不方便寻找，再一个是代码看起来可读性差。

 除了上述作用以外，我们还可以看到pandas包下的__init__.py文件中还有如下内容：就是检查pandas包的依赖，这样每次用户导入pandas包是，就会立刻检查依赖是否存在，如果不存在，将会报错，提示用户安装。

hard_dependencies = ("numpy", "pytz", "dateutil")
missing_dependencies = []

for dependency in hard_dependencies:
    try:
        __import__(dependency)
    except ImportError as e:
        missing_dependencies.append(f"{dependency}: {e}")

if missing_dependencies:
    raise ImportError(
        "Unable to import required dependencies:\n" + "\n".join(missing_dependencies)
    )
del hard_dependencies, dependency, missing_dependencies