파이썬 함수 내부에 import를 하면 생기는 일

개요

파이썬에서 import 문은 일반적으로 모듈의 최상위 레벨에서 수행되지만, 함수 내부에서도 import를 실행할 수 있다. 함수 내부에서 import를 수행하면 해당 모듈은 함수가 호출될 때마다 로드되는 것이 아니라, 이미 sys.modules에 캐시되어 있다면 캐시된 모듈을 참조하게 된다. 이러한 로컬 import는 특정 상황에서 유용할 수 있지만, 성능과 가독성 측면에서 고려해야 할 사항들이 있다. 함수 내부 import는 지연 로딩(lazy loading), 순환 import 문제 해결, 조건부 import 등의 목적으로 활용되며, Python의 동적 특성을 잘 보여주는 기능 중 하나이다.

설명

파이썬에서 함수 내부에 import 문을 작성하면, 해당 import는 함수가 실행될 때 수행된다. 그러나 Python의 모듈 시스템은 이미 로드된 모듈을 sys.modules 딕셔너리에 캐시하므로, 두 번째 호출부터는 실제 모듈 로딩 과정을 거치지 않고 캐시된 모듈 객체를 반환한다. 이는 import 문의 위치와 관계없이 동일하게 적용되는 메커니즘이다.

함수 내부에서 import가 수행되면, 해당 모듈은 함수의 로컬 네임스페이스에 바인딩된다. 이는 전역 네임스페이스와는 분리된 공간으로, 함수 실행이 완료되면 로컬 네임스페이스의 변수들은 소멸된다. 하지만 모듈 자체는 sys.modules에 남아있어 다른 곳에서 import할 때 재사용될 수 있다.

로컬 import의 실행 과정을 살펴보면, 먼저 sys.modules에서 해당 모듈이 이미 로드되어 있는지 확인한다. 모듈이 존재하면 캐시된 모듈 객체를 반환하고, 존재하지 않으면 모듈을 로드하여 sys.modules에 저장한 후 반환한다. 이후 해당 모듈 객체가 함수의 로컬 변수로 할당된다.

특징

함수 내부 import는 여러 가지 특징적인 동작을 보인다. 첫째, 지연 로딩이 가능하다는 점이다. 모듈이 실제로 필요한 시점에 로드되므로, 애플리케이션 시작 시간을 단축할 수 있다. 특히 대용량 모듈이나 외부 의존성이 많은 모듈의 경우 이 효과가 두드러진다.

둘째, 네임스페이스 격리 효과가 있다. 함수 내부에서 import된 모듈은 해당 함수의 로컬 스코프에만 존재하므로, 전역 네임스페이스를 오염시키지 않는다. 이는 모듈 이름 충돌을 방지하고 코드의 캡슐화를 향상시킨다.

셋째, 조건부 import가 용이하다. 런타임에 특정 조건에 따라 다른 모듈을 import할 수 있어, 플랫폼별 모듈이나 선택적 의존성을 처리하는 데 유용하다. 이는 코드의 유연성을 크게 향상시킨다.

넷째, 순환 import 문제를 해결할 수 있다. 두 모듈이 서로를 import하는 상황에서, 함수 내부 import를 사용하면 모듈 로딩 시점을 지연시켜 순환 의존성 문제를 회피할 수 있다.

다섯째, 성능 오버헤드가 존재한다. 함수가 호출될 때마다 import 문이 실행되므로, 비록 캐시된 모듈을 반환하더라도 매번 sys.modules 검색과 네임스페이스 바인딩이 발생한다. 이는 함수 호출 빈도가 높을 경우 성능 저하를 야기할 수 있다.

예제

다음은 함수 내부 import의 다양한 사용 사례를 보여주는 예시이다.

기본적인 로컬 import

def process_data():
    import json
    import pandas as pd

    data = {'key': 'value'}
    json_str = json.dumps(data)
    df = pd.DataFrame([data])
    return df

# 함수 외부에서는 json, pandas를 사용할 수 없음

조건부 import

def get_platform_info():
    import sys

    if sys.platform == 'win32':
        import winsound
        return winsound
    else:
        import subprocess
        return subprocess

# 플랫폼에 따라 다른 모듈을 import

성능 비교를 위한 테스트

import time

# 전역 import
import datetime

def global_import_test():
    return datetime.datetime.now()

def local_import_test():
    import datetime
    return datetime.datetime.now()

# 성능 측정
start = time.time()
for _ in range(10000):
    global_import_test()
print(f"Global import: {time.time() - start:.4f}초")

start = time.time()
for _ in range(10000):
    local_import_test()
print(f"Local import: {time.time() - start:.4f}초")

순환 import 해결

# module_a.py
def func_a():
    print("Function A called")

def call_b():
    from module_b import func_b  # 함수 내부에서 import
    func_b()

# module_b.py
def func_b():
    print("Function B called")

def call_a():
    from module_a import func_a  # 함수 내부에서 import
    func_a()

메모리 사용량 확인

import sys

def check_modules_before():
    return len(sys.modules)

def import_heavy_module():
    import numpy as np  # 큰 모듈을 함수 내부에서 import
    return np.array([1, 2, 3])

def check_modules_after():
    return len(sys.modules)

print(f"모듈 수 (import 전): {check_modules_before()}")
result = import_heavy_module()
print(f"모듈 수 (import 후): {check_modules_after()}")

결론

함수 내부에서 import를 수행하는 것은 Python의 동적 특성을 활용한 유용한 기법이지만, 적절한 상황에서 신중하게 사용해야 한다. 지연 로딩이 필요하거나 조건부 import가 요구되는 경우, 그리고 순환 import 문제를 해결해야 하는 경우에는 함수 내부 import가 효과적인 해결책이 될 수 있다.

하지만 일반적인 경우에는 모듈 최상위에서 import를 수행하는 것이 성능과 가독성 측면에서 더 유리하다. 함수 내부 import는 매번 네임스페이스 바인딩 오버헤드가 발생하므로, 자주 호출되는 함수에서는 성능 저하를 초래할 수 있다.

개발자는 각 상황의 요구사항을 정확히 파악하고, 성능과 코드 구조를 종합적으로 고려하여 import 방식을 결정해야 한다. 함수 내부 import는 강력한 도구이지만, 과도한 사용은 코드의 복잡성을 증가시킬 수 있으므로 균형있는 접근이 필요하다.

참고문현

• Python 공식 문서 - Import 시스템: https://docs.python.org/3/reference/import.html
• Python 공식 문서 - sys.modules: https://docs.python.org/3/library/sys.html#sys.modules
• PEP 8 - Python 코딩 스타일 가이드: https://www.python.org/dev/peps/pep-0008/
• Real Python - Python imports 가이드: https://realpython.com/python-import/