Python isort是专门用来整理import语句的工具，它不仅能对标准库、第三方库、本地模块做基础分类，还支持对第三方库进行更细粒度的分组，满足不同项目的代码规范需求。
isort默认第三方库分组逻辑
isort默认会将所有第三方库归为同一组，放在标准库导入之后、本地模块导入之前，默认按照库名的字母顺序排列。比如下面的导入语句，经过默认配置处理后会变成对应顺序：
# 原始导入语句 import flask import requests import numpy import os from myproject import utils # isort默认处理后 import os import flask import numpy import requests from myproject import utils
其中os是标准库，flask、numpy、requests都是第三方库，会被统一放在标准库下方，按字母顺序排列。
自定义第三方库分组配置
如果项目需要将第三方库进一步拆分，比如把Web框架相关库、数据处理相关库、工具类库分成不同组，可以通过isort的配置文件实现。isort支持在setup.cfg、pyproject.toml、isort.cfg等配置文件中设置分组规则。
核心配置参数
实现第三方库分组主要用到以下几个配置项：
- sections：定义所有的导入分组顺序，默认值为FUTURE,STDLIB,THIRDPARTY,FIRSTPARTY,LOCALFOLDER，我们可以新增自定义的分组名称。
- third_party：指定哪些库属于默认的THIRDPARTY分组，也可以为自定义分组单独设置对应的库列表。
- no_lines_before：设置哪些分组前面不需要空行分隔。
配置示例
假设我们要把第三方库分成web框架、数据处理、通用工具三个组，配置如下（以pyproject.toml为例）：
[tool.isort] # 定义分组顺序，新增三个自定义分组 sections = ["FUTURE", "STDLIB", "WEB_FRAMEWORK", "DATA_PROCESS", "COMMON_TOOL", "FIRSTPARTY", "LOCALFOLDER"] # 标准库分组（默认不需要额外配置，isort会自动识别） # Web框架分组包含的库 known_web_framework = ["flask", "django", "fastapi"] # 数据处理分组包含的库 known_data_process = ["numpy", "pandas", "matplotlib"] # 通用工具分组包含的库 known_common_tool = ["requests", "pytest", "celery"] # 自定义分组对应的known配置映射 web_framework = "known_web_framework" data_process = "known_data_process" common_tool = "known_common_tool" # 分组之间用空行分隔 lines_between_sections = 1
处理前的导入语句：
import os import flask import pandas import requests from myproject import db import numpy
经过上述配置处理后，结果如下：
import os import flask import numpy import pandas import requests from myproject import db
分组策略注意事项
在配置第三方库分组时需要注意几个问题：
- 如果某个库没有被分配到任何自定义分组，isort会默认将其归到THIRDPARTY分组，如果THIRDPARTY分组没有被定义，会直接放在标准库之后。
- 同一个库不要同时分配到多个自定义分组，否则isort会按照分组顺序将其放到第一个匹配的分组中。
- 配置完成后可以通过
isort --check-only .命令检查配置是否生效，避免配置语法错误导致分组规则不生效。
分组策略的实际应用场景
第三方库分组策略在大型项目中作用明显，比如微服务项目中可以把不同服务依赖的SDK分成不同组，方便快速查看某个服务的依赖情况；数据分析项目中可以把数据读取、数据清洗、可视化相关的库分成不同组，让import区域的结构更清晰。合理设置分组策略能让代码维护成本更低，新成员也能更快熟悉项目的依赖结构。