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。
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：
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