🔥 Load - Modern Python Import Alternative

Load is a modern alternative to Python's import system, inspired by the simplicity of Go and Groovy. It provides automatic package installation, intelligent caching, and magic import syntax.

🎯 Purpose

Load simplifies Python imports by:

• Reducing boilerplate code
• Automating package installation
• Improving developer productivity
• Making imports more intuitive

✨ Features

• Automatic Package Installation: Missing packages are installed on demand
• Smart Caching: Modules are cached for faster subsequent imports
• Magic Import Syntax: Import with just the package name
• Function-level Imports: Use @load decorator to manage dependencies at function level
• Multiple Registries: Support for PyPI, GitHub, GitLab, and private registries
• Python 2/3 Compatible: Works across Python versions

🚀 Quick Start

Install load using any of these methods:

# 1. Using curl (Linux/macOS/WSL)
curl -sSL https://load.pyfunc.com | python3 -

# 2. Using PowerShell (Windows)
(Invoke-WebRequest -Uri https://load.pyfunc.com -UseBasicParsing).Content | py -

# 3. Using Poetry
poetry add load

# 4. Using pip
pip install load

📚 Documentation

For detailed documentation, please refer to:

• 📚 Installation Guide
• 💪 Usage Examples
• 📦 Features List
• 🔧 API Reference
• 🎯 Examples
• 📊 Diagrams

🎯 Function-level Dependency Loading

Use the @load decorator to automatically handle dependencies for specific functions:

from load import load_decorator as load

@load('numpy', 'pandas', 'plt=matplotlib.pyplot')
def analyze_data():
    import numpy as np
    data = np.random.rand(10, 3)
    plt.plot(data)
    plt.show()

# The required packages will be automatically installed when the function is first called
analyze_data()

For more examples and advanced usage, see the Decorator Documentation.

🤝 Contributing

We welcome contributions! Please see CONTRIBUTING.md for guidelines.

📚 Documentation Index

• 📚 Installation Guide
• 💪 Usage Examples
• 🎯 Function-level Imports
• 📦 Features List
• 🔧 API Reference
• 🎯 Examples
• 📊 Diagrams

🔗 Links

• GitHub Repository
• PyPI Package
• Examples

🔍 Real-World Example

Data Science Workflow

# Traditional way
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression

# With Load
from load import load, import_aliases

# Single import
np = load('numpy')

# Multiple imports with aliases
pd, plt, sns = import_aliases('pandas', 'plt=matplotlib.pyplot', 'seaborn')

# Direct attribute access
model = load('sklearn.linear_model.LinearRegression')()

# Now use them as usual
data = pd.DataFrame({'x': [1, 2, 3], 'y': [1, 2, 3]})
model.fit(data[['x']], data['y'])
plt.scatter(data['x'], data['y'])
plt.plot(data['x'], model.predict(data[['x']]), 'r')
plt.show()

Web Development

from load import load, configure_private_registry

# Configure private registry
configure_private_registry(
    name="company",
    index_url="https://pypi.company.com/simple/"
)

# Import standard and private packages
fastapi = load('fastapi')
internal_auth = load('company-auth', registry="company")

app = fastapi.FastAPI()

@app.get("/")
async def root():
    return {"message": "Hello World"}

🔒 Prywatne rejestry

# Prywatny PyPI firmy
configure_private_registry(
    name="company",
    index_url="https://pypi.company.com/simple/"
)

# Prywatny GitLab z tokenem  
configure_private_registry(
    name="internal", 
    base_url="https://gitlab.company.com/",
    token="your-token"  # lub GITLAB_TOKEN env var
)

# Użyj
company_lib = load("internal-package", registry="company")
secret_tool = load("team/secret-sauce", registry="internal")

🎯 Smart Loading - automatyczne wykrywanie

Load automatycznie wykrywa skąd ładować:

load("json")                    # → stdlib (nie instaluje)
load("requests")                # → PyPI  
load("user/repo")               # → GitHub
load("gitlab.com/user/proj")    # → GitLab
load("./file.py")               # → Lokalny plik
load("https://example.com/x.py") # → URL

🏢 Przykłady dla firm

Startup z GitHub

# Najnowsze z GitHub zamiast PyPI
ml_lib = load("huggingface/transformers")
selenium = load("SeleniumHQ/selenium/py") 
playwright = load("microsoft/playwright-python")

Korporacja z prywatnymi rejestrami

# Skonfiguruj rejestry firmy
configure_private_registry("nexus", 
    index_url="https://nexus.company.com/pypi/simple/")

configure_private_registry("artifactory",
    index_url="https://company.jfrog.io/pypi/simple/")

# Używaj
auth_lib = load("company-auth", registry="nexus")
internal_api = load("team-api-client", registry="artifactory")

Projekt z mieszanymi źródłami

def setup_project():
    return {
        # PyPI - stabilne wersje
        'web': load("fastapi"),
        'db': load("sqlalchemy"),
        
        # GitHub - najnowsze funkcje  
        'ai': load("openai/openai-python"),
        'scraping': load("microsoft/playwright-python"),
        
        # Prywatne - firmowe narzędzia
        'auth': load("auth-service", registry="company"),
        'monitoring': load("team/observability", registry="internal"),
        
        # Lokalne - logika biznesowa
        'models': load("./models.py"),
        'utils': load("./utils.py")
    }

🔧 Zarządzanie rejestrami

# Lista dostępnych rejestrów
list_registries()

# Dodaj własny rejestr
add_registry("custom", {
    'index_url': 'https://pypi.custom.com/simple/',
    'install_cmd': [sys.executable, "-m", "pip", "install", "--index-url"],
    'description': 'Custom PyPI mirror'
})

# Szybka konfiguracja
configure_private_registry("maven-central", 
    index_url="https://maven.central.com/pypi/")

🚀 Przykłady projektów

Data Science

def setup_ds():
    return {
        'pd': load("pandas", "pd"),                    # PyPI
        'np': load("numpy", "np"),                     # PyPI  
        'latest_sklearn': load("scikit-learn/scikit-learn"), # GitHub
        'utils': load("./ds_utils.py")                 # Local
    }

Web Development

def setup_web():
    return {
        'api': load("fastapi"),                        # PyPI
        'auth': load("company-sso", registry="nexus"), # Private
        'monitoring': load("team/apm-client", registry="gitlab"), # GitLab
        'models': load("./models.py")                  # Local
    }

AI/ML Pipeline

def setup_ai():
    return {
        'torch': load("pytorch/pytorch"),              # GitHub latest
        'transformers': load("huggingface/transformers"), # GitHub
        'custom_models': load("team/ml-models", registry="company"), # Private
        'preprocessing': load("./preprocess.py")        # Local
    }

📊 Popularne rejestry w praktyce

Dla startupów

• PyPI - podstawowe biblioteki
• GitHub - najnowsze wersje, eksperymenty
• Lokalne pliki - własna logika

Dla korporacji

• PyPI - sprawdzone, stable biblioteki
• Prywatny PyPI - firmowe pakiety
• GitLab Enterprise - internal repos
• Artifactory/Nexus - cache i security scanning

Dla research

• GitHub - cutting-edge research code
• PyPI - etablowane biblioteki naukowe
• URL - papers with code, direct downloads

🔒 Bezpieczeństwo

# Kontroluj źródła
ALLOWED_REGISTRIES = ['pypi', 'company', 'github-trusted']

def secure_load(name, registry=None):
    if registry not in ALLOWED_REGISTRIES:
        raise SecurityError(f"Registry {registry} not allowed")
    return load(name, registry=registry)

🎉 Dlaczego Load?

Load - jeden interfejs do wszystkich rejestrów Python! 🚀

Skopiuj load.py, napisz from load import * i ładuj skąd chcesz!

🔥 Podsumowanie - Load z rejestrami

Load z obsługą wszystkich głównych rejestrów Python:

📦 Obsługiwane rejestry:

1. PyPI (~500k pakietów) - load("requests")
2. GitHub (~miliony repozytoriów) - load("user/repo")
3. GitLab (~setki tysięcy) - load("gitlab.com/user/proj")
4. Prywatne PyPI - load("pkg", registry="company")
5. URL - load("https://example.com/lib.py")
6. Lokalne pliki - load("./utils.py")

🚀 Kluczowe funkcje:

• Smart detection - automatycznie wykrywa skąd ładować
• Auto-install - instaluje co brakuje
• Cache w RAM - szybkie powtórne ładowanie
• Prywatne rejestry - obsługa firmowych PyPI/GitLab z tokenami
• Zero config - działa od razu

💪 Użycie:

from load import *

# Podstawowe
http = requests()                           # PyPI
data = pd()                                # PyPI + alias

# GitHub (najnowsze wersje)
ai = load("openai/openai-python")          # GitHub
ml = load("huggingface/transformers")      # GitHub

# Prywatne firmy
auth = load("company-auth", registry="nexus")
api = load("team/api", registry="gitlab")

# Lokalne
utils = load("./utils.py")

🏢 Dla firm:

# Skonfiguruj raz
configure_private_registry("company", 
    index_url="https://pypi.company.com/simple/")

# Używaj wszędzie
internal_lib = load("secret-package", registry="company")

🎯 Główne zalety:

1. Jeden interfejs do wszystkich źródeł
2. Automatyczne wykrywanie - nie musisz pamiętać skąd co
3. Obsługa tokenów dla prywatnych repozytoriów
4. Szybkie dzięki cache w RAM
5. Proste jak w Go - jedna funkcja load()

Rezultat: Zamiast kombinować z pip install, git clone, konfiguracją pip.conf - po prostu load() i działa! 🚀