1. 使用AWS Lambda Layers：这是AWS推荐的最佳实践之一，可以在Python虚拟环境中安装所需的依赖项，并将其打包为zip文件。然后可以将此zip文件上传到AWS Lambda层中，以便您的Lambda函数可以访问您的依赖项。下面是一个示例：

import json
import boto3

s3 = boto3.client('s3')

def lambda_handler(event, context):
    bucket_name = event['Records'][0]['s3']['bucket']['name']
    object_key = event['Records'][0]['s3']['object']['key']
    file_obj = s3.get_object(Bucket=bucket_name, Key=object_key)
    file_content = file_obj["Body"].read().decode('utf-8')
    print(file_content)

2. 直接包含在函数部署包中：在Lambda层中安装依赖项可能需要额外的管理，因此您可以将依赖项包含在函数的部署软件包中。下面是一个示例：

import json
import requests

def lambda_handler(event, context):
    url = 'https://jsonplaceholder.typicode.com/posts/1'
    response = requests.get(url)
    data = json.loads(response.text)
    print(data['title'])

在此示例中，我们使用requests库，它不是内置的Python库。在将此函数打包为zip文件时，我们需要包括requests库及其所有依赖项。

无论哪种方法都有其优缺点。AWS Lambda Layers使依赖项的管理更容易，但要付出一些开发和部署的成本。将依赖项直接包含在功能包中可能会使部署更容易，但有时可能需要额外的存储空间。因此，您需要根据您的需求和资源来确定哪种方法最适合您。