VSCode如何运行Jupyter笔记本_数据科学开发需要什么配置【教程】

vscode运行jupyter笔记本需python环境、jupyter包和官方Jupyter扩展三者协同；缺一不可，版本不兼容会导致报错或无法启动内核。

VSCode 运行 Jupyter 笔记本不需要额外安装独立的 Jupyter 服务，但必须满足 Python 环境 + jupyter 包 + VSCode 的 Jupyter 扩展三者协同；缺一不可，且版本不兼容时会直接报错或无法启动内核。

确认 Python 环境和 jupyter 是否已就位

VSCode 不自带 Python 解释器，也不自带 jupyter 可执行文件。它依赖你本地已安装的 Python 环境中是否包含 jupyter 包：

• 在终端运行 python -m pip list | grep jupyter（macOS/linux）或 python -m pip list | findstr jupyter（windows），确认输出含 jupyter、ipykernel
• 若无，运行 python -m pip install jupyter ipykernel；推荐用虚拟环境（如 python -m venv .venv），避免全局污染
• 注意：仅装 jupyterlab 不够，VSCode 的 Jupyter 扩展不识别 jupyterlab 作为后端，必须有 jupyter（即 jupyter-core）

VSCode 必装扩展与内核选择逻辑

官方 Jupyter 扩展（microsoft 发布，ID：ms-toolsai.jupyter）是唯一支持 .ipynb 文件交互式运行的核心插件：

• 安装后重启 VSCode，打开任意 .ipynb 文件，右上角会出现「select Kernel」按钮
• 点击后列出的内核来源有两个：已注册的 ipykernel（来自 python -m ipykernel install）、或当前工作区关联的 Python 解释器自动检测出的内核
• 若列表为空，说明该 Python 环境未安装 ipykernel，或未运行过 python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
• 不建议勾选「Always use this kernel」——不同项目可能需切换内核，硬绑定易导致后续 notebook 无法加载

常见报错与绕过方案

典型错误信息如 Failed to start Jupyter server、Kernel died、No Python interpreter selected，多数不是 VSCode 问题，而是环境链路断裂：

• Command 'jupyter' not found：PATH 中找不到 jupyter，检查是否在正确 Python 环境下安装，或尝试在 VSCode 终端中先激活环境再打开 notebook
• 单元格执行卡在 *（星号）状态：内核启动了但没响应，大概率是 ipykernel 版本与 jupyter 不匹配（例如 ipykernel 6.x + jupyter 7.x 存在已知通信 bug），降级为 pip install "ipykernel 可临时解决
• 中文路径报错（windows 常见）：VSCode 工作区路径含中文会导致内核启动失败，务必把 notebook 放在纯英文路径下
• 使用 Conda 环境时，不要只装 jupyter，必须也运行 conda install ipykernel 并执行 python -m ipykernel install --conda --name myenv

真正卡住的地方往往不在 VSCode 设置里，而在 Python 环境是否干净、jupyter 和 ipykernel 是否同源安装、以及路径/权限等底层约束——这些细节不报错，但会让整个流程静默失败。