1.1 环境配置与内核管理

1.1 环境配置与内核管理

本节摘要：Jupyter 的高效使用从「装对环境」开始。本节对比 Anaconda 与 pip 安装、演示 venv/conda 创建虚拟环境、用 ipykernel 把环境注册为可选内核，并说明 jupyter kernelspec list 与 import sys; sys.executable 如何定位 ImportError 根因。

学习目标

阅读完本节，你应当能够：

1. 选择 pip 或 Anaconda 安装 Notebook，并在终端启动 jupyter notebook 或 JupyterLab
2. 用 venv 或 conda 创建隔离环境，避免项目间 pandas/numpy 版本冲突
3. 执行 python -m ipykernel install --user --name=... --display-name=... 注册内核
4. 用 jupyter kernelspec list 查看、用 jupyter kernelspec uninstall 清理废弃内核

一、安装路径：Anaconda 还是 pip

Anaconda 一次安装 Python + 常用科学计算包 + Navigator 图形入口，适合初学者快速开跑。官网下载安装后，可在 Navigator 里点 Jupyter Notebook，或在终端：

jupyter notebook
​

pip 更轻：已有 Python 时只需：

pip install notebook
jupyter notebook
​

若团队已统一用 JupyterLab，可装 pip install jupyterlab，内核与环境管理逻辑与经典 Notebook 相同。

⚠️ 常见坑：在系统 Python 里 pip install pandas，Notebook 却选中了 conda 的 base 内核——终端与 Notebook 不是同一个解释器。

二、虚拟环境：venv 与 conda

SOURCE 原文强调：每个项目独立环境，避免 A 项目要 pandas 1.x、B 项目要 2.x 互相踩脚。

venv（Python 3.3+ 内置）：

python3 -m venv my_project
# Windows PowerShell 激活
.\my_project\Scripts\Activate.ps1
# Linux/macOS
source my_project/bin/activate
pip install ipykernel jupyter
python -m ipykernel install --user --name=my_project --display-name="Python (my_project)"
​

conda（数据科学常见）：

conda create --name data_science python=3.9
conda activate data_science
pip install ipykernel
python -m ipykernel install --user --name=data_science --display-name="Python (data_science)"
​

注册后，Notebook 菜单 Kernel → Change kernel 里会出现 Python (my_project) 或 Python (data_science)。--name 是机器用标识，--display-name 是界面显示名——团队文档里两个都要写清楚。

内核与环境对应关系

三、内核管理与排查

SOURCE 列出两条维护命令：

• 查看已安装内核：jupyter kernelspec list
• 删除无用内核：jupyter kernelspec uninstall <kernel_name>

Notebook 首格验收代码（应指向你刚注册的环境）：

import sys
print(sys.executable)
print(sys.version)
​

若路径不是 my_project\Scripts\python.exe（或 conda env 路径），说明右上角内核选错——这是「ModuleNotFoundError 明明 pip 装过」的最高频原因。

扩展（可选）：SOURCE 提到 Nbextensions（pip install jupyter_contrib_nbextensions + jupyter contrib nbextension install --user）与 JupyterLab 扩展（如 @jupyterlab/toc）。扩展增强 UI，但不替代正确的内核；建议环境稳定后再装。

💡 关键直觉：display-name 给人看，--name 给 Jupyter 索引；删环境前先用 kernelspec uninstall 清注册，否则留下指向已删除路径的「僵尸内核」。

要点速记

• 双安装路径：Anaconda 省心，pip+venv 更利于项目隔离与 CI
• venv/conda 流程：创建 → 激活 → 装包 → ipykernel install
• kernelspec list/uninstall：维护内核列表
• sys.executable：Notebook 内一键验明正身
• Restart 内核：改依赖后必须重启，不是重跑一格就够

下一节进入 命令模式与快捷键——环境对了，就要让手速跟上。

多环境实战：同时维护两套依赖

实际工作中，你常常要同时在"做项目的 venv"和"复现论文的 conda 环境"之间切换。推荐的做法是给每个环境起一个一眼能认出的 --name 与 --display-name：

python -m ipykernel install --user \
    --name=finance_report \
    --display-name="Python (finance-report 3.10)"
​

conda create --name research_env python=3.11
conda activate research_env
pip install ipykernel
python -m ipykernel install --user \
    --name=research_env \
    --display-name="Python (research 3.11)"
​

注册完成后执行 jupyter kernelspec list，会看到两个内核条目。切内核时注意：Notebook 右上角只显示 display-name，命令行工具只认 name，两者对应关系要写进项目 README，否则换人接手又得从头猜。

内核状态与缓存

Notebook 页面右上角的小圆点颜色含义值得记住：空心灰表示内核未连接，实心圆表示正在运行。当依赖装好却仍报 ModuleNotFoundError 时，先执行 Kernel → Restart，因为已导入的模块在内存里是旧版本，只有重启内核才会重新加载。另一个高频误判是把"重启内核"等同于"重启浏览器"——重启浏览器不会清空内核内存，问题依旧。

僵尸内核与清理顺序

删除 conda 环境或 venv 目录后，Jupyter 仍会列出旧内核，点击必然报错。清理顺序是：先 jupyter kernelspec list 找到名字，再 jupyter kernelspec uninstall <name> 注销，最后才删环境目录。反过来如果先删了目录再注销，虽然 uninstall 仍可执行，但列表里会短暂残留指向不存在路径的悬空条目，容易误导同事。

常见症状速查