在jupyter notebook中运行python脚本有两种主要方式：1. 直接在cell中编写代码，通过点击运行按钮或使用快捷键shift + enter或ctrl + enter执行；2. 调用外部.py脚本，可通过%run magic command运行整个脚本并将变量导入命名空间，或使用import语句导入特定函数或类，也可通过subprocess模块运行脚本并捕获输出。
在Jupyter Notebook中运行Python脚本，主要有两种方式：一是直接在Notebook的Cell中编写和运行Python代码，另一种是调用外部的
.py脚本。前者是Notebook最基本的使用方式，后者则允许你复用已有的脚本代码，或者将Notebook作为流程控制中心。
解决方案：
-
直接在Cell中编写和运行Python代码：
立即学习“Python免费学习笔记（深入）”；
这是Jupyter Notebook最常见的使用方式。
- 新建一个Cell：点击"+"按钮，或者使用快捷键。
- 在Cell中输入Python代码：例如，
print("Hello, world!")。 - 运行Cell：点击运行按钮（看起来像播放按钮），或者使用快捷键
Shift + Enter
（运行当前Cell并跳转到下一个Cell）或Ctrl + Enter
（运行当前Cell但不跳转）。
-
调用外部
.py
脚本：如果你已经有写好的Python脚本，想在Notebook中运行，可以使用以下方法：
-
使用
%run
magic command：这是最简单的方式。在Cell中输入
%run your_script.py
，然后运行该Cell。这会执行your_script.py
中的所有代码，并将脚本中定义的变量和函数导入到Notebook的命名空间中。%run my_script.py
-
使用
import
语句：如果你只想使用脚本中的部分函数或类，可以使用
import
语句。首先，确保你的.py
脚本位于Notebook的同一目录下，或者在Python的搜索路径中。然后，你可以像导入普通Python模块一样导入它。import my_script my_script.my_function() # 调用脚本中的函数
或者，你可以使用
from ... import ...
语法：from my_script import my_function my_function() # 直接调用函数
-
使用
subprocess
模块：subprocess
模块允许你在Python中运行外部命令。这是一种更通用的方法，可以运行任何命令行程序，包括Python脚本。import subprocess result = subprocess.run(['python', 'my_script.py'], capture_output=True, text=True) print(result.stdout) # 打印脚本的输出 print(result.stderr) # 打印脚本的错误信息 (如果有)
capture_output=True
用于捕获脚本的输出和错误信息。text=True
将输出解码为文本。
-
副标题1
如何在Jupyter Notebook中调试Python脚本？
Jupyter Notebook提供了一些调试工具，可以帮助你查找和修复Python代码中的错误。
-
使用
%debug
magic command：当你的代码抛出异常时，可以使用
%debug
magic command进入交互式调试模式。在抛出异常的Cell中输入%debug
并运行，你就可以使用pdb（Python Debugger）命令来检查变量、设置断点、单步执行代码等。def my_function(x): return 1 / x # 如果x为0，会抛出ZeroDivisionError my_function(0)运行上面的代码会抛出
ZeroDivisionError
。然后在新的Cell中输入%debug
并运行，就可以进入调试模式。 -
使用
pdb.set_trace()
：你可以在代码中插入
pdb.set_trace()
来设置断点。当代码执行到断点时，会进入pdb调试模式。import pdb def my_function(x): pdb.set_trace() # 设置断点 return 1 / x my_function(0)运行上面的代码会立即进入pdb调试模式。
-
使用Jupyter Notebook的调试器界面：
Jupyter Notebook也提供了一个图形化的调试器界面。你需要先安装
ipywidgets
和ipdb
：pip install ipywidgets pip install ipdb
然后在Notebook中启用调试器：
%pdb on
接下来，当你的代码抛出异常或遇到断点时，调试器界面会自动弹出。你可以使用界面上的按钮来单步执行代码、检查变量等。
副标题2
如何在Jupyter Notebook中管理Python环境？
使用虚拟环境可以隔离不同项目的依赖，避免版本冲突。
-
使用
venv
(Python 3.3+):venv
是Python自带的虚拟环境管理工具。
Python精要参考 pdf版下载这本书给出了一份关于python这门优美语言的精要的参考。作者通过一个完整而清晰的入门指引将你带入python的乐园，随后在语法、类型和对象、运算符与表达式、控制流函数与函数编程、类及面向对象编程、模块和包、输入输出、执行环境等多方面给出了详尽的讲解。如果你想加入 python的世界，David M beazley的这本书可不要错过哦。 (封面是最新英文版的,中文版貌似只译到第二版)
-
创建虚拟环境：
python3 -m venv myenv
-
激活虚拟环境：
-
在Linux或macOS上：
source myenv/bin/activate
-
在Windows上：
myenv\Scripts\activate
-
-
安装依赖：
pip install numpy pandas
-
在Jupyter Notebook中使用虚拟环境：
你需要将虚拟环境的Python内核添加到Jupyter Notebook中。
ipython kernel install --user --name=myenv --display-name="Python (myenv)"
然后在Jupyter Notebook中选择 "Kernel" -> "Change kernel" -> "Python (myenv)"。
-
-
使用
conda
：conda
是Anaconda发行版自带的包管理和环境管理工具。-
创建虚拟环境：
conda create --name myenv python=3.9
-
激活虚拟环境：
conda activate myenv
-
安装依赖：
conda install numpy pandas
-
在Jupyter Notebook中使用虚拟环境：
conda
会自动将虚拟环境的Python内核添加到Jupyter Notebook中。你只需要在Jupyter Notebook中选择 "Kernel" -> "Change kernel" -> "myenv"。
-
副标题3
如何在Jupyter Notebook中运行不同版本的Python？
有时候你可能需要在同一个Notebook中使用不同版本的Python。
-
使用
conda
：conda
是管理多个Python版本的利器。你可以创建不同的conda环境，每个环境使用不同的Python版本。-
创建使用特定Python版本的环境：
conda create --name py37 python=3.7 # 创建一个使用Python 3.7的环境 conda create --name py39 python=3.9 # 创建一个使用Python 3.9的环境
-
激活环境：
conda activate py37 # 激活Python 3.7环境
-
安装必要的包：
conda install ipykernel # 为环境安装ipykernel，使其能在Jupyter中被识别
-
将环境添加到Jupyter Notebook：
ipython kernel install --user --name=py37 --display-name="Python 3.7"
同样，对于Python 3.9环境：
conda activate py39 ipython kernel install --user --name=py39 --display-name="Python 3.9"
在Jupyter Notebook中，选择 "Kernel" -> "Change kernel"，选择你想要使用的Python版本。
-
-
使用
virtualenv
和pyenv
：pyenv
可以帮助你安装和管理多个Python版本，而virtualenv
可以创建虚拟环境。-
使用
pyenv
安装Python版本：pyenv install 3.7.12 pyenv install 3.9.7
-
创建虚拟环境：
virtualenv -p $(pyenv prefix 3.7.12)/bin/python py37env # 创建Python 3.7的虚拟环境 virtualenv -p $(pyenv prefix 3.9.7)/bin/python py39env # 创建Python 3.9的虚拟环境
激活虚拟环境，并安装
ipykernel
，然后将其添加到Jupyter Notebook，步骤与conda
类似。
这种方式稍微复杂一些，但如果你已经在使用
pyenv
管理Python版本，它可能是一个不错的选择。 -
