Python 交互式窗口

Jupyter（以前称为 IPython Notebook）是一个开源项目，它允许您在称为笔记本的画布上轻松地组合 Markdown 文本和可执行 Python 源代码。Visual Studio Code 原生支持 Jupyter Notebook，也支持通过 Python 代码文件使用。本文介绍通过 Python 代码文件提供的支持，并演示如何：

• 使用类似 Jupyter 的代码单元
• 在 Python 交互式窗口中运行代码
• 使用变量资源管理器和数据查看器查看、检查和筛选变量
• 连接到远程 Jupyter 服务器
• 调试 Jupyter 笔记本
• 导出 Jupyter 笔记本

要使用 Jupyter 笔记本，您必须在 VS Code 中激活 Anaconda 环境，或安装了 Jupyter 包的其他 Python 环境。要选择环境，请从命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)) 中使用 Python: Select Interpreter 命令。

激活相应环境后，您可以创建和运行类似 Jupyter 的代码单元，连接到远程 Jupyter 服务器以运行代码单元，并将 Python 文件导出为 Jupyter 笔记本。

Jupyter 代码单元

您可以在 Python 代码中使用 # %% 注释定义类似 Jupyter 的代码单元。

# %%
msg = "Hello World"
print(msg)

# %%
msg = "Hello again"
print(msg)

注意：请务必将上述代码保存到 .py 扩展名的文件中。

当 Python 扩展检测到代码单元时，它会添加 Run Cell 和 Debug Cell CodeLens 装饰器。第一个单元格还包括 Run Below，所有后续单元格都包括 Run Above。

注意： 默认情况下，Debug Cell 只会进入用户代码。如果您想进入非用户代码，您需要在 Jupyter 扩展设置中取消选中 Debug Just My Code (⌘, (Windows, Linux Ctrl+,))。

Run Cell 仅适用于单个代码单元。显示在第一个单元格上的 Run Below 运行文件中的所有代码。Run Above 适用于所有代码单元，直到（但不包括）带有装饰器的单元格。例如，您可以使用 Run Above 在运行特定单元格之前初始化运行时环境的状态。

选择命令会启动 Jupyter（如果需要，可能需要一分钟），然后在 Python 交互式窗口中运行相应的单元格。

您还可以使用 (Ctrl+Enter) 或 Python: Run Selection/Line in Python Terminal 命令 (Shift+Enter) 运行代码单元。使用此命令后，Python 扩展会自动将光标移动到下一个单元格。如果您位于文件中的最后一个单元格，扩展会自动插入另一个 # %% 分隔符以创建新单元格，模仿 Jupyter 笔记本的行为。

您也可以单击行号左侧的边距来设置断点。然后您可以使用 Debug Cell 启动该代码单元的调试会话。调试器会在断点处停止执行，并允许您逐行执行代码并检查变量（有关详细信息，请参阅调试）。

附加命令和键盘快捷方式

下表列出了使用代码单元时支持的附加命令和键盘快捷方式。

使用 Python 交互式窗口

上一节中提到的 Python 交互式窗口可用作具有任意代码（带或不带代码单元）的独立控制台。要将窗口用作控制台，请通过命令面板打开它，使用 Jupyter: Create Interactive Window 命令。然后您可以输入代码，使用 Enter 换行，使用 Shift+Enter 运行代码。

要将窗口与文件一起使用，请从命令面板中使用 Jupyter: Run Current File in Python Interactive Window 命令。

智能感知

Python 交互式窗口具有完整的智能感知功能——代码补全、成员列表、方法的快速信息和参数提示。在 Python 交互式窗口中输入与在代码编辑器中输入一样高效。

绘图查看器

绘图查看器让您能够更深入地处理绘图。在查看器中，您可以平移、缩放和导航当前会话中的绘图。您还可以将绘图导出为 PDF、SVG 和 PNG 格式。

在 Python 交互式窗口中，双击任何绘图以在查看器中打开它，或选择绘图左上角的展开按钮。

注意： Python 交互式窗口支持渲染使用 matplotlib 和 Altair 创建的绘图。

变量资源管理器和数据查看器

在 Python 交互式窗口中，可以查看、检查和筛选当前 Jupyter 会话中的变量。运行代码和单元格后，选择交互式窗口工具栏中的 Variables 按钮以打开变量资源管理器，您将看到当前变量列表，这些变量会随着代码中变量的使用而自动更新。

要获取有关变量的更多信息，您还可以双击行或使用 Show variable in data viewer 按钮在数据查看器中查看变量的更详细视图。打开后，您可以通过搜索行来筛选值。

连接到远程 Jupyter 服务器

您可以通过连接到远程 Jupyter 服务器，将 Jupyter 笔记本中的密集计算卸载到其他计算机。连接后，代码单元将在远程服务器而不是本地计算机上运行。

连接到远程 Jupyter 服务器

1. 从命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)) 运行 Jupyter: Specify local or remote Jupyter server for connections 命令。

2. 选择您希望如何连接到 Jupyter 服务器。

3. 如果远程工作，在出现提示时提供服务器的 URI（主机名），并附带包含 ?token= URL 参数的身份验证令牌。（如果您在启用了身份验证令牌的 VS Code 终端中启动服务器，带有令牌的 URL 通常会出现在终端输出中，您可以从那里复制它。）或者，您可以在提供 URI 后指定用户名和密码。

   

4. Python 交互式窗口通过显示 URI 来指示代码的运行位置（下图中已模糊化）

   

注意： 为了增加安全性，Microsoft 建议使用 SSL 和令牌支持等安全预防措施配置您的 Jupyter 服务器。这有助于确保发送到 Jupyter 服务器的请求经过身份验证，并且与远程服务器的连接已加密。有关保护笔记本服务器的指导，请参阅 Jupyter 文档。

将 Jupyter 笔记本转换为 Python 代码文件

当您激活了安装有 Jupyter 的环境后，您可以在 VS Code 中打开 Jupyter 笔记本文件 (.ipynb)，然后将其转换为 Python 代码。转换文件后，您可以像处理任何其他 Python 文件一样运行代码，还可以使用 VS Code 调试器。在 VS Code 中打开和调试笔记本是查找和解决代码错误的一种便捷方式，这在 Jupyter 笔记本中很难直接完成。

当您打开笔记本文件时，Visual Studio Code 会自动在笔记本编辑器中打开它。使用工具栏上的转换图标将笔记本 (.ipynb) 文件转换为 Python (.py) 文件。

选择转换图标，然后选择“Python Script”，等待几秒钟，然后 VS Code 会在一个未命名文件中打开转换后的笔记本。笔记本的单元格在 Python 文件中用 # %% 注释分隔；Markdown 单元格完全转换为以 # %% [markdown] 为前缀的注释，并在交互式窗口中与代码和图表等输出一起渲染为 HTML。

注意： 首次在 Python 文件中运行代码单元时，Python 扩展会启动 Jupyter 服务器。服务器启动以及 Python 交互式窗口显示代码结果可能需要一些时间。

调试 Jupyter 笔记本

Visual Studio Code 调试器允许您逐行执行代码、设置断点、检查状态和分析问题。使用调试器是查找和更正笔记本代码中问题的有用方法。

1. 在 VS Code 中，激活已安装 Jupyter 的 Python 环境，如本文开头所述。

2. 如上一节所述，将笔记本的 .ipynb 文件导入到 VS Code 中。（如果您使用基于云的 Jupyter 环境（例如 Azure Notebooks），请先下载该文件。）

3. 要启动调试器，请使用以下选项之一：

   • 对于整个笔记本，打开命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)) 并运行 Jupyter: Debug Current File in Python Interactive Window 命令。
   • 对于单个单元格，使用单元格上方出现的 Debug Cell 装饰器。调试器会专门从该单元格中的代码开始。默认情况下，Debug Cell 只会进入用户代码。如果您想进入非用户代码，您需要在 Jupyter 扩展设置中取消选中 Debug Just My Code (⌘, (Windows, Linux Ctrl+,))。

4. 要熟悉 VS Code 的通用调试功能，例如检查变量、设置断点和其他活动，请查看VS Code 调试。

5. 当您发现问题时，停止调试器，更正代码，保存文件，然后再次启动调试器。

6. 当您确信所有代码都正确时。保存文件，然后按照下一节所述导出笔记本。然后您可以将笔记本上传到您的正常 Jupyter 环境。

导出 Jupyter 笔记本

除了打开 Jupyter 笔记本，您还可以从命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)) 使用以下命令之一将 VS Code 中的 Python 文件内容导出到 Jupyter 笔记本（带有 .ipynb 扩展名）。

• Jupyter: Export Current Python File as Jupyter Notebook：从当前文件的内容创建 Jupyter 笔记本，使用 # %% 和 # %% [markdown] 分隔符来指定各自的单元格类型。
• Jupyter: Export Current Python File and Output as Jupyter Notebook：从当前文件的内容创建 Jupyter 笔记本，并包含代码单元的输出。
• Jupyter: Export Interactive Window as Jupyter Notebook：从 Python 交互式窗口的内容创建 Jupyter 笔记本。

导出内容后，VS Code 会显示一个提示，您可以通过该提示在浏览器中打开笔记本。