Python 交互窗口

Jupyter（前身为 IPython Notebook）是一个开源项目，可让您在一个名为**笔记本**的画布上轻松地将 Markdown 文本和可执行的 Python 源代码组合在一起。Visual Studio Code 支持原生使用 Jupyter Notebook，也支持通过 Python 代码文件使用。本主题涵盖通过 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 Notebook
• 导出 Jupyter Notebook

要使用 Jupyter Notebook，您必须在 VS Code 中激活一个 Anaconda 环境，或者在已安装 Jupyter 包的其他 Python 环境中激活。要选择环境，请使用命令面板 (⇧⌘P (Windows、Linux Ctrl+Shift+P)) 中的 **Python: Select Interpreter** 命令。

激活适当的环境后，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 Notebook。

Jupyter 代码单元

您可以使用 # %% 注释在 Python 代码中定义类似 Jupyter 的代码单元

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

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

注意：请确保将上面显示的代码保存在扩展名为 .py 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。第一个单元还包括 **Run Below**，所有后续单元都包括 **Run Above**

注意：默认情况下，**Debug Cell** 仅步入用户代码。如果您想步入非用户代码，您需要在 Jupyter 扩展设置 (⌘, (Windows、Linux Ctrl+,)) 中取消勾选 **Debug Just My Code**。

**Run Cell** 仅适用于单个代码单元。**Run Below** 出现在第一个单元格上，运行文件中的所有代码。**Run Above** 适用于该装饰所在单元格之前的所有代码单元（不包括该单元格本身）。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。

选择一个命令会启动 Jupyter（如果需要，这可能需要一分钟），然后在 **Python 交互**窗口中运行相应的单元

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。如果您在文件的最后一个单元中，该扩展会自动为新单元插入另一个 # %% 分隔符，模仿 Jupyter Notebook 的行为。

您也可以点击行号左侧的边距来设置断点。然后，您可以使用 **Debug Cell** 为该代码单元启动调试会话。调试器会在断点处停止执行，并允许您逐行步进代码并检查变量（详见调试）。

其他命令和键盘快捷键

下表列出了在使用代码单元时支持的其他命令和键盘快捷键。

使用 Python 交互窗口

上一节中提到的 **Python 交互**窗口可以作为一个独立的控制台使用，用于执行任意代码（无论有无代码单元）。要将该窗口用作控制台，请从命令面板中打开 **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。

要将该窗口与文件一起使用，请从命令面板中运行 **Jupyter: Run Current File in Python Interactive Window** 命令。

IntelliSense

Python 交互窗口具有完整的 IntelliSense 功能——代码补全、成员列表、方法的快速信息和参数提示。您在 Python 交互窗口中输入代码的效率可以和在代码编辑器中一样高。

绘图查看器

绘图查看器使您能够更深入地处理您的绘图。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。运行代码和单元后，在交互窗口工具栏中选择 **Variables** 按钮以打开变量资源管理器，您将看到当前变量的列表，该列表会随着代码中使用变量而自动更新。

有关变量的更多信息，您还可以双击某一行或使用 **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 Notebook 中的密集计算任务卸载到其他计算机上。连接后，代码单元在远程服务器上运行，而不是在本地计算机上运行。

要连接到远程 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，请在出现提示时提供服务器的 URI（主机名），并附带身份验证令牌，格式为 ?token= URL 参数。（如果您在启用了身份验证令牌的情况下在 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，您可以从中复制。）或者，您可以在提供 URI 后指定用户名和密码。

   

4. Python 交互窗口通过显示 URI（在下图中已模糊处理）来指示代码的运行位置

   

注意：为增强安全性，Microsoft 建议为您的 Jupyter 服务器配置安全预防措施，例如 SSL 和令牌支持。这有助于确保发送到 Jupyter 服务器的请求得到验证，并且与远程服务器的连接是加密的。有关保护 Notebook 服务器的指南，请参阅 Jupyter 文档。

将 Jupyter Notebook 转换为 Python 代码文件

当您激活了已安装 Jupyter 的环境后，可以在 VS Code 中打开 Jupyter Notebook 文件 (.ipynb)，然后将其转换为 Python 代码。转换文件后，您可以像运行任何其他 Python 文件一样运行代码，并使用 VS Code 调试器。在 VS Code 中打开和调试 Notebook 是一种方便的方法，可以查找和解决代码错误，这在 Jupyter Notebook 中直接操作很困难。

当您打开一个 Notebook 文件时，Visual Studio Code 会自动在 Notebook 编辑器中打开它。使用工具栏上的转换图标将 Notebook (.ipynb) 文件转换为 Python 文件 (.py)。

选择转换图标，然后选择“Python Script”，等待几秒钟，VS Code 会在一个无标题文件中打开转换后的 Notebook。Notebook 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，并在交互窗口中以 HTML 形式与代码和图形等输出一起呈现。

注意：当您第一次在 Python 文件中运行代码单元时，Python 扩展会启动一个 Jupyter 服务器。服务器启动和 **Python 交互**窗口出现代码结果可能需要一些时间。

调试 Jupyter Notebook

Visual Studio Code 调试器允许您逐步执行代码、设置断点、检查状态和分析问题。使用调试器是查找和纠正 Notebook 代码中问题的有效方法。

1. 在 VS Code 中，激活一个已安装 Jupyter 的 Python 环境，如本文开头所述。

2. 按照上一节中的描述，将 Notebook 的 .ipynb 文件导入到 VS Code 中。（如果您使用基于云的 Jupyter 环境，如 Azure Notebooks，请先下载文件。）

3. 要启动调试器，请使用以下选项之一

   • 对于整个 Notebook，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，使用出现在单元上方的 **Debug Cell** 装饰。调试器会专门在该单元的代码上启动。默认情况下，**Debug Cell** 仅步入用户代码。如果您想步入非用户代码，您需要在 Jupyter 扩展设置 (⌘, (Windows、Linux Ctrl+,)) 中取消勾选 **Debug Just My Code**。

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，更正您的代码，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无误后。保存文件，然后按照下一节的说明导出 Notebook。然后您可以将该 Notebook 上传到您的常规 Jupyter 环境中。

导出 Jupyter Notebook

除了打开 Jupyter Notebook 之外，您还可以从命令面板 (⇧⌘P (Windows、Linux Ctrl+Shift+P)) 中使用以下命令之一，将 VS Code 中 Python 文件的内容导出到 Jupyter Notebook（扩展名为 .ipynb）。

• Jupyter: Export Current Python File as Jupyter Notebook：根据当前文件的内容创建一个 Jupyter Notebook，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：根据当前文件的内容创建一个 Jupyter Notebook，并包含代码单元的输出。
• Jupyter: Export Interactive Window as Jupyter Notebook：根据 Python 交互窗口的内容创建一个 Jupyter Notebook。

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 Notebook。