VSCode 可替代 Jupyter Notebook，需安装 Python（3.9+）、Python 与 Jupyter 扩展，支持 # %% 单元格、交互式执行、DataFrame 表格渲染、Matplotlib 内嵌绘图、调试及 Git 集成。
VSCode 是数据科学家日常工作中非常高效的工具，只要配置得当，它完全可以替代传统 Jupyter Notebook 环境，同时保留代码编辑、调试、版本控制和可视化的一体化体验。
安装核心扩展与 Python 环境
基础配置是高效工作的前提。你需要确保：
- 已安装 Python（推荐 3.9+），并在 VSCode 中正确选择解释器（Ctrl+Shift+P → Python: Select Interpreter）
- 安装官方 Python 扩展（Microsoft 提供）和 Jupyter 扩展（支持 .ipynb 和交互式 Python 文件）
- 可选但推荐：安装 Code Runner（快速执行脚本）、Markdown All in One（写分析文档更顺手）
用 .py 文件写“类 Notebook”代码
不必拘泥于 .ipynb —— VSCode 支持在普通 Python 文件中使用 # %% 单元格分隔符，实现类似 Jupyter 的分段执行：
- 写好一段代码后，按 Ctrl+Enter（Windows/Linux）或 Cmd+Enter（Mac）即可在交互窗口运行当前单元格
- 变量、DataFrame、图表会实时显示在右侧 Jupyter Interactive Window 中，支持滚动、缩放、导出
- Pandas DataFrame 自动以表格形式渲染，支持排序、筛选（鼠标悬停列头即可操作）
Matplotlib 可视化无缝呈现
绘图无需额外配置，默认就能内嵌显示：
- 确保在代码开头有 %matplotlib inline（仅需一次，放在第一个单元格）
- 调用 plt.show() 或直接写出 figure 对象（如 df.plot()），图表自动出现在交互窗口
- 右键图表可保存为 PNG/SVG，双击可弹出独立窗口进行缩放与交互（需开启 %matplotlib widget 并安装 ipympl）
调试与数据分析协同工作
VSCode 的调试能力让数据分析更可控：
- 在任意单元格打上断点（点击行号左侧），按 F5 启动调试，支持变量监视、表达式求值、步进执行
- Pandas 数据查看器（Data Viewer）可直接打开 DataFrame 变量，以表格形式浏览、排序、过滤（右键变量 → View Value in Data Viewer）
- 结合 Git 集成，边分析边提交中间结果和注释，团队协作时逻辑更清晰
基本上就这些。配置一次，后续新建文件、加载数据、探索分布、调试模型，一气呵成。不复杂但容易忽略的是：保持扩展更新、定期清理内核缓存（Jupyter: Restart Kernel）、以及善用 VSCode 的命令面板（Ctrl+Shift+P）快速唤出常用功能。
