VSCode中正确配置Jupyter Notebook需四步：一、手动指定jupyter可执行文件路径；二、统一Python解释器与内核环境；三、用%matplotlib inline避免图形渲染问题；四、规范变量命名并预检数据加载，防止内核崩溃。
VSCode 里用 Jupyter Notebook 做数据分析，核心不是装插件就完事——得让 jupyter 内核真正被识别、能连上、且不卡在依赖冲突或路径错误上。
确认 Python 环境和 jupyter 可执行文件位置
VSCode 不自动继承系统终端的 PATH，常导致它找不到 jupyter 命令。先在终端运行：
which jupyter
或 Windows 上：
where jupyter
拿到路径后，在 VSCode 设置里搜 jupyter.jupyterCommand，填入完整路径（例如 /opt/anaconda3/bin/jupyter 或 C:\Users\Alice\Anaconda3\Scripts\jupyter.exe）。否则即使装了插件，新建 notebook 也会报 command 'jupyter.runCell' not found。
选择正确的 Python 解释器和内核
按 Ctrl+Shift+P（macOS 是 Cmd+Shift+P），输入 Python: Select Interpreter，选你装了 pandas、numpy、matplotlib 的环境（比如 conda env 或 venv）。然后打开一个 .ipynb 文件，右上角点击内核选择器（显示类似 Python 3.11.5 ('myenv': conda)），确保它和上面选的解释器一致。常见坑：pip install jupyter 在 base 环境，但 VSCode 用了虚拟环境，结果 kernel 启动失败，报 No module named 'IPython'。
处理 matplotlib 图形不显示或弹窗卡死
默认后端可能触发 GUI 阻塞。在 notebook 第一个 cell 运行：
%matplotlib inline
而不是 %matplotlib widget 或 %matplotlib qt。如果非要交互式，需额外装 ipympl 并重启内核：
pip install ipympl<br>jupyter nbextension enable --py --sys-prefix ipympl
但注意：ipympl 在 VSCode 的 Remote-SSH 或某些 Linux 桌面环境下可能无法渲染，此时老实用 inline 最稳。
避免变量名冲突和 kernel 意外重启
VSCode 的 notebook 默认共享 kernel，但「Run All Cells」时若某 cell 报错（比如 NameError 或 MemoryError），后续 cell 可能因变量未定义而连锁失败。建议：
- 写分析前先清空所有变量：加一个 cell 运行
%reset -f - 避免用
df、data这类泛化变量名，改用带业务含义的（如sales_q3_2024） - 大文件读取加
low_memory=False和nrows=1000快速试跑，别一上来就pd.read_csv('huge.csv')
内核崩溃往往不是 VSCode 的问题，而是 pandas 版本和 numpy 不兼容，或者某个 cell 里写了无限循环 —— 这些细节比界面操作更决定你能不能把分析跑通。
