当前位置：首页 > 文章列表 > 文章 > python教程 > JupyterNotebook运行Python脚本教程

JupyterNotebook运行Python脚本教程

2025-08-19 15:01:04 0浏览收藏

Jupyter Notebook作为强大的交互式开发环境，支持多种方式运行Python脚本。本文详细介绍了两种主要方法：一是直接在Notebook的Cell中编写和执行代码，适合快速测试和原型开发；二是调用外部`.py`脚本，包括使用`%run` magic command导入整个脚本，利用`import`语句导入特定函数或类，以及通过`subprocess`模块运行脚本并捕获输出。此外，本文还探讨了如何在Jupyter Notebook中调试Python脚本，管理Python环境（venv和conda），以及运行不同版本的Python，为开发者提供全面的Jupyter Notebook使用指南，提升开发效率。

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。

运行Python脚本如何在Jupyter Notebook中运行运行Python脚本的Notebook执行方法

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：
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。
1. 创建虚拟环境：
```
python3 -m venv myenv
```
2. 激活虚拟环境：
  - 在Linux或macOS上：
```
source myenv/bin/activate
```
  - 在Windows上：
```
myenv\Scripts\activate
```
3. 安装依赖：
```
pip install numpy pandas
```
4. 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。
1. 创建虚拟环境：
```
conda create --name myenv python=3.9
```
2. 激活虚拟环境：
```
conda activate myenv
```
3. 安装依赖：
```
conda install numpy pandas
```
4. 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。
1. 使用pyenv安装Python版本：
```
pyenv install 3.7.12
pyenv install 3.9.7
```
2. 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
```
3. 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。