查看Python版本如何在JupyterNotebook中查询 查看Python版本的Notebook操作技巧​

最直接的方法是在jupyter notebook的代码单元格中运行import sys; print(sys.version)来查看当前内核所使用的python版本，该命令会输出完整的版本信息及编译细节，若需简洁版本号可使用import platform; print(platform.python_version())，而jupyter通过“内核”机制关联不同的python环境，每个内核对应一个独立的python解释器和依赖集合，因此可通过sys.executable确认当前内核路径，并通过在对应虚拟环境中安装ipykernel并注册内核来添加新环境，切换内核可在notebook的kernel菜单中完成，避免混淆全局python版本与内核环境的关键是始终在目标环境中安装包或使用!pip install在notebook内执行安装，从而确保依赖正确匹配当前运行环境，这一机制有效支持多项目多版本的隔离管理。

在Jupyter Notebook中查看当前Python版本，最直接的方法就是在代码单元格里运行几行简单的Python代码。这能让你快速了解当前Notebook会话所使用的Python解释器版本，对于排查环境问题或确认依赖关系至关重要。

解决方案

打开你的Jupyter Notebook，无论是新建一个文件还是打开一个已有的。在一个代码单元格中，输入以下代码：

import sys print(sys.version)

运行这个单元格（通常是选中单元格后按

Shift + Enter

）。输出会立即显示当前Jupyter Notebook内核所使用的Python版本信息，包括主版本、次版本、修订版本以及编译细节。

立即学习“Python免费学习笔记（深入）”；

如果你需要更简洁的版本号，或者想获取更多关于Python构建环境的信息，也可以尝试使用

platform

模块：

import platform print(platform.python_version())  # 仅显示版本号，如 '3.9.7' print(platform.python_build())    # 显示构建号和日期 print(platform.python_compiler()) # 显示编译器的信息

这些方法能让你一眼看出当前环境的Python版本，这在很多时候是解决“为什么我的代码在这里能跑，那里就报错”这类问题的起点。

Jupyter Notebook中的内核（Kernel）与Python环境有何关联？

刚开始用Jupyter Notebook的朋友，可能会有点困惑：我明明在系统里装了Python 3.10，为什么Jupyter里跑的却是3.9？或者，我的某个项目需要Python 3.7，另一个需要3.9，Jupyter怎么处理？这背后的核心概念就是Jupyter的“内核”（Kernel）。

简单来说，Jupyter Notebook本身只是一个Web应用，它提供了一个交互式的界面。实际的代码执行，是交给它所连接的“内核”来完成的。对于Python Notebook而言，每个内核都对应一个特定的Python执行环境，通常就是一个独立的Python虚拟环境（比如通过Conda或venv创建的）。当你启动一个Notebook文件时，你选择了一个内核，这个内核就会连接到它所关联的Python环境，并使用该环境中的Python解释器、以及该环境下安装的所有库。

这种设计非常巧妙，它允许你在同一台机器上管理和运行多个独立的Python项目，每个项目都可以拥有自己专属的Python版本和依赖库集合，互不干扰。这对于避免“依赖地狱”——即不同项目间库版本冲突——简直是救星。你可以为老项目维护一个Python 3.7的环境，同时为新项目使用Python 3.10，并在Jupyter中轻松切换。

你可以在Jupyter Notebook界面右上角看到当前正在使用的内核名称。更进一步，在终端运行

jupyter kernelspec list

命令，可以查看所有已注册到Jupyter的内核及其对应的路径，这能让你更清晰地了解你的Jupyter都“认识”哪些Python环境。

如何为Jupyter Notebook添加或切换Python环境？

既然Jupyter的强大之处在于能管理多个Python环境，那么如何添加新的环境并进行切换就成了关键。

添加新的Python环境作为Jupyter内核：

如果你使用Conda管理环境，流程如下：

1. 创建新环境并指定Python版本：

   conda create -n my_new_env python=3.10
2. 激活新环境：

   conda activate my_new_env
3. 在新环境中安装

   ipykernel

   ：

   ipykernel

   是Jupyter连接Python环境的桥梁。

   pip install ipykernel
4. 将新环境注册为Jupyter内核：

   python -m ipykernel install --user --name my_new_env --display-name "Python (我的新环境)"

   --display-name

   参数非常实用，它决定了你在Jupyter Notebook新建文件时下拉菜单里看到的名字，起一个直观的名字能省去不少后期查找的麻烦。

如果你使用

venv

管理环境，步骤类似：

1. 创建新虚拟环境：

   python -m venv my_venv
2. 激活新环境：

   source my_venv/bin/activate  # macOS/Linux # 或 my_venvScriptsactivate  # Windows
3. 在新环境中安装

   ipykernel

   ：

   pip install ipykernel
4. 注册为Jupyter内核：

   python -m ipykernel install --user --name my_venv --display-name "Python (我的Venv环境)"

完成上述步骤后，重启你的Jupyter Notebook服务，新的内核通常就会出现在“新建”菜单或“更改内核”选项中了。有时候新加的内核没显示出来，别慌，重启一下Jupyter Notebook服务通常就能解决。这就像电脑出了小毛病，重启大法往往有效。

在Jupyter Notebook中切换环境：

一旦你添加了多个Python环境作为内核，切换起来就非常方便了：

• 对于已打开的Notebook： 点击顶部菜单栏的“Kernel” -> “Change kernel”，然后从列表中选择你想要切换到的Python环境。
• 新建Notebook时： 在Jupyter的Launcher页面，直接点击你想要使用的Python环境对应的Notebook图标即可。

Jupyter Notebook版本管理：常见误区与高效排查策略

Jupyter Notebook的环境和版本管理，虽然带来了巨大的灵活性，但也伴随着一些常见的误区，理解这些并掌握排查策略，能大大提升你的开发效率。

常见误区：

1. 混淆全局Python与内核Python： 许多人会想当然地认为，在终端里敲

   python --version

   看到的版本，就是Jupyter Notebook正在使用的版本。但实际上，你Jupyter Notebook里运行的代码，是其当前内核所关联的Python环境。这个环境可能是一个独立的虚拟环境，与你的系统全局Python版本并不一致。务必通过在Notebook中运行

   import sys; print(sys.version)

   来确认内核的真实版本。

2. 包安装位置的误解： 你可能在终端里直接运行

   pip install some_package

   ，然后疑惑为什么在Jupyter里导入这个包会报错。这是因为你可能没有激活Jupyter当前使用的那个虚拟环境就进行了安装，导致包被安装到了系统全局Python或其他环境中，而不是Jupyter内核所关联的环境。

高效排查策略：

1. 验证Python解释器路径： 为了确认当前Jupyter内核到底关联的是哪个Python解释器，可以在Notebook中运行：

   import sys print(sys.executable)

   这个命令会打印出当前内核所使用的Python解释器的完整路径。对照这个路径，你就能清楚地知道它到底指向的是哪个虚拟环境，如果路径不对，那就是内核配置出了问题。

2. 确保在正确环境中安装包： 解决包安装位置误解的最佳方法是：

   • 方法一（推荐）： 始终确保你在终端激活了Jupyter Notebook当前使用的那个Python环境（比如

     conda activate my_env

     或

     source my_venv/bin/activate

     ），然后再执行

     pip install

     命令。

   • 方法二（快速验证）： 直接在Jupyter Notebook的代码单元格里使用

     !

     前缀来执行shell命令，这样可以确保命令在当前内核所关联的环境中运行。例如：

     !pip install pandas

     我个人更倾向于后者，尤其是在快速验证或演示时，省去了切换终端环境的麻烦，保证了操作的即时性。

3. 检查当前环境已安装的包： 当遇到

   ModuleNotFoundError

   或其他与包相关的问题时，检查当前环境已安装的包及其版本是第一步。

   !pip list

   或者更Pythonic地：

   import pkg_resources for dist in pkg_resources.working_set:     print(f"{dist.project_name}=={dist.version}")

   这些命令能帮你列出当前Jupyter内核环境中所有已安装的包及其版本。很多时候代码运行出错，就是因为某个库的版本不对，或者压根没安装。

Jupyter Notebook的版本管理和环境隔离，虽然初看起来可能有点绕，但一旦你理解了“内核”和“环境”之间的对应关系，它会成为你Python开发中非常强大的工具。多花点时间理解这些，能帮你避免很多不必要的“环境问题”导致的崩溃和时间浪费。