查看Python版本如何在JupyterLab中查看查看Python版本的JupyterLab操作方法-Python教程-PHP中文网

查看Python版本如何在JupyterLab中查看查看Python版本的JupyterLab操作方法

雪夜

发布： 2025-08-17 17:04:01

原创

475人浏览过

在jupyterlab中查看python版本最直接的方法有两种：一是通过终端执行python --version或python3 --version，二是在notebook代码单元格中运行import sys; print(sys.version)或使用!python --version；2. jupyterlab中的python版本取决于当前内核，可能与系统python版本不同，因项目常运行在隔离的虚拟或conda环境中；3. 切换内核需先为环境安装ipykernel，再通过python -m ipykernel install注册，之后在jupyterlab的“内核”菜单中选择目标环境；4. 系统python是全局默认解释器，而jupyterlab使用的python来自特定内核环境，具有独立的库和版本，确保项目依赖隔离。因此，查看版本时应确认是内核环境还是系统环境，以避免依赖冲突问题。

查看Python版本如何在JupyterLab中查看查看Python版本的JupyterLab操作方法

在JupyterLab中查看Python版本，最直接的方法有两种：一是通过JupyterLab自带的终端，二是直接在Notebook的代码单元格中执行Python命令。这两种方式都能让你快速了解当前环境或正在运行的内核所使用的Python版本。

解决方案

要查看Python版本，我通常会根据手头的工作习惯来选择。

方法一：通过JupyterLab终端

立即学习“Python免费学习笔记（深入）”；

这是我个人觉得最直接、也最能反映“真实”环境版本的方法。

打开终端： 在JupyterLab界面左侧的文件浏览器中，点击“文件”菜单（File） -> “新建” (New) -> “终端” (Terminal)。这会打开一个Linux/macOS风格的命令行界面。
输入命令： 在终端里，你可以尝试以下命令：
- ```
python --version
```
  登录后复制
  ：这是最常用的，它会显示系统默认的Python版本。但要注意，如果你的系统里装了Python 2和Python 3，这个命令可能指向Python 2。
- ```
python3 --version
```
  登录后复制
  登录后复制
  ：这个命令通常会明确指向Python 3的版本。
- ```
conda list python
```
  登录后复制
  (如果你在使用Anaconda或Miniconda)：这个命令会列出当前激活的Conda环境中安装的所有包，包括Python的版本。这对于管理多个环境的用户来说特别有用，因为JupyterLab常常运行在某个特定的Conda环境里。
- ```
which python
```
  登录后复制
  或
```
which python3
```
  登录后复制
  ：这两个命令可以告诉你
```
python
```
  登录后复制
  登录后复制
  或
```
python3
```
  登录后复制
  登录后复制
  命令实际指向的Python解释器的路径，这能帮助你理解是哪个Python在被调用。

方法二：在Notebook代码单元格中

这种方法的好处是，它显示的是你当前正在运行的Jupyter Notebook内核所使用的Python版本。这对于确保你的代码运行在预期的Python版本上至关重要。

新建或打开Notebook： 在JupyterLab中新建一个Python 3 Notebook，或者打开一个已有的Notebook。
输入代码： 在一个代码单元格中输入以下Python代码并运行：
```
import sys
print(sys.version)
```
登录后复制
这会输出详细的Python版本信息，包括编译日期和编译器信息。
使用Shell命令： 你也可以在Notebook单元格中直接运行Shell命令，只需在命令前加上
```
!
```
登录后复制
：
```
!python --version
```
登录后复制
或者
```
!python3 --version
```
登录后复制
这和在终端里运行的效果类似，但它是在当前Notebook的执行环境中运行的。

为什么JupyterLab中会有多个Python版本？

这其实是个很常见的问题，也是我刚接触Python和数据科学工具时经常困惑的地方。简单来说，JupyterLab本身只是一个Web界面，它运行的Python环境（或者说“内核”）是可以被配置和切换的。你系统里可能装了一个“全局”的Python，但为了项目隔离和依赖管理，我们经常会创建各种“虚拟环境”或“Conda环境”。

比如，你可能有一个项目需要Python 3.8和特定版本的库，而另一个项目则需要Python 3.9。为了避免库版本冲突，你会为每个项目创建一个独立的环境。JupyterLab的强大之处就在于它能识别并连接到这些不同的环境。每个环境都可以看作是一个独立的Python安装，有自己的一套库和解释器。当你选择一个特定的内核来运行Notebook时，你实际上就是在使用那个环境里的Python版本。所以，你看到的JupyterLab中的Python版本，通常是你当前所选内核对应的Python版本，它不一定是你系统默认的那个。

如何在JupyterLab中切换或管理Python环境？

管理和切换JupyterLab中的Python环境，是高效开发的关键一步。我个人觉得，掌握这一点能省下不少麻烦。

首先，你需要确保你的虚拟环境（无论是

venv

登录后复制

还是Conda环境）已经安装了

ipykernel

登录后复制

这个包。

ipykernel

登录后复制

是Jupyter连接到Python环境的桥梁。

1. 为现有环境安装ipykernel并注册为Jupyter内核：

假设你已经创建了一个名为

my_env

登录后复制

的Conda环境或虚拟环境，并且激活了它。在终端中（可以是JupyterLab的终端，也可以是系统终端），执行：

# 激活你的环境
# 如果是conda环境：
conda activate my_env

# 如果是venv环境：
source my_env/bin/activate # Linux/macOS
my_env\Scripts\activate # Windows

# 安装ipykernel
pip install ipykernel

# 将该环境注册为Jupyter的内核
python -m ipykernel install --user --name my_env --display-name "我的项目环境 Python"

登录后复制

--display-name

登录后复制

参数非常重要，它决定了这个内核在JupyterLab界面中显示的名字，起一个有辨识度的名字能让你在切换时一目了然。

2. 在JupyterLab中切换内核：

当你完成上述注册后，刷新JupyterLab页面。

新建Notebook时： 在JupyterLab界面，点击“文件” (File) -> “新建” (New) -> “Notebook”，你会在弹出的菜单中看到你刚刚注册的“我的项目环境 Python”作为可选项。
切换现有Notebook的内核： 打开一个Notebook后，在顶部菜单栏选择“内核” (Kernel) -> “更改内核” (Change Kernel)，然后选择你想要切换到的环境。

3. 创建新的Conda环境并在JupyterLab中使用：

如果你是Conda用户，创建新环境并直接在JupyterLab中使用会更方便：

# 在终端中创建新环境，并指定Python版本
conda create -n new_project_env python=3.9 ipykernel

# 激活新环境
conda activate new_project_env

# 注册为Jupyter内核（如果上面创建时没有自动安装ipykernel，这里需要手动pip install ipykernel）
python -m ipykernel install --user --name new_project_env --display-name "新项目Python 3.9"

登录后复制

之后，你就可以在JupyterLab中看到并选择这个新环境了。

JupyterLab中的Python版本与系统Python版本有何不同？

这确实是很多初学者容易混淆的地方。我个人觉得，理解它们的区别是深入使用Python和其生态系统的基础。

系统Python版本指的是你操作系统（如Windows、macOS、Linux）默认安装的Python解释器。当你直接在命令行输入

python

登录后复制

或

python3

登录后复制

时，通常调用的就是这个系统Python。它可能是在你安装操作系统时就预装的，也可能是你后来手动安装的（比如从Python官网下载安装包）。这个版本的Python通常位于系统的某个全局路径下，比如

/usr/bin/python3

登录后复制

。

JupyterLab中的Python版本，更准确地说，是JupyterLab所连接的“内核”所使用的Python解释器版本。这个内核可以是你系统默认的Python，但更常见的情况是，它是一个特定“虚拟环境”或“Conda环境”中的Python。

关键区别在于：

隔离性： 系统Python是全局的，所有程序都可能共享它和它安装的库。而JupyterLab中使用的虚拟环境Python是高度隔离的。每个虚拟环境都有自己独立的Python解释器和一套库，互不干扰。这就像你在电脑上安装了多款游戏，每款游戏可能需要不同版本的DirectX或运行库，你不会让它们共享同一套，以免冲突。
管理方式： 系统Python的管理通常依赖于操作系统的包管理器（如apt、yum、brew）或直接的安装程序。而JupyterLab中的环境Python则通过
```
conda
```
登录后复制
、
```
pip
```
登录后复制
、
```
venv
```
登录后复制
登录后复制
等工具进行管理，你可以轻松地创建、激活、删除不同的环境，并为每个环境安装特定版本的库。
用途： 系统Python可能用于运行一些系统脚本或作为默认的Python环境。而JupyterLab中的环境Python则主要用于数据科学项目、Web开发等需要特定依赖或版本隔离的场景。