必须确认VSCode中Python解释器正确指向Anaconda或venv环境，否则pandas等库报ModuleNotFoundError；通过Ctrl+Shift+P选择带anaconda3/envs路径的解释器，并用终端验证which python与sys.executable一致。

确认 Python 解释器已正确配置

VSCode 不自带 Python 运行环境，python 命令能否被识别、是否指向你安装的 Anaconda 或 venv 环境，直接决定后续所有操作是否生效。常见错误是 VSCode 自动选中了系统自带的旧版 python（比如 macOS 的 /usr/bin/python3），导致 pandas、matplotlib 报 ModuleNotFoundError。

• 按 Ctrl+Shift+P（Windows/Linux）或 Cmd+Shift+P（macOS），输入并选择 Python: Select Interpreter
• 从列表中选带 anaconda3、miniconda3 或明确含 envs/your-env-name 路径的选项；若用虚拟环境，确保该环境已通过 pip install pandas numpy matplotlib seaborn 安装依赖
• 打开终端（Ctrl+`），执行 which python 和 python -c "import sys; print(sys.executable)"，输出路径应与上一步选中的解释器一致

用终端快速初始化项目结构

不必手动建文件夹再点鼠标右键新建文件——在 VSCode 集成终端里几条命令就能搭好最小可用结构。关键不是“多酷”，而是避免后续因路径错乱导致 import 失败或数据读取报 FileNotFoundError。

• 在空文件夹下运行：

  mkdir -p data notebooks src
  touch notebooks/explore.ipynb src/__init__.py src/utils.py

• data/ 存放 CSV/Excel 原始数据（VSCode 的 Python 扩展默认把该目录视为资源根，pd.read_csv("data/sales.csv") 可直接工作）
• notebooks/ 放 Jupyter 文件；右键打开方式选 Open with Notebook Editor，而非普通文本编辑器
• 若在 src/ 里写模块，需确保当前工作目录是项目根（不是 src/），否则 import src.utils 会失败

一键运行 .py 或 .ipynb 的实操要点

VSCode 提供多种运行方式，但行为差异大：右键菜单的 Run Python File in Terminal 会 cd 到文件所在目录再执行，而 Run Selection/Line in Python Terminal 默认在当前工作区根目录运行 —— 这直接影响相对路径解析。

Windows-Android_SSH_Remote_Control

通过 SSH 隧道从 Android 设备在互联网上对 Windows PC 实现完整远程控制的设置与使用指南，适用于远程桌面访问、安全 RDP 等。

下载

• 对脚本（main.py）：推荐右键 → Run Python File in Terminal，它自动激活所选解释器，并在文件同级目录启动，适合读取同目录 data/ 下的文件
• 对 notebook：点击右上角 ▶️ 按钮运行单元格，或按 Ctrl+Enter；注意 kernel 必须与解释器一致（右下角显示 Python 3.x.x ('myenv': conda)）
• 调试时务必检查左下角状态栏的 Python 解释器和右上角 notebook 的 Kernel 是否指向同一环境，否则 import 成功但 plt.show() 无反应、或 seaborn 样式不生效

调试数据分析代码时容易忽略的三件事

数据处理常卡在“没报错但结果不对”，VSCode 的调试器比 print 更准，但得避开几个隐蔽坑。

立即学习“Python免费学习笔记（深入）”；

• 变量查看器（Variables panel）里 pandas.DataFrame 默认只显示前 10 行，右键变量 → Debug: View Value 才能看完整内容或调用 .head(50)
• 在 notebook 中打断点后按 F5 无效，必须先运行一次单元格让 kernel 加载模块，再在后续单元格设断点并用 Shift+Enter 触发调试
• 绘图不弹窗？在 .py 脚本末尾加 plt.show(block=True)；在 notebook 中确保首行有 %matplotlib inline 或 %matplotlib widget（后者需装 ipympl）

实际项目里，最耗时间的往往不是写代码，而是解释器路径错、工作目录错、kernel 和解释器不一致这三处。每次新建项目，花 30 秒确认这三点，比后面查一小时 ImportError 划算。