VSCode Notebook 图表不显示主因是渲染器配置错误：Matplotlib需%matplotlib inline，Plotly需设pio.renderers.default="vscode"，Pyecharts需声明NotebookType.JUPYTER_LAB，Mermaid需安装bierner.markdown-mermaid扩展并重启VSCode。
VSCode Notebook 里图表不显示，八成是渲染器没对上，不是代码写错了。
为什么 plt.show() 在 VSCode Notebook 里没反应？
Matplotlib 默认用 agg 或 tkagg 后端，这些后端不支持内嵌渲染——它们要么静默丢弃图像，要么弹出独立窗口（在远程或容器环境里直接失败）。
- 必须显式启用内联后端：在第一个代码单元运行
%matplotlib inline（注意是魔法命令，不是函数调用） - 别写
plt.show()：它在 inline 模式下是冗余的，还可能干扰输出顺序 - 如果用了
%matplotlib widget，需额外装ipympl，且只在本地有 GUI 的环境下稳定；远程服务器或 WSL 常卡住或报ModuleNotFoundError: No module named 'ipykernel' - 执行
%matplotlib不带参数可查看当前后端，输出含inline才算生效
Plotly 图表显示为空白或报 No renderer could be found
这是 VSCode Notebook 最典型的 Plotly 故障，根源在于 plotly.io.renderers 没指向正确通道。
- 先确认已安装完整依赖：
pip install plotly notebook（jupyter-core单独装不够） - 运行
import plotly.io as pio; print(pio.renderers)，输出中必须包含vscode或notebook；若只有browser，说明没激活内嵌支持 - 手动设为
pio.renderers.default = "vscode"（仅限 VSCode 环境）或"notebook"（跨平台兼容性更好） - 切记：内核重启后，这行设置必须重跑；只重跑绘图单元格不会恢复 JS 注入能力
- 禁用冲突扩展，比如旧版 Jupyter 扩展（非
ms-toolsai.jupyter）、Python Test Explorer，它们会劫持前端资源加载
Pyecharts 图表调用 render_notebook() 后仍不显示
Pyecharts 在 VSCode Notebook 中依赖 Jupyter Lab 的 JS 加载机制，而 VSCode 的实现更轻量，容易漏掉初始化步骤。
- 必须提前声明环境类型：
from pyecharts.globals import CurrentConfig, NotebookType; CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB -
render_notebook()必须是单元格最后一行（不能跟在print()后面），否则输出被覆盖 - 确保已安装
pyecharts和jupyter（不是jupyter-core），且版本匹配（推荐pyecharts>=2.0.0） - 如果用的是较新 VSCode + Jupyter 扩展（v2026+），部分 Pyecharts 版本会因 CSP 策略拦截 JS 资源，此时改用
bar.render("chart.html"); !cat chart.html临时绕过
Mermaid 流程图在 Markdown 单元里不渲染
Mermaid 渲染完全依赖扩展，VSCode 内置 Markdown 预览默认不支持 Mermaid。
- 必须安装官方认可的扩展：
bierner.markdown-mermaid（注意不是shd101wyy.markdown-preview-enhanced等第三方变体） - 安装后需重启 VSCode，否则扩展不激活——这是 70% 用户卡住的原因
- 语法必须严格用
```mermaid包裹，不能是```md或空代码块 - 主题配置影响渲染稳定性：
"markdown-mermaid.darkModeTheme": "dark"可避免深色模式下字体不可见 - 在 Notebook 的 Markdown 单元中，Mermaid 渲染有时滞后于代码单元执行，可尝试先运行一个空 Python 单元“唤醒”内核
真正麻烦的从来不是画图本身，而是每个库对“内嵌渲染”的理解各不相同——Matplotlib 认为 inline 就够了，Plotly 需要 renderer 显式指定，Pyecharts 依赖 Jupyter Lab 的 JS 生命周期，Mermaid 则完全交给扩展托管。混用时稍不注意，就变成排查渲染链路的侦探游戏。
