VS Code 运行 Jupyter Notebook 的核心是正确配置 Python 解释器、安装 ipykernel 并完成内核注册；三者缺一不可，且需确保解释器路径准确、ipykernel 用 pip 安装并加 --user 注册、避免远程模式误配及 conda/pip 混用。
VS Code 能跑 Jupyter Notebook，关键不在插件装没装全，而在于 Python 解释器选对了、ipykernel 装对了、内核注册对了——三者缺一不可。装了 Jupyter 插件却点不动运行按钮，90% 是这三步中某一步断在了环境里。
为什么选了 Python 解释器，右上角还是没内核可选
VS Code 不会自动扫描你系统里所有 Python 环境里的 jupyter 或 ipykernel，它只认你当前选中的那个解释器路径下是否装了 ipykernel 并完成注册。
- 先确认解释器路径：按
Ctrl+Shift+P（Win/Linux）或Cmd+Shift+P（Mac），输入Python: Select Interpreter，选一个明确指向虚拟环境或 conda 环境的路径，比如~/venv/bin/python或~/miniconda3/envs/ds-env/bin/python - 打开终端（确保已激活该环境），执行：
python -m pip list | grep ipykernel（macOS/Linux）或python -m pip list | findstr ipykernel（Windows）；没输出就立刻装：python -m pip install ipykernel - 注册内核时必须加
--user：运行python -m ipykernel install --user --name ds-env --display-name "Python 3 (ds-env)"；--name不能含空格，--display-name才是下拉菜单里看到的名字 - 注册完重启 VS Code，或用命令面板执行
Developer: Reload Window，再打开.ipynb文件看右上角
内核显示 “Python 3 (unavailable)” 怎么办
这个提示不是说内核不存在，而是 VS Code 找到了注册信息，但启动失败——本质是通信链路断了。
- 检查是否误配了远程模式：打开工作区设置（
.vscode/settings.json），确认没有"jupyter.jupyterServerType": "remote"或填了"jupyter.remoteJupyterServerUri"这类字段，有就删掉 - 别混用
conda install和pip install：尤其在 pip 环境里用conda install ipykernel容易导致路径错乱，统一用python -m pip install ipykernel - Windows 用户注意权限：如果注册时没加
--user，内核可能被装到系统级目录（如C:\Program Files\...），VS Code 没权限读取；加了--user后，内核实际落在%USERPROFILE%\AppData\Roaming\jupyter\kernels\ - 检查扩展是否真正启用：在扩展面板搜
Jupyter，确认安装的是 ID 为ms-toolsai.jupyter的 Microsoft 官方版（图标是紫色火焰），且状态是“已启用”
交互式窗口（Interactive Window）比 .ipynb 更适合快速验证
很多用户执着于新建 .ipynb 文件，其实日常调试、试函数、看 DataFrame 结构，Jupyter: Create Interactive Window 更轻量、更稳定、不生成文件、支持变量查看器实时刷新。
- 快捷键：
Ctrl+Shift+P→ 输入并执行Jupyter: Create Interactive Window - 粘贴代码后，选中任意一段（比如
import pandas as pd; df = pd.DataFrame({'x': [1,2,3]})），按Shift+Enter即可执行并渲染结果 - 右键窗口空白处可导出为
.ipynb，也可直接保存历史会话为.py脚本 - 它不依赖内核选择器，只要解释器选对、
ipykernel装好就能跑，绕过了.ipynb文件加载阶段的多数报错路径
最常被忽略的其实是工作区粒度的配置：同一个 VS Code 实例打开多个文件夹时，每个文件夹的 Python: Select Interpreter 是独立的，改了 A 项目里的解释器，B 项目不会同步。切记每次进新项目都手动确认一遍右下角显示的 Python 版本和右上角内核名是否匹配。
