VS Code 能运行 Jupyter Notebook 的前提是同时满足装对扩展、选对解释器、注册对 ipykernel 内核；仅选解释器不等于内核可用，必须在目标环境执行 python -m ipykernel install --user 注册，否则显示“no kernel”或单元格不可执行。
VSCode 能直接运行 Jupyter Notebook，但必须同时满足三个条件：装对扩展、选对解释器、注册对 ipykernel 内核——缺一不可，否则会卡在 “No kernel found” 或单元格灰色不可执行。
为什么选了 Python 解释器，却 still no kernel？
VSCode 的 “Python: Select Interpreter” 只告诉编辑器用哪个 python 命令，不等于它能被 Jupyter 调用。Jupyter 扩展实际依赖的是 ipykernel 实例，而这个实例需要显式安装并注册。
- 先在终端激活目标环境：
conda activate ds或source venv/bin/activate - 再运行：
python -m ipykernel install --user --name ds --display-name "Python (ds)" - 注册后检查是否生效：
jupyter kernelspec list，输出里应含ds且路径无空格或中文 - 重启 VSCode（不是重载窗口），打开
.ipynb文件，右上角点 kernel 选择器，应看到Python (ds)
运行单元格报 ModuleNotFoundError 怎么办？
这是最典型的“环境错位”：VSCode 界面显示选中了 ./venv/bin/python，但 kernel 启动时加载的却是系统 Python 的 site-packages。
- 在 notebook 里先运行：
import sys; print(sys.executable)，对比输出路径和你选的 interpreter 是否一致 - 如果不一致，说明 kernel 绑定错了——删掉对应内核目录：
~/.local/share/jupyter/kernels/ds（Linux/macOS）或%USERPROFILE%\AppData\Roaming\jupyter\kernels\ds（Windows） - 重新在该环境下运行
python -m ipykernel install，不要跨环境混用pip和conda安装ipykernel - 避免全局注册：永远在目标虚拟环境中执行注册命令，而不是在 base 环境里装完再切过去
用 # %% 分隔的 .py 文件替代 .ipynb 更稳
直接编辑 .ipynb 在 Git 协作中极易冲突：输出、metadata、cell id 全是 JSON 差异，肉眼无法 review。而 # %% + .py 是纯文本，diff 清晰、合并安全。
- 新建
explore.py，写两段代码，中间加# %% - 光标放在任一段内，按
Shift+Enter，VSCode 自动打开交互式窗口执行 - 变量自动进 Variables 面板，
DataFrame双击可展开表格预览 - 不会因意外保存输出污染文件，也避免 kernel 重启丢失上下文
真正容易被忽略的是：VSCode 不会自动帮你把已装 jupyter 的环境“变成可用内核”，必须手动 python -m ipykernel install；而且每次换环境、重装 Python、或升级 conda，都得重新注册一次——这不是一次性配置，而是环境生命周期里的常规操作。
