VSCode科学计算环境配置需先用conda创建并激活环境（如conda create -n scienv python=3.10），再用conda install安装numpy等库以确保二进制兼容；接着在VSCode中分别配置Python解释器和Jupyter内核路径一致，并重启语言服务器，否则import会报错或补全失效。
VSCode 本身不带任何 Python 科学计算能力，所有库（numpy、pandas、matplotlib 等）都必须装在你选中的解释器环境里；选错解释器或没激活环境，import 就会报 ModuleNotFoundError。
conda 创建环境时为什么推荐用 conda install 而不是 pip install
科学计算库常含 C/Fortran 编译模块（如 numpy 的 BLAS 后端、scipy 的 LAPACK），conda 自带二进制分发和依赖解析，能自动匹配平台与编译器 ABI；pip 在 Windows/macOS 上容易因缺失编译工具链导致安装失败或运行时崩溃。
- 创建并激活环境：
conda create -n scienv python=3.10→conda activate scienv - 装库优先走 conda：
conda install numpy pandas matplotlib scipy scikit-learn jupyter - 仅当 conda 渠道无包时再用 pip：
python -m pip install some-pypi-only-package（避免混用 pip/conda 管理同一环境） - 验证是否装对：在终端中运行
python -c "import numpy; print(numpy.__version__)"，路径必须指向scienv目录
VSCode 里选解释器后，Jupyter 内核还是找不到包？
VSCode 的 Python 解释器选择和 Jupyter 内核是两个独立配置项——即使解释器选对了，Jupyter 可能仍在用默认系统内核或旧环境。
- 打开一个
.ipynb文件，右上角点击内核名称（如 “Python 3.10.12”）→ “Change kernel” → “Enter interpreter path…” - 填入和解释器一致的路径，例如 macOS/Linux：
~/miniconda3/envs/scienv/bin/python；Windows：C:\Users\XXX\miniconda3\envs\scienv\python.exe - 运行单元格：
import sys; print(sys.executable)，输出必须和你填的路径完全一致 - 如果提示 “No module named ipykernel”，就在该环境下运行：
python -m pip install ipykernel，再执行：python -m ipykernel install --user --name scienv --display-name "Python (scienv)"
matplotlib 图表不显示或弹窗卡死？
VSCode 的 Jupyter 扩展默认使用 inline 后端，但某些交互式绘图（如 plt.ion()、动画、plt.show(block=False)）会阻塞或失效；直接调用 plt.show() 在非 GUI 环境下也可能报错。
立即学习“Python免费学习笔记（深入）”；
- 确保在 notebook 单元格开头加 magic 命令：
%matplotlib inline（静态图）或%matplotlib widget（交互式，需额外装ipympl） - 装交互后端：
conda install -c conda-forge ipympl，重启 Jupyter 内核 - 避免在脚本（
.py文件）中混用# %%和plt.show()——# %%单元由 Jupyter 运行，plt.show()会被忽略；改用display(fig)或依赖inline自动渲染 - Linux headless 环境（如远程服务器）需换后端：
import matplotlib; matplotlib.use('Agg')，否则plt.show()会直接崩溃
最容易被忽略的是：VSCode 不会自动感知你新装的包，切换环境后必须手动重启 Python 语言服务器（Ctrl+Shift+P → Python: Restart Language Server），否则智能提示、跳转定义、甚至 import 补全都会失效。这不是缓存问题，是语言服务进程绑定了解释器进程，不重启就永远不知道新包的存在。
