需勾选设置项python.dataScience.sendSelectionToInteractiveWindow，启用后Shift+Enter将选中代码发送至Python Interactive窗口而非终端，确保变量保留与结构化输出。
怎么让 shift+enter 固定发到 Python Interactive 窗口而不是终端
默认情况下，shift+enter 会把选中代码发到当前活跃终端（可能是 bash/zsh 或系统默认 shell），而不是专门的 Python Interactive 窗口——这会让变量无法跨执行保留，也看不到结构化输出（如 DataFrame 表格）。关键在于开关配置项：python.dataScience.sendSelectionToInteractiveWindow。
操作路径：打开 VS Code 设置（Ctrl+,），搜索该配置项，勾选它。注意：此设置只在已安装 Python 和 Jupyter 插件的前提下生效；若未安装 Jupyter 插件，勾选后仍会 fallback 到终端。
常见错误现象：
- 勾选后仍发到终端 → 检查是否打开了 .py 文件但没关联 Python 解释器（左下角无 Python 版本提示）
- 勾选后报错 “No kernel available” → 当前解释器不支持 Jupyter 内核（例如某些精简版 Python 或未装
ipykernel）
验证是否生效：新建空白 .py 文件，写 a = [1, 2, 3]，选中后 shift+enter，观察右侧面板是否自动弹出 Python Interactive 标签页并显示 Out[1]: [1, 2, 3]。
立即学习“Python免费学习笔记（深入）”；
为什么 import pandas as pd; pd.DataFrame(...) 在 Interactive 中不显示表格而只打印 repr
VS Code 的 Python Interactive 默认使用 IPython 内核，但表格渲染依赖前端支持和内核的富输出协议（rich output protocol）。单纯执行 pd.DataFrame(...) 不触发自动渲染，除非满足以下任一条件：
- 语句是单元格最后一行表达式（即没有分号结尾、没有赋值）
- 显式调用
_repr_html_()或display()（需 from IPython.display import display） - 在 Jupyter Notebook（.ipynb）文件中运行（原生支持）
推荐做法：在 .py 文件中写 display(df) 而非仅 df；若不想引入 IPython 依赖，可用 print(df.to_string()) 查看完整文本形式。
性能影响：开启 HTML 渲染对小 DataFrame 几乎无感，但大数据集（>10w 行）可能卡顿或触发截断——此时应改用 df.head() 或设置 pd.set_option('display.max_rows', 50)。
如何在 Interactive 窗口中查看变量类型、形状和内存占用
VS Code 的变量资源管理器（Variable Explorer）只在 Jupyter Notebook（.ipynb）中默认激活；在 .py + Interactive 模式下，它不会自动出现，但可通过命令面板手动唤起。
操作步骤：
- 确保已执行过至少一段含变量定义的代码（如
arr = np.random.rand(1000, 1000)） - 按
Ctrl+Shift+P打开命令面板，输入 “Python: Show Variable Viewer”，回车 - 窗口将列出所有顶层变量，点击可展开查看 dtype、shape、size、memory usage 等字段
容易踩的坑：
- 变量名含特殊字符（如
df-1）或以数字开头（如1st_col）→ 不会被识别为有效变量，不出现在列表中 - 在函数内部定义的局部变量 → 不可见，变量资源管理器只展示全局作用域
- 未安装
numpy或pandas→ 数值型变量只显示int/float，不显示 shape/dtype 细节
切换虚拟环境后 Interactive 窗口不加载新包怎么办
VS Code 的 Python Interactive 窗口启动后会绑定初始内核（kernel），后续切换解释器（通过左下角 Select Python Environment）**不会自动重启内核**。这意味着即使你选了 conda 环境 A，Interactive 里仍跑着旧环境 B 的内核。
必须手动重启：
- 点击 Python Interactive 窗口右上角的「重新启动内核」按钮（循环箭头图标）
- 或按
Ctrl+Shift+P，输入 “Jupyter: Restart Kernel and Clear All Outputs”，回车
验证是否成功：
- 执行
import sys; print(sys.executable)，路径应与你选择的解释器一致 - 执行
!pip list | grep torch（假设你装了 PyTorch），确认版本号匹配预期环境
忽略这点会导致：明明 pip install 成功，却报 ModuleNotFoundError；或者 import sklearn 成功但 sklearn.__version__ 显示旧版本。
