VSCode 的 Jupyter Notebook 支持已深度融入数据科学工作流：开箱即用、内核自动检测、交互执行与可视化；无缝衔接 Python 开发（调试、补全、Git）；插件扩展增强分析能力；支持工程化协作与 CI/CD。
VSCode 中的 Jupyter Notebook 支持，已经不只是“能跑代码”的程度，而是真正融合了现代数据科学工作流的高效环境——它把编辑器的轻量、可扩展和笔记本的交互性、可视化结合得恰到好处。
开箱即用的本地 Notebook 体验
安装 Python 扩展（含 Jupyter 支持）后，VSCode 可直接打开 .ipynb 文件，无需启动独立 Jupyter Server。内核自动检测已安装的 Python 环境（包括 conda、venv、poetry），点击右上角选择即可切换。执行单元时，输出紧贴代码下方，支持 LaTeX 渲染、表格自动美化、图片内联显示，体验接近经典 Jupyter Lab。
- 按 Ctrl+Enter（Windows/Linux）或 Cmd+Enter（macOS）运行当前单元
- 按 Alt+Enter 运行并插入新单元
- 右键单元格可快速转换为 Markdown 或代码模式
无缝衔接 Python 开发全流程
你不用在 VSCode 和 Jupyter Lab 之间来回切换。一个项目里可以同时打开 .py 脚本、.ipynb 笔记本、requirements.txt 和 README.md——所有文件共享同一调试器、Git 集成、代码补全与 linting。比如，在 notebook 中调用本地模块时，只要模块路径在 Python Path 中，IntelliSense 就能正常提示；断点也能直接打在 notebook 单元里，F5 启动调试会话。
- 修改 .py 文件后，用
%reload_ext autoreload+%autoreload 2实时生效 - 通过命令面板（Ctrl+Shift+P）输入 “Jupyter: Create New Blank Notebook” 快速新建
- 导出为 Python 脚本、HTML 或 PDF，一键完成汇报交付
插件生态让分析能力再升级
VSCode 的扩展市场有大量专为数据科学优化的工具：Python Docstring Generator 自动生成文档字符串；Jupyter Cell Tags 方便批量管理实验单元；Plot Viewer 独立窗口查看高清图表；SQLTools 连接数据库后直接在 notebook 里写 SQL 查询并返回 pandas DataFrame。
- 推荐安装 Pylance 提升类型推断准确率，尤其对 pandas、xarray 等库更友好
- 用 Settings Sync 同步你的 Jupyter 相关设置（如默认内核、字体大小、主题）到多台设备
- 禁用非必要扩展（如 Live Share 在单机分析时反而拖慢响应）可提升大 notebook 加载速度
适合团队协作与工程化落地
相比传统 notebook，VSCode 更容易纳入 CI/CD 流程。你可以用 jupyter nbconvert 将 notebook 转为测试脚本，配合 pytest 自动验证关键单元输出；Git 差异对比也更清晰——借助 Jupyter Notebook Diff 扩展，能按单元格粒度看到谁改了哪段代码、哪个图表参数。
- 建议将 notebook 拆分为“探索层”（.ipynb）和“服务层”（.py），前者专注快速试错，后者封装可复用函数
- 用 Black + isort 格式化 notebook 中的 Python 代码，保持风格统一
- 在 settings.json 中配置
"jupyter.askForKernelWhenNotebookStarts": false，避免多人协作时反复确认内核
基本上就这些——不复杂但容易忽略。VSCode 的 Jupyter 支持不是替代品，而是把笔记本从“演示工具”拉回“开发现场”的关键一环。
