在Jupyter Notebook中使用Conda虚拟环境

概述

Jupyter Notebook是数据科学、机器学习和教学领域中广受欢迎的交互式计算环境。它允许我们创建和共享包含实时代码、方程式、可视化和叙述文本的文档。
Conda则是一个强大的包管理和环境管理系统，能够帮助我们为不同的项目创建隔离的Python环境，避免包版本冲突。

正确地配置Conda环境与Jupyter Notebook的集成，可以带来诸多好处：

复制代码

项目隔离：为每个项目使用独立的环境，确保依赖项的纯净和可复现性

版本控制：轻松管理不同项目可能需要的不同版本的Python或库

避免冲突：防止全局Python环境因包版本不兼容而变得混乱

手动注册内核

要让Jupyter Notebook 能够识别并使用Conda环境，最关键的一步是确保Conda环境中安装了ipykernel包。这个包允许Jupyter将该环境注册为一个可用的内核 (Kernel)，也就是手动将每个Conda 环境注册为Jupyter内核。

1.激活Conda环境

打开终端并激活想要使用的Conda环境

bash 复制代码

conda activate <环境名称>

2.安装ipykernel

确保当前Conda环境中安装了ipykernel。如果没有安装，可以运行以下命令安装

bash 复制代码

conda install ipykernel

3.Conda环境注册为Jupyter核

执行以下命令将当前Conda环境添加到 Jupyter Notebook 的 kernel列表中

bash 复制代码

python -m ipykernel install --user --name <内核名称> --display-name "显示名称"

python 复制代码

--user：将内核安装在用户级别，而不是系统级别

--name <内核名称>：内核的内部名称，最好与环境名一致

--display-name "显示名称"：在Jupyter Notebook内核菜单中显示的名称。

4.示例

假设有一个名为myenv的Conda环境，并希望在Jupyter Notebook中显示为Python (myenv)，可以执行以下命令运行

bash 复制代码

python -m ipykernel install --user --name myenv --display-name "Python (myenv)"

5.启动Jupyter Notebook

bash 复制代码

jupyter notebook

6.选择内核

在Kernel选项中选择添加的Conda环境

7. 检查当前环境

在Jupyter Notebook中可以通过以下代码检查当前环境：

bash 复制代码

import sys
print(sys.executable)

如果输出的Python路径与Conda环境的路径一致，说明环境配置成功。

8.移除Kernel内核

如果不再需要某个Conda环境的kernel，可以使用以下命令移除：

bash 复制代码

jupyter kernelspec uninstall <内核名称>

自动注册内核

自动注册需要使用nb_conda_kernels库,它会自动检测Conda环境，并将它们作为内核显示在Jupyter Notebook 中，无需为每个环境手动配置。

1.安装nb_conda_kernels

确保在启动的Jupyter环境中安装nb_conda_kernels库,以自动支持所有Conda环境内核注册

例如：新建了jupyter环境，并在其中安装了Jupyter Notebook，那么就应该在此环境中安装nb_conda_kernels

python 复制代码

conda activate jupyter 

conda install nb_conda_kernels

2.安装ipykernel

在已存在的conda环境中安装ipykernel

python 复制代码

conda activate my_project_env

conda install ipykernel

3.启动Jupyter Notebook

Jupyter Notebook启动后，nb_conda_kernels会负责发现其他含有ipykernel的环境，并自动将环境注册到Jupyter的内核中

python 复制代码

jupyter notebook

4.选择内核

在Kernel选项中选择添加的Conda环境

5.nb_conda_kernels工作原理

nb_conda_kernels通过扫描Conda环境目录 (通常是anaconda3/envs/ 或 miniconda3/envs/)，寻找那些安装了 ipykernel 的环境，并自动为Jupyter生成相应的内核规范 (kernelspec) 文件。这使得我们无需为每个环境手动执行ipykernel install。