JupyterNotebook怎么执行python代码块

Felix
Felix
发布时间:2026-11-20| 4人浏览过
原创

详细讲解Jupyter Notebook中执行Python代码块的多种操作方法、核心快捷键行为差异、单元格执行状态与内核内存机制,以及卡顿报错的排查技巧。

在 Jupyter Notebook 中执行 Python 代码块,最常用且高效的方式是选中代码单元格后按下键盘快捷键 Shift + Enter(Mac 上为 Shift + Return);此外也可以点击页面顶部工具栏的 “Run”(或 ▶)按钮。代码执行时,左侧提示符会从空白的 In [ ] 变为星号 In [*] 表示内核正在计算,计算完成后变为数字序号 In [1] 并展示执行结果。
JupyterNotebook怎么执行python代码块
图 0:Jupyter Notebook 执行 Python 代码块的端到端交互架构概览

一、执行代码块的前提:确认单元格为 Code(代码)模式

Jupyter Notebook 的笔记本由多种不同用途的“单元格(Cell)”纵向拼接而成,其中最主要的两种是 Code(代码块) 和 Markdown(文档块)。只有在 Code 模式下,Jupyter 才会将内容交由后台的 Python 解释器(Kernel)编译运行;如果在 Markdown 模式下执行,系统只会将文字渲染为排版网页,而不会运行任何代码。

判断当前单元格是否为代码模式非常直观:

  • 观察左侧标签:代码单元格左侧必定带有 In [ ]: 前缀标志,而 Markdown 单元格在未渲染时左侧无此标志。
  • 观察顶部工具栏下拉框:点击单元格后,查看页面顶部工具栏中的类型选择框,确保当前显示为 Code(中文界面一般显示为“代码”)。

如果当前单元格不慎被切换成了 Markdown 模式,可以通过以下两种方式切回代码模式:

  1. 快捷键方式:点击单元格左侧边缘或按 Esc 键进入命令模式(单元格左侧高亮细条通常变为蓝色),随后直接按下字母键 Y,即可瞬间转为代码单元格。
  2. 菜单方式:直接点击页面上方工具栏中的格式下拉框,在弹出的列表中将“Markdown”改为“Code”。

二、执行 Python 代码块的具体步骤与操作方式

完成 Python 代码编写后,有三种主流途径可以触发该代码块的执行:

1. 键盘快捷键执行(推荐标准工作流)

键盘快捷键是日常编写与数据分析中最流畅的方式。在单元格内输入 Python 代码后,无需退出编辑状态,直接在键盘上按下组合键:

Shift + Enter

此时内核会立即接管当前单元格并执行。如果下方已有其他单元格,光标会自动跳转并选中下一块;如果当前单元格已是笔记本的最后一块,Jupyter 会贴心地在下方自动生成一个全新的空代码块,方便继续书写。

2. 点击顶部工具栏的“Run”按钮

如果你更偏好鼠标操作,可以在选中目标代码块后,点击顶部工具栏中的 “Run” 按钮(经典 Jupyter Notebook 中通常标有小三角形播放图标 ▶ Run)。它的功能等价于按下 Shift + Enter。

3. 通过顶部导航菜单批量运行

当需要连续执行多个单元格、或者重新验证整篇笔记时,逐个按快捷键效率较低。此时可以使用页面顶部菜单栏:

  • Cell -> Run All:从头到尾按顺序依次执行笔记本中的全部代码块。
  • Cell -> Run All Above:执行当前激活单元格上方所有的代码块,常用于恢复前置上下文依赖。
  • Cell -> Run All Below:从当前代码块开始一直执行到底部。
JupyterNotebook怎么执行python代码块
图 1:从检查模式到结果验证的 4 步标准化操作流程

示例:一段基础代码的执行与结果呈现

在代码单元格中输入以下计算圆面积的 Python 代码:

# 示例代码:计算半径为 5 的圆面积
radius = 5
pi = 3.1415926
area = pi * (radius ** 2)
print("计算完成,圆面积为:", area)
area

按下 Shift + Enter 执行后,单元格下方将紧接着出现标准输出(print)与表达式求值(Out 区域):

计算完成,圆面积为: 78.539815
Out [1]: 78.539815
单按 Enter 键与组合快捷键的区别
在代码单元格中,如果只单独按下 Enter(回车),仅仅是在当前代码块中插入一个普通的新行换行符。只有配合 Shift、Ctrl 或 Alt 才能将整段代码提交给内核执行。

三、必须掌握的三组执行快捷键对比

在日常使用中,除了最常用的 Shift + Enter 之外,Jupyter Notebook 还设计了另外两组快捷键,用以满足局部调试和临时插桩的需求。熟练区分这三者能够大幅提升编写代码的敏捷度。

JupyterNotebook怎么执行python代码块
图 2:三大常用执行快捷键的按键行为、焦点流向与适用场景对比
快捷键 (Windows/Linux) 快捷键 (macOS) 执行后光标位置 是否插入新块 典型适用场景
Shift + Enter Shift + Return 跳转到下一单元格 若在文档末尾则自动新建 最常规工作流,用于按顺序持续推进代码
Ctrl + Enter Control + Return 保持停留在当前单元格 不插入任何新块 就地排错、修改临时参数或反复验证同一段逻辑
Alt + Enter Option + Return 跳转到新插入的空单元格 无论处于何处均在下方强行插入 临时插入探针代码、查看某个变量分布,不破坏原有排版

四、代码块状态标志与 Kernel 运行机制

执行代码时,每个代码单元格左侧的括号 In [ ] 会经历不同的生命周期状态。理解这些状态对于掌握代码运行进度和避免死锁至关重要。

JupyterNotebook怎么执行python代码块
图 3:单元格状态机转换阶段与 IPython 后台全局共享内存模型

1. 三种状态提示符的含义

  • In [ ]:(空白):代表该单元格自当前内核启动以来,尚未被执行过。其内部定义的函数、变量在内存中均不存在。
  • In [*]:(星号):代表后台的 Python Kernel 正在执行当前单元格的代码。此时内核处于忙碌(Busy)状态;或者代码遇到了 input() 等待键盘输入,抑或发生了死循环。
  • In [N]:(数字):代表当前单元格已经执行完成。其中的数字 N 代表在本次 Kernel 会话中累计第几次执行。例如 In [14] 表示这是当前会话中第 14 次被触发的代码块。

2. 核心原理:单元格跨区域共享内存

很多新手容易误以为 Jupyter 的每个单元格是相互隔离的独立脚本,实则不然。在同一个 Notebook 页面中,所有代码单元格共享同一个后台 Python 进程与全局变量池(globals)。

这意味着:在上方代码块定义的变量 user_id = 1001,在下方的任何代码块中都可以直接调用;反之,若在下方代码块中重新为 user_id 赋了新值,上面代码块如果再次执行,读取到的也会是最新值。

特别需要强调的是:决定变量是否存在与最新数值的,是实际的“执行先后顺序(以提示符数字大小为准)”,而不是单元格在网页上下排列的“视觉几何位置”。如果你跳着执行,很容易导致上下文错乱。

五、执行异常与卡死的高频排查指南

在实际执行代码时,偶发性卡死或报错往往集中在几个典型场景中,按照以下策略即可快速定位并修复:

JupyterNotebook怎么执行python代码块
图 4:Jupyter Notebook 代码执行异常排查与自愈决策树

1. 单元格一直显示 In [*] 卡死不动

表现为页面右上角的小圆圈变成实心黑点(表示 Kernel Busy),等待很久都不结束。常见原因包括:

  • 死循环或耗时计算:代码中存在没有退出条件的 while True,或者正在下载超大网络数据。
  • 阻塞式输入未响应:代码中调用了 input("请输入"),但输入框位于页面下方未被发现。

解决方法:

  1. 点击顶部工具栏的黑色实心方块按钮(■ Interrupt Kernel),强行中断当前代码执行(相当于终端里的 Ctrl+C),控制台通常会抛出 KeyboardInterrupt,状态恢复正常。
  2. 如果中断无效、内核已经彻底死锁,点击菜单栏中的 Kernel -> Restart Kernel(重启内核)。注意:重启内核会重置所有变量与内存数据。

2. 报错 NameError: name 'xxx' is not defined

明明在笔记里写了该变量,运行却提示未定义。原因几乎都是跳跃执行导致的前置缺失:你在运行当前块之前,尚未执行定义该变量的前置单元格(或者重启内核后未重新运行前置单元格)。

解决方法:检查前置单元格左侧的 In [ ] 是否为空白;或者直接点击 Cell -> Run All Above 批量补跑上方所有依赖。

3. 按下按键毫无反应或仅在代码框中换行

检查单元格左侧边缘颜色。如果是蓝色,表示处于“命令模式”,此时直接输入字母可能会误触发快捷键;按 Enter 重新激活编辑状态(变为绿色或高亮光标),然后再按下 Shift + Enter 执行。

六、高效使用总结与良好习惯

为了保障 Notebook 逻辑的严谨与可复现性,建议在日常编码中遵循以下良好规范:

  1. 保持从上到下的线性执行流:尽量不要反复在上下单元格间来回跳转执行,避免由于历史残留变量导致虚假的结果正确。
  2. 交付或归档前的终极自测:在完成整个分析项目后,务必执行一次 Kernel -> Restart & Run All(重启并全量重跑)。如果笔记本能从头到尾流畅运行至最后一个单元格且没有报错,即可百分之百确信代码的完整性和复现性。
  3. 善用中断快捷键:在命令模式(按 Esc)下,连续按两次字母键 I(即 I, I)可快速中断内核;连续按两次字母键 0(即 0, 0)可快速重启内核。
相关专题:

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。