1.在jupyter notebook中如何切换和使用conda创建的虚拟环境

一共有三种方法：

1. 方法一：为每一个虚拟环境安装一个jupyter，这个太不优雅了，不再说明；
2. 方法二：为每个虚拟环境独立注册一个内核；
3. 方法三：自动检测内核。

推荐使用方法二，原因后面会说明。

方法二：为每个虚拟环境独立注册一个内核

创建虚拟环境之后，如果希望能够在jupyter中使用这个环境，就在激活它的情况下，安装ipykernel：

conda install ipykernel

然后将环境注册为jupyter内核：

python -m ipykernel install --user --name my_env --display-name "My Env"

参数说明：
- my_env：内核名称，建议与环境名一致
- “My Env”：Jupyter中显示的名称，可以自定义

此命令会在jupyter的kernels目录生成配置文件，指向虚拟环境的python解释器。

检验内核是否添加成功：

1. 执行jupyter kernelspec list命令，查看输出中是否包含刚刚注册的新kernel
2. 启动jupyter notebook，看看内核列表中有没有刚才注册的新kernel

另外，关于base环境的kernel有一点需要说明：base环境的kernel不需要我们手动注册。在base环境安装jupyter时，安装列表中包含ipykernel，并且会在安装过程中自动将base环境注册为一个kernel。这个注册过程由conda安装jupyter包时自动完成，因此不需要我们手动执行。

方法三：自动检测内核

在base环境下安装nb_conda_kernels：

conda install nb_conda_kernels

它会自动检测所有已经安装的conda环境，并将符合条件的虚拟环境显示为可用的kernel。虚拟环境需要满足的条件是：必须安装了ipykernel，并且不是隐藏环境（即名称不能以.开头）。

也就是说，不管使用哪个方法，虚拟环境都必须安装ipykernel。

2. 多个kernel显示不一致怎么回事？为什么同一个虚拟环境在jupyter的kernel列表中显示为两个内核？

在cmd或者powershell中运行jupyter kernelspec list命令时，会显示所有的kernel及其保存目录；在jupyter页面上也有kernel列表。有时这些kernel显示对应不上，这是为什么？这通常与kernel的注册方式和jupyter的检测机制有关。

不管在哪个环境，运行jupyter kernelspec list时，都会列出所有已经注册的jupyter内核。但只列出经过手动注册的内核，也就是说，通过nb_conda_kernels自动检测的、未经标准方式注册的内核并不会被列出。这是因为nb_conda_kernels会在jupyter启动时动态创建临时内核，这些内核并不会保存到磁盘上，仅在内存中存在，而jupyter kernelspec list命令只查找物理KernelSpec文件。

而在jupyter页面的内核列表中，不仅会显示出经过手动注册的内核，还会显示出通过nb_conda_kernels自动检测的动态内核。因此可能会出现同一个虚拟环境却显示了两个内核的情况。

如果你安装了nb_conda_kernels，在启动jupyter notebook时，会显示它生成的动态内核数量。但是在两种方法混用的情况下，如果你随意移动手动注册的kernel，可能导致nb_conda_kernels自动检测出现混乱。

所以不推荐两种方法混用，会造成重复和混乱。如果你已经在面对这种情况了，可以先确认一下原因是否是这个。也可以用命令查看是否安装了nb_conda_kernels。

先查看是否安装了nb_conda_kernels，Windows用户可以使用以下两种命令：

conda list -n base | findstr nb_conda_kernels

这个命令在cmd和powershell中通用。

conda list -n base | Select-String "nb_conda_kernels"

这个命令可在powershell中使用。

为了解决这个问题，我们可以选择让jupyter只显示我们手动注册的kernel，并移除自动检测的包。

1. 卸载nb_conda_kernels包，这样就不会自动显示所有符合条件的conda环境了。注意这个包是在base环境下的，要在base环境卸载。
2. 为每个需要在jupyter中使用的conda环境手动注册kernel
3. 清理已经存在的重复kernel（如果有的话），先别急着清理，先刷新jupyter页面或者重启jupyter服务看一看是否还有重复。下一部分具体讲删除kernel。

当然你选择只采取方法三也可以，删除手动注册的kernel就可以了，具体见后文。

另外，内核混乱的情况还可能是因为卸载的内核有残留、系统中有多个jupyter实例（比如同时存在conda安装的jupyter和pip安装的jupyter）、移动过conda的安装目录导致路径变化、自定义了不正确的kernel文件保存的位置等等。

3. 删除kernel

如果你需要删除kernel，可以用以下命令删除：

jupyter kernelspec uninstall my_env

注意，参数my_env指的是kernel名称，一般推荐和环境同名。
如果有残留，可以找到保存目录自己手动删除。保存目录可以通过jupyter kernelspec list查看。

删除kernel一般不会造成严重后果：

1. 如果kernel名称不变（新kernel与原kernel名字一样）：当我们注册同名kernel时，即使路径不同，notebook文件打开时会自动关联到新注册的同名kernel，通常不会出现问题。
2. 如果kernel名称改变：当打开旧的notebook文件时，jupyter会尝试寻找文件中记录的kernel名称，找不到同名kernel时，jupyter会尝试使用当前默认的kernel（通常是base环境的kernel），或者提示用户选择可用的kernel（此时会显示“kernel not found”错误，需要手动从当前可用的kernel列表中选择一个）。

这是因为kernel和notebook文件保存的位置不一样，删除内核的操作仅仅删除内核定义文件，虚拟环境也不会被删除，因此不会对你的项目造成影响。不过要注意，如果你重新指定了另一个环境的kernel，需要考虑该环境和你的项目代码能否兼容的问题。

4. 关于kernel的存放位置

kernel的默认保存地址

我们手动注册的kernel默认的存放地址是系统盘，在Windows系统上，默认存放目录是C:\Users<用户名>\AppDate\Roaming\jupyter\kernels（或者C:\ProgramData\jupyter\kernels）。不过，base环境的kernel默认的存放地址是conda安装目录下的share\jupyter\kernels。kernel保存在系统盘完全没有问题，配置通常很小，并且易于备份，但是注意重装系统时可能会丢失。

如果不愿意放在系统盘，最简洁的方法是设置全局的JUPYTER_PATH环境变量。假设你希望指定D:\jupyter_kernels为存放位置，以下为操作步骤。

增加环境变量JUPYTER_PATH：
右击“此电脑”，点击“属性”，搜索“高级系统设置”，点击“环境变量”，在系统变量区域点击新建：

• 变量名：JUPYTER_DATA_DIR
• 变量值：D:\jupyter_kernels

然后点击确认保存所有对话框。最后需要重启电脑使变更生效。

此后注册的kernel都会默认保存在这里。需要注意的是，D:\jupyter_kernels只是一个前缀目录，kernel会被安装到该目录下的share\jupyter\kernels子目录中。

修改了kernel的默认存放地址之后，之前的kernel是否需要迁移？

答案是可以不迁移，jupyter在启动时会调用jupyter_core.paths模块确定搜索路径，一般来说data搜索路径大概是JUPYTER_DATA_DIR指定的路径→用户默认路径→系统全局路径→conda环境路径，具体的路径和顺序可以运行jupyter --path命令查看，因此之前保存在用户默认路径（或者系统默认路径）中的kernel依旧可以正常工作。

如果你想要迁移它们的话，直接手动把它们移动到新目录下即可。但是不推荐改变base环境的kernel的位置。因为base环境的kernel是conda安装的一部分，在conda更新时会维护这个kernel，因此如果你移动它的位置的话，将来有可能出现更新异常。如果你一定要把base环境的kernel迁移到新位置的话，不建议直接手动移动文件，正确的方式是先移除旧的kernel注册，然后重新注册，就会默认保存到新位置了。如果旧的kernel文件没有删除干净的话，此时可以手动删除。将来conda更新后，可能会在原来的默认位置再次出现一个base环境的kernel，这点需要注意。

5. 最后对比一下两种方法的优劣

手动注册kernel

优点：

1. 精细控制，可以自定义kernel名称，指定存储位置等
2. jupyter启动更快，内核启动更稳定
3. 混合环境支持，可以注册非conda环境

缺点：

1. 每个环境需要手动注册，环境删除后需要清除kernel
2. 需要自己管理内核

自动检测kernel

优点：

1. 零配置管理，不用手动注册kernel，环境删除后自动消失
2. 节省空间，不生成kernel文件（不过需要的空间本来就没多大）

缺点：

1. 启动慢，每次启动都要扫描
2. 自定义受限，不能修改kernel显示的名称
3. 仅支持conda环境
4. 内核问题不易调试