在 Jupyter 中运行 Python 代码的核心方式是：**通过浏览器启动 Jupyter Notebook 或 JupyterLab，创建或打开一个 Notebook 文件，在代码单元（Cell）中输入 Python 代码并执行即可实时获得结果**。整个过程包含环境安装、服务启动、内核选择与代码执行几个关键步骤。只要正确配置 Python 与 Jupyter 环境，即使是零基础用户，也可以在几分钟内完成代码运行，并实现数据分析、可视化与实验记录等功能。

## 一、什么是 Jupyter 及其运行原理

Jupyter 是一个基于 Web 的交互式计算环境，最初来源于 IPython 项目，如今已发展为支持多种编程语言的开源工具。根据 Project Jupyter 官方资料（Project Jupyter, 2023），Jupyter 的核心架构采用“前端界面 + 后端内核（Kernel）”模式，前端负责展示界面与交互，后端负责实际执行代码。

当我们在 Jupyter Notebook 中运行 Python 代码时，代码并不是在浏览器中执行，而是由后台的 Python 内核完成计算。浏览器只是显示执行结果。正因为这种架构设计，Jupyter 可以支持多语言运行，例如 R、Julia 等，但本文重点围绕 Python 环境配置与使用。

从运行机制上看，Jupyter 通过本地或远程服务器启动一个 Notebook 服务，用户通过浏览器访问地址（通常为 http://localhost:8888）。每一个 Notebook 文件对应一个内核实例，代码执行顺序由用户控制，这种交互式运行方式极大提升了数据分析与实验验证的效率。

## 二、在本地安装 Python 与 Jupyter 环境

要在 Jupyter 中运行 Python 代码，第一步是确保本地已安装 Python 环境。建议安装 Python 3.8 以上版本。可以通过 Python 官网下载安装包，或使用 Anaconda 进行一体化安装。Anaconda 发行版包含 Python、Jupyter Notebook、常见数据分析库等组件，适合数据科学场景。

如果已经安装 Python，可以通过以下命令安装 Jupyter：

```bash
pip install notebook
```

或安装更现代的界面：

```bash
pip install jupyterlab
```

根据 Python 官方文档（Python Software Foundation, 2024），推荐通过虚拟环境（venv 或 conda）隔离项目依赖，避免不同项目之间的库冲突。这对于长期维护多个 Notebook 项目尤为重要。

安装完成后，可以在命令行输入：

```bash
jupyter notebook
```

或

```bash
jupyter lab
```

系统将自动启动本地服务并打开浏览器界面。

## 三、启动 Jupyter 并创建 Notebook 文件

成功安装后，启动 Jupyter 服务是运行 Python 代码的关键步骤。执行命令后，浏览器会自动打开一个文件管理页面。用户可以在当前目录中浏览文件，也可以创建新的 Notebook。

点击“New”或“+”按钮，选择 Python 内核（如 Python 3），即可创建一个新的 Notebook 文件。Notebook 文件扩展名为 .ipynb，本质上是一个 JSON 格式的文档，保存代码、文本与执行结果。

创建完成后，页面会出现一个由多个单元格组成的编辑界面。每个单元格可以是代码单元（Code Cell）或文本单元（Markdown Cell）。在代码单元中输入 Python 代码，例如：

```python
print("Hello, Jupyter")
```

按 Shift + Enter 即可执行代码。输出结果将显示在单元格下方。

这种交互式执行方式是 Jupyter Notebook 的核心优势，它允许用户逐步调试、验证算法逻辑，并即时查看输出。

## 四、代码单元执行方式与运行逻辑

在 Jupyter 中运行 Python 代码主要通过三种方式完成：

1. Shift + Enter：执行当前单元并跳转到下一个单元  
2. Ctrl + Enter：执行当前单元但不跳转  
3. 点击工具栏运行按钮  

每个代码单元都有执行编号，如 In [1]、In [2] 等，表示执行顺序。需要注意的是，**Jupyter 按执行顺序运行代码，而不是按单元在页面中的排列顺序运行**。这意味着如果变量在后面的单元定义，但提前执行了调用语句，可能会出现 NameError。

例如：

```python
print(a)
```

若变量 a 尚未定义，就会报错。必须先运行：

```python
a = 10
```

这种运行机制决定了良好的代码组织习惯非常重要。建议从上到下依次执行，避免逻辑混乱。

## 五、Markdown 与代码混合使用技巧

Jupyter 不仅可以运行 Python 代码，还支持 Markdown 文本格式。这使得 Notebook 成为编写技术文档、实验报告、教学课件的重要工具。

将单元类型切换为 Markdown 后，可以编写：

- 标题
- 列表
- 表格
- 数学公式（LaTeX）
- 图片链接

例如：

```markdown
## 数据分析示例
```

运行后即可显示为格式化标题。

这种“代码 + 文档”的混合结构，使 Jupyter 成为数据科学领域的标准工具之一。用户可以在同一个文件中记录问题背景、算法思路与运行结果，实现完整的分析闭环。

## 六、常见问题与排查方法

在 Jupyter 运行 Python 代码时，常见问题包括端口占用、内核崩溃、包未安装等。

以下是典型问题对比：

| 问题类型 | 可能原因 | 解决方法 |
|-----------|-----------|------------|
| 无法启动服务 | 端口被占用 | 指定新端口启动 |
| 模块未找到 | 未安装库 | 使用 pip install 安装 |
| 内核死机 | 内存不足 | 重启内核 |
| 执行顺序混乱 | 未按顺序运行 | 重启并按顺序执行 |

例如出现 ModuleNotFoundError，可以在 Notebook 中执行：

```python
!pip install numpy
```

感叹号表示调用系统命令。这种内嵌命令方式也是 Jupyter 的特色功能之一。

## 七、进阶使用：虚拟环境与多内核管理

在实际开发中，多个项目可能依赖不同版本的 Python 或第三方库。此时建议使用虚拟环境管理依赖。

通过以下命令创建虚拟环境：

```bash
python -m venv myenv
```

激活后安装 ipykernel：

```bash
pip install ipykernel
python -m ipykernel install --user --name=myenv
```

这样在 Jupyter 中就可以选择不同内核运行代码。对于团队协作场景，如果涉及 Notebook 项目管理，可以结合研发项目管理系统 [PingCode](https://PingCode.com?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D) 或通用项目管理系统 [Worktile](https://worktile.com/?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D) 进行版本规划与任务分配，但具体是否采用应根据团队规模与需求决定。

多内核管理可以有效避免依赖冲突，提高项目隔离性与可维护性。

## 八、JupyterLab 与 Notebook 的区别

JupyterLab 是 Notebook 的升级版本，提供更强大的界面管理功能。主要区别如下：

| 对比维度 | Jupyter Notebook | JupyterLab |
|------------|------------------|--------------|
| 界面结构 | 单页面 | 多标签页 |
| 插件扩展 | 较少 | 支持更多扩展 |
| 文件管理 | 简单 | 类 IDE 界面 |
| 适用场景 | 教学演示 | 综合开发 |

JupyterLab 更适合复杂项目开发环境，而 Notebook 更适合快速实验与教学。

根据 Project Jupyter 官方说明（2023），JupyterLab 是未来主推的前端界面方向，功能更接近轻量级 IDE。

## 九、总结与未来趋势

在 Jupyter 中运行 Python 代码的过程并不复杂，关键在于正确安装环境、理解内核机制、掌握单元执行逻辑。通过浏览器启动 Notebook 或 JupyterLab，创建代码单元并执行，即可完成从简单脚本到复杂数据分析任务的开发。

随着数据科学与人工智能应用的普及，Jupyter 作为交互式计算工具的重要性仍在持续增强。未来趋势包括更强的云端集成能力、更完善的协作机制以及与容器化环境的深度结合。越来越多的企业开始将 Notebook 作为实验验证与算法迭代的标准工具。

对于初学者而言，掌握 Jupyter 运行 Python 代码的基础流程，是进入数据分析与机器学习领域的重要第一步。只要理解其运行机制与执行顺序，就可以高效开展学习与开发工作。

参考与资料来源  
Project Jupyter. (2023). Official Documentation. https://jupyter.org  
Python Software Foundation. (2024). Python Documentation. https://docs.python.org

你可以打开命令行（Windows上是cmd，Mac和Linux上是终端），输入命令 'jupyter notebook' 并回车。浏览器会自动打开Jupyter界面，你可以新建一个Python笔记本文件，开始编写和运行代码。

启动Jupyter Notebook的步骤

我刚安装了Jupyter，但不知道如何打开它来写和执行Python代码，有简单的步骤说明么？

如何启动Jupyter Notebook以运行Python代码？

在Jupyter的代码单元格中输入代码，按 Shift+Enter 或点击工具栏的运行按钮，代码就会运行，结果会显示在单元格下方。

在单元格中运行Python代码的方法

写好代码后，怎样才能运行它并查看结果？

在Jupyter Notebook中如何执行某段Python代码？

仔细阅读错误信息，定位出错的位置。确认所需的库是否已安装，可在新单元格使用 '!pip install 库名' 安装。还可以尝试重启内核，清空输出后重新运行代码。

排查Jupyter代码运行错误的方法

在Jupyter中运行代码报错，有什么好的排错建议？

运行Python代码时遇到错误，如何排查原因？

PingCodeDocs

在 Jupyter 中运行 Python 代码的关键是安装并启动 Jupyter 服务，在浏览器中创建 Notebook 文件，通过代码单元输入并执行 Python 语句。文章详细介绍了环境安装、内核机制、单元执行逻辑、Markdown 使用、常见问题排查以及多内核管理等内容，并对 Notebook 与 JupyterLab 进行了对比说明。掌握这些步骤后，用户即可高效开展数据分析与开发工作。

如何在jupyter运行python代码