预计所需阅读时间：3分钟
一、让JupyterLab识别不同的conda虚拟环境
我们会因为不同项目而配置不同的虚拟环境，很多因为要做数据分析而安装Anaconda，它的conda也可以为不同项目建立不同的虚拟环境。因为安装Anaconda后默认只有一个JupyterLab。建立其它虚拟环境之后，如果想使用JupyterLab跑这个项目，其实没有在每个不同的虚拟环境安装一个JupyterLab或JupyterNotebook。只需要安装一个配置一个JupyterLab即可，方法如下。
# 创建虏掠环境 conda create -n new_env python=3.8 # 激活环境 conda activate new_env # 安装ipykernel模块 conda install ipykernel
这样该虚拟环境就准备好，接着要在JupyterLab所有的环境，通常是Base环境，安装以下包，即可识别并运行其它虚拟环境。
conda install nb_conda_kernels
这里可以看到我为Tensorflow、Pytorch配置的环境。而conda env: root相当于Base环境，而Python 3是主环境，如果JupyterLab是安装在Base环境，那么则与前者相同。
而在我这Base环境是配置了以下插件，适合数据可视化，学习别人的数据分析，格式化最终的代码，也是主要使用的JupyterLab：
二、让其它JupyterLab识别不同的conda虚拟环境
之前写过一篇叫《安装两个JupyterLab环境解决jupyter-kite与其它插件兼容运行问题》的文章中，配置了不同版本的JupyterLab，装了Kite的插件，它的自动补全和智能提示功能，比较适合尝试新的代码，做数据分析前期的清洗和特征工程，因为它可以提示人很多函数名和用法。具体安装方法可参考链接提到的方法。
当时安装在new_env的JupyterLab只是让它识别自己的环境，因为它每次开机都会提示某个插件找不到。
后来，还是因为要用带Kite插件的JupyterLab去运行其它环境的，也就是安装第一节提到的包：
# 进入其它虚拟环境 conda activate new_env # 安装新版本的jupyter lab conda install jupyterlab=2.2.5 -c conda-forge # 安装相应包 conda install nb_conda_kernels # 激活不同版本的jupyter lab jupyter lab
经过测试，虽然每次开启jupyter lab都会有错误提示，但不影响实际编程开发。
Python 3是主环境，因为这个JupyterLab是安装在new_env环境，所以与conda env: new_env相同。Base环境安装默认版本的JupyterLab能识别并调动new_env虚拟环境，安装在new_env里新新版的JupyterLab也能识别并调用Base环境。
评论