总结(tldr)

如果你想让'python3'内核总是在它启动的环境中运行Python安装，删除User 'python3'内核，它优先于当前环境:

jupyter kernelspec remove python3

完整的解决方案

我将针对以下情况发布一个替代和更简单的解决方案:

您已经创建了一个conda环境 这个环境已经安装了jupyter(它也安装了ipykernel) 当您运行命令jupyter notebook并通过单击“new”下拉菜单中的“python3”创建一个新notebook时，该notebook将从基本环境而不是当前环境执行python。 您可能希望在任何环境中启动带有“python3”的新笔记本时，都会从该环境执行Python版本，而不是从基础环境执行

在解决方案的其余部分中，我将使用“test_env”作为环境的名称。另外，注意'python3'是内核的名称。

目前票数最高的答案确实有效，但还有另一种选择。它说要做以下事情:

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

这将为您提供使用test_env环境的选项，而不管您从哪个环境启动jupyter notebook。但是，使用'python3'启动笔记本电脑仍将使用基本环境中的Python安装。

可能发生的情况是存在一个用户python3内核。运行命令jupyter kernelspec list列出所有环境。例如，如果你有一个mac，你将返回以下(我的用户名是Ted)。

python3       /Users/Ted/Library/Jupyter/kernels/python3

木星在这里所做的是在三条不同的路径上寻找内核。它从用户，到环境，到系统。有关它搜索每个操作系统的路径的详细信息，请参阅本文档。

上面的两个内核都在User路径中，这意味着无论您从哪个环境启动jupyter笔记本，它们都是可用的。这也意味着如果在环境级别上存在另一个“python3”内核，那么您将永远无法访问它。

对我来说，从你启动笔记本电脑的环境中选择“python3”内核应该在该环境中执行Python更有意义。

你可以通过在操作系统的Env搜索路径中查看是否有另一个'python3'环境(参见上面文档的链接)。对于我来说(在我的mac上)，我发出了以下命令:

 ls /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels

我确实在那里列出了一个'python3'内核。

多亏了这个GitHub问题评论(看看第一个响应)，你可以用以下命令删除用户'python3'环境:

jupyter kernelspec remove python3

现在当你运行jupyter kernelspec list时，假设test_env仍然是活动的，你会得到以下结果:

python3       /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels/python3

注意，这个路径位于test_env目录中。如果您创建一个新环境，安装jupyter，激活它，并列出内核，您将得到另一个位于其环境路径下的'python3'内核。

User 'python3'内核优先于任何Env 'python3'内核。通过移除它，活动环境“python3”内核就被公开了，并且每次都可以被选择。这消除了手动创建内核的需要。在软件开发方面，它也更有意义，因为人们希望将自己隔离到一个单一的环境中。运行与宿主环境不同的内核似乎不太自然。

默认情况下，似乎并不是每个人都安装了这个User 'python3'，所以并不是每个人都遇到了这个问题。

在我的例子中，使用Windows 10和conda 4.6.11，通过运行这些命令

conda install nb_conda

conda install -c conda-forge nb_conda_kernels

在我使用conda Jupyter笔记本从同一命令行打开Jupyter后，从终端同时有环境活动并没有做这项工作。

显然，解决方案是从Anaconda Navigator打开Jupyter，进入我的环境:打开Anaconda Navigator，在Environments中选择环境，按下所选环境的“播放”按钮，并选择“用Jupyter Notebook打开”。

Anaconda Navigator中的环境从选定的环境中运行Jupyter

总结(tldr)

如果你想让'python3'内核总是在它启动的环境中运行Python安装，删除User 'python3'内核，它优先于当前环境:

jupyter kernelspec remove python3

完整的解决方案

我将针对以下情况发布一个替代和更简单的解决方案:

您已经创建了一个conda环境 这个环境已经安装了jupyter(它也安装了ipykernel) 当您运行命令jupyter notebook并通过单击“new”下拉菜单中的“python3”创建一个新notebook时，该notebook将从基本环境而不是当前环境执行python。 您可能希望在任何环境中启动带有“python3”的新笔记本时，都会从该环境执行Python版本，而不是从基础环境执行

在解决方案的其余部分中，我将使用“test_env”作为环境的名称。另外，注意'python3'是内核的名称。

目前票数最高的答案确实有效，但还有另一种选择。它说要做以下事情:

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

这将为您提供使用test_env环境的选项，而不管您从哪个环境启动jupyter notebook。但是，使用'python3'启动笔记本电脑仍将使用基本环境中的Python安装。

可能发生的情况是存在一个用户python3内核。运行命令jupyter kernelspec list列出所有环境。例如，如果你有一个mac，你将返回以下(我的用户名是Ted)。

python3       /Users/Ted/Library/Jupyter/kernels/python3

木星在这里所做的是在三条不同的路径上寻找内核。它从用户，到环境，到系统。有关它搜索每个操作系统的路径的详细信息，请参阅本文档。

上面的两个内核都在User路径中，这意味着无论您从哪个环境启动jupyter笔记本，它们都是可用的。这也意味着如果在环境级别上存在另一个“python3”内核，那么您将永远无法访问它。

对我来说，从你启动笔记本电脑的环境中选择“python3”内核应该在该环境中执行Python更有意义。

你可以通过在操作系统的Env搜索路径中查看是否有另一个'python3'环境(参见上面文档的链接)。对于我来说(在我的mac上)，我发出了以下命令:

 ls /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels

我确实在那里列出了一个'python3'内核。

多亏了这个GitHub问题评论(看看第一个响应)，你可以用以下命令删除用户'python3'环境:

jupyter kernelspec remove python3

现在当你运行jupyter kernelspec list时，假设test_env仍然是活动的，你会得到以下结果:

python3       /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels/python3

注意，这个路径位于test_env目录中。如果您创建一个新环境，安装jupyter，激活它，并列出内核，您将得到另一个位于其环境路径下的'python3'内核。

User 'python3'内核优先于任何Env 'python3'内核。通过移除它，活动环境“python3”内核就被公开了，并且每次都可以被选择。这消除了手动创建内核的需要。在软件开发方面，它也更有意义，因为人们希望将自己隔离到一个单一的环境中。运行与宿主环境不同的内核似乎不太自然。

默认情况下，似乎并不是每个人都安装了这个User 'python3'，所以并不是每个人都遇到了这个问题。

添加conda环境到Jupyter:

在Anaconda提示中:

执行conda activate <env name> 执行conda install -c anaconda ipykernel命令 执行python -m ipykernel install——user——name=<env name> **在conda 4.8.3 4.11.0上测试

这适用于我在windows 10和最新解决方案:

1)进入conda环境(激活your_env_name)

2) conda install -n your_env_name ipykernel

3) python -m ipykernel install——user——name build_central——display name" your_env_name"

(注意:在步骤3中，“your_env_name”周围包含引号)

可能的特定渠道问题

我有这个问题(再次)，原来我从conda-forge频道安装;将其移除并从蟒蛇通道重新安装，而不是为我修复它。

更新:我在一个新的env中再次遇到了同样的问题，这次我确实从anaconda通道安装了nb_conda_kernels，但我的jupyter_client来自conda forge通道。卸载nb_conda_kernels并重新安装会将其更新到更高优先级的通道。

所以请确保你从正确的渠道安装:)