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。

恼人的是，在你的tensorflow环境中，你可以运行jupyter notebook，而无需在该环境中安装jupyter。你就跑

(tensorflow) $ conda install jupyter

tensorflow环境现在应该在Jupyter notebook中可见，在任何conda环境中启动，类似于Python [conda env:tensorflow]。

如果您的环境没有显示，请确保您已经安装

nb_conda_kernels在Jupyter环境中 你想要访问的Python环境中的ipykernel和ipywidgets(注意，ipywidgets是为了启用一些Juptyer功能，而不是环境可见性，请参阅相关文档)。

Anaconda的文档表明

nb_conda_kernels should be installed in the environment from which you run Jupyter Notebook or JupyterLab. This might be your base conda environment, but it need not be. For instance, if the environment notebook_env contains the notebook package, then you would run conda install -n notebook_env nb_conda_kernels Any other environments you wish to access in your notebooks must have an appropriate kernel package installed. For instance, to access a Python environment, it must have the ipykernel package; e.g. conda install -n python_env ipykernel To utilize an R environment, it must have the r-irkernel package; e.g. conda install -n r_env r-irkernel For other languages, their corresponding kernels must be installed.

除了Python，通过安装适当的*内核包，Jupyter可以访问大量其他语言的内核，包括R、Julia、Scala/Spark、JavaScript、bash、Octave，甚至MATLAB。

请注意，在最初发布这篇文章的时候，可能是nb_conda还不支持Python 3.6环境造成的。

如果其他解决方案无法让Jupyter识别其他conda环境，则始终可以在特定环境中安装和运行Jupyter。不过，你可能无法从木星内部看到或切换到其他环境。

$ conda create -n py36_test -y python=3.6 jupyter
$ source activate py36_test
(py36_test) $ which jupyter
/home/schowell/anaconda3/envs/py36_test/bin/jupyter
(py36_test) $ jupyter notebook

注意，我在这个笔记本中运行的是Python 3.6.1:

注意，如果在许多环境中都这样做，那么在每个环境中安装Jupyter所增加的存储空间可能是不可取的(取决于您的系统)。

只要在你的新环境中运行conda install ipykernel，只有这样你才能得到一个带有这个env的内核。即使你在每个envs中安装了不同的版本，它也不会再次安装jupyter笔记本。你可以从任何环境开始你的笔记本，你将能够看到新添加的内核。

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:)

This has been so frustrating, My problem was that within a newly constructed conda python36 environment, jupyter refused to load “seaborn” - even though seaborn was installed within that environment. It seemed to be able to import plenty of other files from the same environment — for example numpy and pandas but just not seaborn. I tried many of the fixes suggested here and on other threads without success. Until I realised that Jupyter was not running kernel python from within that environment but running the system python as kernel. Even though a decent looking kernel and kernel.json were already present in the environment. It was only after reading this part of the ipython documentation: https://ipython.readthedocs.io/en/latest/install/kernel_install.html#kernels-for-different-environments and using these commands:

source activate other-env
python -m ipykernel install --user --name other-env --display-name "Python (other-env)"

我能让一切顺利进行。(我实际上没有使用-user变量)。

我还没有想到的一件事是如何将默认的python设置为“python (other-env)”。目前，从主屏幕打开的现有.ipynb文件将使用系统python。我必须使用内核菜单“更改内核”来选择环境python。