虽然@coolscitist的回答对我来说是有效的，但也有一种方法不会让你的内核环境与完整的jupyter包+deps混淆。 它在ipython文档中有描述，(我怀疑)只有在非基础环境中运行笔记本服务器时才有必要。

conda activate name_of_your_kernel_env
conda install ipykernel
python -m ipykernel install --prefix=/home/your_username/.conda/envs/name_of_your_jupyter_server_env --name 'name_of_your_kernel_env'

你可以用

conda activate name_of_your_jupyter_server_env 
jupyter kernelspec list

我们在这个问题上做了很多努力，以下是对我们有效的方法。如果你使用conda-forge通道，确保你使用的是从conda-forge更新的包是很重要的，即使是在你的Miniconda根环境中。

所以安装Miniconda，然后做:

conda config --add channels conda-forge --force
conda update --all  -y
conda install nb_conda_kernels -y
conda env create -f custom_env.yml -q --force
jupyter notebook

你的自定义环境将作为可用的内核显示在Jupyter中，只要你的custom_env中列出了ipykernel以供安装。Yml文件，就像这个例子:

name: bqplot
channels:
- conda-forge
- defaults
dependencies:
- python>=3.6
- bqplot
- ipykernel

为了证明它适用于许多自定义环境，这里有一个Windows屏幕截图:

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:)

nb_conda_kernels包是在conda中使用jupyter的最佳方式。通过最小的依赖关系和配置，它允许您使用运行在不同环境中的jupyter笔记本上的其他conda环境。引用其文件:

Installation This package is designed to be managed solely using conda. It 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.

然后你需要做的就是启动jupyter笔记本服务器:

conda activate notebook_env  # only needed if you are not using the base environment for the server
# conda install jupyter # in case you have not installed it already
jupyter

尽管有太多的答案，@merv也在努力改进，但仍然很难找到一个好的答案。我做了这个CW，所以请投票给它的顶部或改进它!

我不认为其他答案是工作了，因为conda停止自动设置环境作为jupyter内核。您需要手动为每个环境添加内核，方法如下:

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

如下所示:http://ipython.readthedocs.io/en/stable/install/kernel_install.html#kernels-for-different-environments 请参见本期。

附录: 您应该能够使用conda install nb_conda_kernels安装nb_conda_kernels包来自动添加所有环境，请参阅https://github.com/Anaconda-Platform/nb_conda_kernels

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)。