Jupyter Notebook中运行Python文件的四种方法详解-牛站云

Jupyter Notebook 不仅适合交互式编写和调试 Python 代码，也可以直接调用已经保存好的 .py 文件。根据文件内容、执行目的以及开发习惯不同，可以选择不同的运行方式。常见方法主要有四种：使用 %run 魔法命令、使用 exec() 执行文件内容、通过 subprocess 调用 Python 解释器，以及在终端中使用 python 命令运行脚本。

一、使用 `%run` 命令运行 Python 文件

%run 是 Jupyter Notebook 中最直接、最常用的运行 Python 文件方法，特别适合需要在 Notebook 环境中测试现有 Python 脚本的场景。

假设当前目录下存在一个 test.py 文件：

Python
运行
print("Hello Jupyter")
name = "Python"
print(name)

在 Jupyter Notebook 单元格中直接执行：

Python
运行
%run test.py

运行结果：


Hello Jupyter
Python

如果 Python 文件不在当前工作目录，可以指定完整路径或相对路径：

Python
运行
%run ./scripts/test.py

Windows 环境也可以使用：

Python
运行
%run D:/python_project/test.py

使用 %run 的一个重要特点是，脚本执行完成后，其中定义的变量、函数和类通常可以直接在当前 Notebook 环境中继续使用。例如：

Python
运行
# test.py
message = "Hello Python"

def add(a, b):
    return a + b

Notebook 中执行：

Python
运行
%run test.py

随后可以直接调用：

Python
运行
print(message)
print(add(10, 20))

输出：


Hello Python
30

因此，如果目标是“运行一个 .py 文件，并继续使用其中定义的变量和函数”，%run 通常是优先选择。

`%run` 传递命令行参数

如果 Python 文件需要参数，也可以直接写在文件名后面：

Python
运行
%run test.py hello 123

脚本中可以通过 sys.argv 获取参数：

Python
运行
import sys

print(sys.argv)

这种方式比较适合测试带有命令行参数的 Python 程序。

`%run` 指定运行目录

某些脚本依赖特定工作目录，可以使用 -i、-n 等参数控制执行行为。例如：

Python
运行
%run -i test.py

-i 表示在当前交互式命名空间中执行脚本，可以方便脚本访问 Notebook 中已经定义的变量。

二、使用 `exec()` 执行 Python 文件

第二种方式是使用 Python 内置的 exec() 函数读取 .py 文件内容，然后动态执行。

最简单的写法如下：

Python
运行
exec(open("test.py", encoding="utf-8").read())

如果文件路径不同，可以修改为：

Python
运行
exec(open("./scripts/test.py", encoding="utf-8").read())

这种方法本质上是先读取 Python 文件中的源代码，再将代码交给 Python 解释器执行。

例如 test.py 内容为：

Python
运行
x = 100
y = 200

print(x + y)

Notebook 中执行：

Python
运行
exec(open("test.py", encoding="utf-8").read())

输出：

同时，x 和 y 也会出现在当前执行环境中：

Python
运行
print(x)
print(y)

结果：


100
200

使用 `exec()` 时需要注意编码

如果 Python 文件包含中文内容，建议显式指定编码：

Python
运行
exec(open("test.py", encoding="utf-8").read())

这样可以降低因为系统默认编码不同而产生的 UnicodeDecodeError 风险。

`exec()` 更适合什么场景

exec() 灵活性较高，可以动态加载和执行字符串形式的 Python 代码。例如：

Python
运行
code = """
a = 10
b = 20
print(a + b)
"""

exec(code)

不过，如果只是为了在 Jupyter Notebook 中运行一个普通 .py 文件，通常没有必要优先使用 exec()。相比之下，%run 可读性更好，而且专门针对 Notebook 与 Python 脚本之间的交互进行了设计。

另外，不要对来源不可信的 Python 文件随意使用 exec()，因为 exec() 会直接执行其中包含的代码。

三、使用 `subprocess` 调用 Python 解释器

第三种方式是通过 subprocess 模块启动一个独立的 Python 进程运行 .py 文件。

示例：

Python
运行
import subprocess

result = subprocess.run(
    ["python", "test.py"],
    capture_output=True,
    text=True
)

print(result.stdout)

如果当前系统中需要明确使用 python3，可以写：

Python
运行
import subprocess

result = subprocess.run(
    ["python3", "test.py"],
    capture_output=True,
    text=True
)

print(result.stdout)

这种方式和 %run 有一个非常明显的区别：subprocess 启动的是独立进程。

例如 test.py：

Python
运行
x = 100
print(x)

Notebook 执行：

Python
运行
import subprocess

subprocess.run(["python", "test.py"])

虽然脚本会输出：

但脚本中的 x 并不会自动成为当前 Notebook 的变量：

Python
运行
print(x)

可能得到：


NameError: name 'x' is not defined

这是因为 Notebook 和 test.py 分别运行在不同的 Python 进程中。

获取脚本执行结果

如果需要获取 Python 文件的标准输出，可以使用：

Python
运行
import subprocess

result = subprocess.run(
    ["python", "test.py"],
    capture_output=True,
    text=True
)

print(result.stdout)

如果脚本执行失败，还可以检查返回码：

Python
运行
if result.returncode == 0:
    print("执行成功")
else:
    print("执行失败")
    print(result.stderr)

这种方式非常适合测试独立 Python 程序，尤其是脚本本身依赖命令行环境、需要独立进程或者需要模拟生产运行方式时。

指定 Python 解释器

如果电脑上安装了多个 Python 版本，直接写 python 可能调用错误的解释器。这种情况下可以直接指定解释器路径：

Python
运行
import subprocess

subprocess.run([
    r"C:Python311python.exe",
    "test.py"
])

Linux 环境可以类似这样：

Python
运行
subprocess.run([
    "/usr/bin/python3",
    "test.py"
])

这种方式对于解决 Python 环境混乱、虚拟环境与 Notebook 内核不一致等问题非常有帮助。

四、通过 Jupyter Notebook 的终端命令运行 Python 文件

Jupyter Notebook 还支持通过 ! 执行系统命令，因此可以直接调用 Python：

Python
运行
!python test.py

Linux 或 macOS 中也可以：

Python
运行
!python3 test.py

如果脚本路径包含空格，建议使用引号：

Python
运行
!python "my scripts/test.py"

这种方法实际上是在 Notebook 中调用系统 Shell 命令，使用起来非常接近在命令行窗口运行 Python 文件。

例如：

Python
运行
!python test.py

对应于操作系统终端中的：

Bash
python test.py

使用参数运行

同样可以传递参数：

Python
运行
!python test.py hello 123

如果 test.py 使用：

Python
运行
import sys

print(sys.argv)

就可以看到传入的命令行参数。

使用当前 Notebook 的 Python 环境

相比直接写：

Python
运行
!python test.py

更推荐在需要确保解释器一致时使用：

Python
运行
import sys

!{sys.executable} test.py

sys.executable 会获取当前 Notebook 内核所使用的 Python 解释器路径。

例如：

Python
运行
import sys
print(sys.executable)

可能得到：


C:Usersusernaconda3envsmyenvpython.exe

然后：

Python
运行
!{sys.executable} test.py

就能够明确使用当前 Jupyter 内核对应的 Python 环境。

这一点对于 Anaconda、venv、conda 环境尤其重要，可以避免出现“Notebook 中可以导入某个库，但运行 Python 文件时却提示找不到模块”的情况。

四种方法如何选择

四种方法都可以在 Jupyter Notebook 中运行 Python 文件，但适用场景并不完全相同。

方法	是否独立进程	变量是否进入Notebook	是否适合传参数	主要用途
`%run test.py`	否	是	是	Notebook中调试、测试脚本
`exec()`	否	是	需要自行处理	动态执行Python代码
`subprocess.run()`	是	否	是	独立运行Python程序
`!python test.py`	是	否	是	快速执行系统命令

如果只是想快速运行一个 Python 文件，优先考虑：

Python
运行
%run test.py

如果希望脚本和当前 Notebook 环境共享变量，可以使用：

Python
运行
%run test.py

或者根据特殊需求使用：

Python
运行
exec(open("test.py", encoding="utf-8").read())

如果希望以独立 Python 程序的方式运行，则更适合：

Python
运行
import subprocess

subprocess.run([sys.executable, "test.py"])

如果只是偶尔执行脚本或其他系统命令，可以使用：

Python
运行
!{sys.executable} test.py

Jupyter Notebook 中运行 Python 文件时的路径问题

实际使用过程中，最常见的问题之一并不是 Python 文件本身，而是文件路径。

可以使用下面的代码查看 Notebook 当前工作目录：

Python
运行
import os

print(os.getcwd())

如果 test.py 不在这个目录，就需要使用正确的相对路径：

Python
运行
%run ./scripts/test.py

也可以使用绝对路径：

Python
运行
%run "D:/project/scripts/test.py"

Windows 路径建议使用正斜杠：

Python
运行
%run D:/project/test.py

或者使用原始字符串：

Python
运行
path = r"D:project	est.py"

如果项目结构类似：


project/
├── notebook/
│   └── demo.ipynb
├── scripts/
│   └── test.py
└── data/
    └── data.csv

Notebook 位于 notebook 目录时，可以运行：

Python
运行
%run ../scripts/test.py

但需要注意，脚本内部使用的相对路径通常与当前工作目录有关，而不是简单地以 .py 文件所在目录作为基准。因此，复杂项目中最好明确管理工作目录和资源路径。

如何解决“找不到 Python 文件”的问题

如果执行：

Python
运行
%run test.py

出现类似：


FileNotFoundError

首先检查当前工作目录：

Python
运行
import os
print(os.getcwd())

然后查看当前目录中的文件：

Python
运行
os.listdir()

如果没有看到 test.py，说明脚本不在当前工作目录，需要调整路径。

也可以直接判断文件是否存在：

Python
运行
import os

print(os.path.exists("test.py"))


True

说明路径正确；如果返回：


False

则需要检查文件名称、目录以及路径写法。

运行 Python 文件后修改代码为什么没有立即生效

有些情况下，用户修改了 .py 文件，再次执行时发现结果似乎没有按照预期变化。

对于普通 %run 操作，重新运行：

Python
运行
%run test.py

通常会重新读取并执行脚本。

如果使用的是模块导入方式，例如：

Python
运行
import test

那么 Python 会缓存已经导入的模块。修改 test.py 后再次执行：

Python
运行
import test

不一定会重新加载文件。

这种情况下可以使用：

Python
运行
import importlib
import test

importlib.reload(test)

因此，“运行 Python 文件”和“导入 Python 模块”是两个不同概念。需要反复调试脚本时，%run 往往比单纯 import 更直观。

总结

Jupyter Notebook 中运行 Python 文件并不只有一种方式。%run 是最适合日常 Notebook 开发的方案，语法简单，并且能够方便地使用脚本中的变量和函数；exec() 更偏向动态执行 Python 源代码，灵活但需要注意安全性；subprocess 适合需要独立 Python 进程的场景，可以更接近真实命令行环境；!python 则适合快速调用系统命令。

如果主要目的是调试和分析 .py 文件，优先使用：

Python
运行
%run test.py

如果需要确保使用当前 Notebook 对应的 Python 环境，则可以采用：

Python
运行
import sys
!{sys.executable} test.py

掌握这四种方法后，可以根据是否需要共享变量、是否需要独立进程、是否需要传递命令行参数以及 Python 环境是否一致等条件，选择最合适的运行方案。

联系客服

Jupyter Notebook中运行Python文件的四种方法详解

一、使用 `%run` 命令运行 Python 文件

`%run` 传递命令行参数

`%run` 指定运行目录

二、使用 `exec()` 执行 Python 文件

使用 `exec()` 时需要注意编码

`exec()` 更适合什么场景

三、使用 `subprocess` 调用 Python 解释器

获取脚本执行结果

指定 Python 解释器

四、通过 Jupyter Notebook 的终端命令运行 Python 文件

使用参数运行

使用当前 Notebook 的 Python 环境

四种方法如何选择

Jupyter Notebook 中运行 Python 文件时的路径问题

如何解决“找不到 Python 文件”的问题

运行 Python 文件后修改代码为什么没有立即生效

推荐的实际使用方式

总结

Jupyter Notebook中运行Python文件的四种方法详解

一、使用 %run 命令运行 Python 文件

%run 传递命令行参数

%run 指定运行目录

二、使用 exec() 执行 Python 文件

使用 exec() 时需要注意编码

exec() 更适合什么场景

三、使用 subprocess 调用 Python 解释器

获取脚本执行结果

指定 Python 解释器

四、通过 Jupyter Notebook 的终端命令运行 Python 文件

使用参数运行

使用当前 Notebook 的 Python 环境

四种方法如何选择

Jupyter Notebook 中运行 Python 文件时的路径问题

如何解决“找不到 Python 文件”的问题

运行 Python 文件后修改代码为什么没有立即生效

推荐的实际使用方式

总结

相关文章

推荐阅读

一、使用 `%run` 命令运行 Python 文件

`%run` 传递命令行参数

`%run` 指定运行目录

二、使用 `exec()` 执行 Python 文件

使用 `exec()` 时需要注意编码

`exec()` 更适合什么场景

三、使用 `subprocess` 调用 Python 解释器