Jupyter Notebook中查看Python内核版本的方法

为什么界面上的“Python 3”不够具体

打开一个 Notebook 文件时，右上角状态栏往往仅标示“Python 3 (ipykernel)”。这里的名称仅仅是内核配置文件（kernel.json）中预设的显示别名（display_name），并非当前 Python 进程的动态查询结果。

Jupyter 遵循客户端与服务端的解耦架构。浏览器中操作的 Notebook 是前端交互界面，所有运算指令通过网络协议发送至独立的后台内核（Kernel）进程执行。如果系统中同时存在 Anaconda 环境、系统默认 Python 以及多个虚拟环境，前端所连接的内核很可能并不是终端中默认敲击 python 命令启动的那个解释器。因此，只有让当前内核进程亲自执行查询语句，才能得到 100% 准确的运行时版本信息。

图 1: Jupyter 界面指示与底层实际 Python 内核进程的解耦关系

方法一：使用 sys 模块（信息最全面，首选推荐）

Python 内置的 sys 模块提供了当前解释器的核心运行时参数。在任意代码单元格中输入并运行以下代码，即可打印完整的版本字符串以及当前内核所绑定的 Python 解释器绝对路径：

import sys

print("当前 Python 版本信息:")
print(sys.version)

print("\n解释器可执行文件绝对路径:")
print(sys.executable)

核心输出解读：

• sys.version： 第一部分直接给出形如 3.10.12 的具体版本号，括号内附带编译时间、编译器平台及版本（如 GCC 或 Clang）。如果使用的是 Anaconda 发行版，这里还会注明 packaged by conda-forge 等发行商信息。
• sys.executable： 极其关键的属性。它明确指出了当前内核究竟启动的是哪一个 Python 二进制文件。通过观察路径中包含的目录名（例如 /envs/data_analysis/），可以立刻核对当前内核是否正确绑定到了预期的 Conda 虚拟环境或 virtualenv 环境中。

方法二：使用 platform 模块（版本号干净纯粹）

如果只需要获取纯粹的版本数字字符串（例如用于自动化逻辑检查、断言判断当前是否高于 Python 3.9），使用内置的 platform 模块会更加清晰便捷：

import platform

print("Python 主版本号:", platform.python_version())
print("Python 版本元组:", platform.python_version_tuple())

platform.python_version() 直接返回标准的三段式版本字符串 '3.10.12'，不包含编译器和杂项文本，省去了手动切片字符串的步骤。

图 2: 在单元格中查询并核实验证 Python 内核版本的操作流程

方法三：使用命令行语法（避坑重点）

在 Notebook 单元格中，以感叹号 ! 开头可以直接调用底层操作系统的 Shell 执行外部命令。很多读者习惯直接输入：

!python --version

原因剖析：
当在单元格里敲下 !command 时，Jupyter 后台内核会派生一个全新的子进程 Shell（例如 /bin/sh 或 cmd.exe）。该 Shell 会根据系统当前全局的 PATH 环境变量去检索名为 python 的可执行程序。

如果启动 Jupyter Notebook 服务的环境与当前 Notebook 所选的 Kernel 属于不同的虚拟环境，!python 调用的将是宿主系统环境中的全局 Python，从而产生“代码运行报错提示特性不支持，但 !python --version 显示版本足够高”的困惑。

正确无误的命令行写法： 将 sys.executable 变量代入命令行执行：

import sys
!{sys.executable} --version

通过 {sys.executable} 插值语法，Shell 命令被强制指向当前内核绑定的具体二进制文件，此时返回的才是绝对真实的内核版本。

图 3: Jupyter 内核规范配置与不同虚拟环境 Python 实体解释器的映射模型

方法四：查看系统中已注册的所有内核及对应版本

当想要了解整个 Jupyter 体系下到底注册了多少个 Python 内核，以及各自绑定在哪个环境时，可以在系统的外部终端（Terminal）或 Notebook 的单元格中运行：

!jupyter kernelspec list

每个内核目录下都存在一个 kernel.json 文件。如果直接查看对应目录下的配置文件（例如 cat .../kernels/pt_env/kernel.json），即可发现其内部的 argv 列表直接指定了调用该内核的具体解释器路径：

{
  "argv": [
    "/Users/developer/miniconda3/envs/pt_env/bin/python",
    "-m",
    "ipykernel_launcher",
    "-f",
    "{connection_file}"
  ],
  "display_name": "Python (PyTorch-GPU)",
  "language": "python"
}

常见问题与排查思路

1. 查看发现当前内核版本过低或不符合预期，如何切换？

在 Jupyter Notebook 顶部菜单栏中，依次点击 Kernel -> Change Kernel，即可在弹出的可用内核列表中选择目标虚拟环境。如果没有找到想要的内核，说明该虚拟环境尚未向 Jupyter 注册 ipykernel。

2. 如何将指定的虚拟环境添加到 Jupyter 内核列表中？

在终端中激活目标虚拟环境，安装 ipykernel 并将其注册到当前用户空间：

# 激活虚拟环境 (以 conda 为例)
conda activate my_target_env

# 安装内核支持工具
conda install ipykernel  # 或 pip install ipykernel

# 执行注册命令，指定在 Notebook 中显示的友好名称
python -m ipykernel install --user --name my_target_env --display-name "Python (my_target_env)"

注册完成后，刷新 Jupyter Notebook 页面，即可在内核切换列表中选择新注册的环境，并再次使用 sys.version 验证生效情况。

方法总结与速查对比

图 4: Jupyter Notebook 查看 Python 内核版本的四种常用方法核心对比