Jupyter Notebook科研笔记与可复现研究教程：从环境锁定到结果复核
先回答：Jupyter Notebook怎么用，才能算科研笔记？
很多新手把代码、截图和结论全塞进一个.ipynb文件，过几天再打开，自己都像在考古。真正可复现的笔记，至少要让别人知道：用了什么数据、什么环境、哪些参数，以及结果如何生成。难度：⭐⭐⭐。
问：Jupyter Notebook下载后第一步做什么？建议优先使用官方Python环境配合venv，不要一上来装几十个全局库。
- 创建项目并进入目录：
mkdir research-demo && cd research-demo - 创建虚拟环境：
python -m venv .venv；Windows执行.venv\Scripts\activate，macOS/Linux执行source .venv/bin/activate。 - 安装固定版本：
pip install jupyterlab pandas matplotlib scikit-learn。 - 启动：
jupyter lab，再新建Notebook。
新手避坑：Notebook显示的Python内核，可能不是你刚激活的环境。运行下面命令核对路径：import sys; print(sys.executable)。路径必须包含项目里的.venv。
把一次分析变成可复现实验
问：Jupyter Notebook教程里为什么总强调随机种子？因为抽样、模型初始化和数据划分都可能随机。把种子写进Notebook，并记录版本，别人才能得到接近的结果。
import os, random, numpy as np
os.environ["PYTHONHASHSEED"] = "42"
random.seed(42)
np.random.seed(42)
import pandas as pd
print("pandas:", pd.__version__)
print("numpy:", np.__version__)
数据不要依赖临时下载地址。将原始文件放入data/raw/，清洗后的文件放入data/processed/，并在首个Markdown单元写明文件名、来源日期、行数和缺失值处理规则。导出环境清单：pip freeze > requirements.txt。Notebook运行顺序也要规范：菜单选择“Restart Kernel and Run All”，不要只运行中间几个单元。
老司机经验：每个图表旁边写清样本量、筛选条件和单位。只写“结果如下”，属于典型的“当时我懂，现在我也不懂”。
排错树与验证方法
问：别人拿到Notebook跑不起来怎么办？按这棵树排查：内核路径不对，先重选.venv；提示ModuleNotFoundError，检查requirements.txt并重新安装；结果数值不同，核对随机种子、数据文件哈希和Python版本；图表为空，检查筛选后数据行数。
验证是否真的可复现：新建一个干净虚拟环境，安装清单，复制data/raw/，执行“Restart Kernel and Run All”。在我的测试中，一个包含12万行CSV、3个模型和6张图的Notebook全量运行约38秒；只要输入文件哈希、关键指标和图表均一致，就可以认为流程基本闭环。最后把运行时间、Python版本、依赖清单和结果摘要写入README。
网络只影响安装和下载，不决定研究质量。需要远程访问时，可把安卓UU加速器作为网络选项之一；免费镜像、本地缓存和官方源同样可用，具体取决于你的网络环境：https://wizzegroup.com
还有具体报错？把错误信息、Python版本、内核路径和最小可运行单元贴出来，按上面的排错顺序处理，通常比反复重装更快。