VSCode 数据科学效率提升需安装 Python、Jupyter 和 Pylance 插件，配置内核选择、解释器路径、Plotly 内联渲染及 Code Runner 快速执行。

如果您在使用 vscode 进行数据科学工作时发现环境配置低效、代码补全不准或可视化体验不佳，则可能是由于核心插件缺失或设置未针对数据分析场景优化。以下是提升 vscode 数据科学工作流的关键实践与插件配置：

本文运行环境：MacBook Air M2，macOS Sequoia。

一、安装核心 Python 与 Jupyter 插件

VSCode 原生不内置完整的 Python 数据科学支持，需通过官方维护的扩展提供语法高亮、调试、单元测试及交互式笔记本功能。Jupyter 扩展是运行 .ipynb 文件和内联图表的基础依赖。

1、打开 VSCode，点击左侧活动栏中的扩展图标（或按 Cmd+Shift+X）。

2、在搜索框中输入 Python，找到由 Microsoft 发布的官方 Python 扩展，点击“安装”。

3、再次搜索 Jupyter，安装同为 Microsoft 发布的 Jupyter 扩展。

4、重启 VSCode，确保插件激活并识别已安装的 Python 解释器。

二、配置高效的数据科学工作区设置

默认设置无法充分利用 VSCode 的数据科学能力，需手动启用自动补全、变量查看器、内核选择提示等关键功能，以减少手动切换上下文的开销。

1、按下 Cmd+, 打开设置界面，在右上角点击“打开设置（JSON）”图标。

2、在 settings.json 中添加以下配置项：

3、设置 "jupyter.askForKernel": true，确保每次打开 notebook 时明确选择 Python 环境。

4、启用 "python.defaultInterpreterPath" 并指定 conda 或 venv 中的 python 可执行路径，例如 "/opt/anaconda3/bin/python"。

三、集成 Pylance 提升类型感知与智能提示

Pylance 是基于 Language Server Protocol 的高性能 Python 语言服务器，能显著增强 pandas、numpy、scikit-learn 等库的类型推断与文档悬停能力，尤其适用于链式调用与 DataFrame 列名自动补全。

1、在扩展市场中搜索 Pylance，安装由 Microsoft 提供的版本。

2、确认 Python 扩展已启用，并在设置中将 "python.languageServer" 设为 "Pylance"。

3、在任意 .py 文件中导入 pandas 后键入 pd.DataFrame().，验证方法列表是否实时显示且含类型标注。

四、启用 Plotly 与 Matplotlib 内联渲染

Jupyter 扩展默认支持 matplotlib 图表内联显示，但 Plotly 需额外配置才能避免弹出浏览器新窗口，转而嵌入编辑器侧边栏，保持工作流连续性。

1、在终端中为当前 Python 环境安装 plotly：运行 pip install plotly ipywidgets。

2、在 VSCode 设置中启用 "jupyter.renderPlotlyViaOrca": false，强制使用前端渲染器。

3、在 notebook 单元格中运行 import plotly.express as px; px.scatter(x=[1,2], y=[3,4]).show()，观察图表是否直接呈现于输出区域。

五、使用 Code Runner 快速执行片段代码

在探索性数据分析过程中，常需临时运行单行或小段代码（如 shape 查看、describe 输出），无需创建完整脚本。Code Runner 提供一键执行能力，并支持自定义执行命令与输出面板重定向。

1、安装扩展市场中的 Code Runner（作者 Jun Han）。

2、进入设置，搜索 code-runner.executorMap，点击“在 settings.json 中编辑”。

3、在 map 中为 python 添加配置："python": "python -u", 并添加 "jupyter": "jupyter-notebook --no-browser --port=8888"。

4、选中一段 pandas 代码，右键选择“Run Code”，结果将显示在集成终端底部面板。