如何在子文件夹的Jupyter Notebook中共享代码并管理外部数据？

针对你遇到的父目录utils.py导入问题，以及大数据文件的管理需求，这里有几个实用的解决方案：

一、动态添加父目录到Python路径（最便捷） #

在每个需要调用utils.py的Notebook开头添加一段简短代码，自动识别父目录并加入路径，无需手动硬编码：

import sys
from pathlib import Path

# 获取当前Notebook所在目录的父目录
parent_dir = Path.cwd().parent
if str(parent_dir) not in sys.path:
    sys.path.append(str(parent_dir))

# 现在可以直接导入utils模块
from utils import download_data

这种方式适配所有子文件夹的Notebook，代码量少，对其他用户友好，不需要额外配置。

二、将父目录转为可导入包（更规范） #

在仓库根目录下创建一个空的__init__.py文件，让Python将根目录视为一个包。之后Notebook里可以用绝对导入：

# 假设仓库根目录名为jupyter-tutorials
from jupyter-tutorials.utils import download_data

配合前面的动态路径添加，或者让用户把仓库根目录加入PYTHONPATH，就能实现无额外代码导入。

三、设置全局PYTHONPATH环境变量 #

让用户克隆仓库后，执行一次环境变量配置，将仓库根目录加入PYTHONPATH：

• Linux/macOS终端：

  export PYTHONPATH=/path/to/your/repo/root:$PYTHONPATH
  

• Windows命令行：

  set PYTHONPATH=C:\path\to\your\repo\root;%PYTHONPATH%
  

可以把这段命令写在README.md里，用户执行后所有Notebook都能直接导入utils，无需修改Notebook代码。

四、优化数据下载的缓存机制 #

针对大文件下载，建议在utils.py里添加缓存逻辑，避免重复下载：

from pathlib import Path
import requests

def download_data(url, save_dir="data"):
    save_dir = Path(save_dir)
    save_dir.mkdir(exist_ok=True)
    file_name = url.split("/")[-1]
    save_path = save_dir / file_name

    if save_path.exists():
        print(f"本地已存在数据文件，直接使用: {save_path}")
        return save_path
    
    # 流式下载大文件
    with requests.get(url, stream=True) as r:
        r.raise_for_status()
        with open(save_path, "wb") as f:
            for chunk in r.iter_content(chunk_size=8192):
                f.write(chunk)
    print(f"数据文件下载完成: {save_path}")
    return save_path

同时在仓库根目录创建.gitignore文件，添加data/规则，确保数据文件不会被提交到GitHub。

内容的提问来源于stack exchange，提问作者Christian