同一代码在Jupyter Notebook拆分单元格后无法正常运行的问题

问题场景 #

将以下代码放在单个Jupyter单元格内运行时，能正常输出TensorFlow日志和符合预期的pandas Series结果：

train_predictions = linear_model.predict(train_feed_input_testing) 
test_predictions = linear_model.predict(test_feed_input) 
train_predictions_series = pd.Series([p['predictions'][0] for p in train_predictions]) 
test_predictions_series = pd.Series([p['predictions'][0] for p in test_predictions])

train_predictions_series, test_predictions_series

但将代码拆分到多个独立单元格后，单独执行train_predictions_series = pd.Series([p['predictions'][0] for p in train_predictions])并查看该对象时，得到的是空Series：

Series([], dtype: float64)

核心原因 #

这是因为TensorFlow的predict()方法返回的是一次性迭代的生成器/数据流对象：

• 在同一单元格内运行时，train_predictions会被直接用于后续的列表推导，一次性完成迭代并转换为Series，数据没有被提前消耗。
• 拆分单元格后，第一次运行train_predictions = linear_model.predict(...)时，Jupyter的自动变量展示机制会隐式遍历这个生成器对象（比如在单元格输出里显示其内容），导致生成器被耗尽。后续再执行列表推导时，已经没有数据可以遍历，最终生成空Series。
• 另外，当输入的train_feed_input_testing是tf.data.Dataset这类数据流时，predict()返回的结果本身就是只能迭代一次的对象，无法重复读取。

解决办法 #

• 提前将预测结果转换为持久化的列表，确保数据存在内存中可重复使用：

  train_predictions = list(linear_model.predict(train_feed_input_testing))
  test_predictions = list(linear_model.predict(test_feed_input))
  

  转换为列表后，无论拆分多少单元格，重复迭代都不会出现空数据的情况。
• 如需查看train_predictions的内容，避免直接输出变量（会触发全量遍历），可以只查看前几个元素：

  print(train_predictions[:5])
  

内容的提问来源于stack exchange，提问作者SREE SHARON SIVAKUMAR