Jupyter Notebook如何实现跨设备存储并共享变量状态？

完全可以将变量状态直接嵌入.ipynb文件本身，实现跨设备打开文件即可读取变量，不需要依赖本地独立存储文件，核心逻辑是把序列化后的变量内容写入Notebook文件自带的可持久化存储字段中。

方案1：写入Notebook全局元数据（和给出的示例逻辑完全匹配） #

.ipynb本质是结构化JSON文件，根节点下的metadata字段是官方预留的自定义存储区域，可直接用来存放需要共享的变量。

• 存储变量时，运行以下代码即可将指定变量写入当前Notebook的元数据：

import json
import pickle
import base64
from pathlib import Path

# 替换为当前Notebook的实际文件路径
current_nb_path = Path("你的Notebook文件名.ipynb")

# 待存储的普通变量
my_string = "Hello world!"
result = 6.67e-11
# DataFrame、自定义类实例这类复杂对象，先序列化为二进制再转base64字符串存储
# complex_data = pd.DataFrame({"col1":[1,2,3]})
# complex_data_str = base64.b64encode(pickle.dumps(complex_data)).decode("ascii")

# 读取Notebook结构、写入自定义变量字段
with open(current_nb_path, "r", encoding="utf-8") as f:
    nb_content = json.load(f)
nb_content["metadata"]["stored"] = {
    "my_string": my_string,
    "result": result
    # "complex_data": complex_data_str
}
# 保存修改到Notebook文件
with open(current_nb_path, "w", encoding="utf-8") as f:
    json.dump(nb_content, f, ensure_ascii=False, indent=2)

• 其他用户拿到文件后，运行以下代码即可直接读取嵌入的变量，不需要重新运行前置计算逻辑：

import json
import pickle
import base64

with open("你的Notebook文件名.ipynb", "r", encoding="utf-8") as f:
    nb_content = json.load(f)
stored_vars = nb_content["metadata"].get("stored", {})

my_string = stored_vars["my_string"]
result = stored_vars["result"]
# 复杂对象读取：complex_data = pickle.loads(base64.b64decode(stored_vars["complex_data"]))

方案2：存入单元格输出区域 #

如果不想修改Notebook元数据，也可以把序列化后的变量作为代码单元格的输出打印，.ipynb文件本身会持久化保存所有单元格的输出内容，其他用户打开文件时，直接解析对应单元格的outputs字段就能拿到变量，不需要重新运行代码。该方案适合临时存储计算结果，不需要手动读写文件修改元数据。

注意事项 #

• 不建议嵌入单个体积超过100MB的变量，会导致Notebook文件加载、保存速度明显变慢
• 使用pickle序列化复杂对象时，需要保证读写两端的Python版本、相关依赖库版本匹配，否则会出现反序列化失败问题
• 表格、字典这类通用结构化数据，优先转成JSON、CSV等通用格式字符串存储，兼容性远高于pickle
• %store魔法命令本质是把变量序列化后存到当前设备的IPython用户配置目录下，没有写入Notebook文件本身，自然无法跟随文件跨设备共享。

内容的提问来源于stack exchange，提问作者Jotarata