JupyterLab使用%lprun行性能分析时触发Name not defined错误

问题触发原因 #

这个问题是依赖版本升级后执行上下文逻辑变更导致的，和代码本身逻辑无关：

• 早期Jupyter Notebook配套的低版本line_profiler、IPython内核中，%lprun行魔法会自动捕获外层自定义函数的局部作用域，因此写在函数内部也能读取到x、y这类局部变量
• 升级到JupyterLab配套的line_profiler 3.5+、IPython 8.x版本后，行魔法的执行上下文被收紧，默认仅能读取全局命名空间的变量，无法自动访问自定义函数内的局部变量，因此会抛出变量未定义的错误。

问题复现代码 #

# 单独单元格运行加载扩展
%reload_ext line_profiler

def fn1(x,y):
   z=x+y
   return z

def fn2(u,v):
   x=u+v
   y= u*v
   # 该写法在新版本依赖下失效
   %lprun -f fn1 z=fn1(x,y)

fn2(100,200)

可行解决方法 #

• 方法1：将%lprun调用移到全局作用域（最推荐，兼容性最好）
  不要把行魔法写在自定义函数内部，把需要分析的逻辑和%lprun调用放到单元格的全局层级执行，示例：

  %reload_ext line_profiler
  
  def fn1(x,y):
     z=x+y
     return z
  
  def fn2(u,v):
     x=u+v
     y= u*v
     return fn1(x,y)
  
  # 全局作用域调用分析
  %lprun -f fn1 res = fn2(100,200)
  

• 方法2：函数内部显式调用LineProfiler对象（适配必须在函数内做分析的场景）
  跳过魔法命令，直接导入line_profiler的原生类手动执行分析，显式传入当前作用域的变量，示例：

  %reload_ext line_profiler
  
  def fn1(x,y):
     z=x+y
     return z
  
  def fn2(u,v):
     x=u+v
     y= u*v
     from line_profiler import LineProfiler
     lp = LineProfiler()
     # 绑定要分析的函数
     lp.add_function(fn1)
     z = lp(fn1)(x,y)
     # 打印分析结果
     lp.print_stats()
     return z
  
  fn2(100,200)
  

• 方法3：降级依赖版本（不推荐）
  将line_profiler降级到3.4.0、IPython降级到7.x系列版本，即可恢复旧版本中函数内写%lprun的用法，但降级会破坏JupyterLab新版本的部分功能兼容性，存在其他依赖冲突风险。

注意：所有%开头的IPython行魔法默认都以全局命名空间作为执行上下文，除了少数专门做了局部作用域适配的魔法，其余魔法命令写在自定义函数内部都可能出现变量访问错误，这是IPython的固有执行机制决定的。

内容的提问来源于stack exchange，提问作者knowledge_seeker