VS Code中Jupyter Notebook加载Python模块耗时过长问题求助

1. 清理Python 3.10环境变量残留 #

• 打开系统环境变量编辑界面，检查Path变量下是否还有未删除的Python 3.10相关路径（包括Python根目录、Scripts子目录路径），存在则全部删除后保存
• 重启终端/VS Code，执行where python（Windows）或which -a python（macOS/Linux），确认输出的路径中无Python 3.10相关条目，仅保留当前正在使用的Python版本路径

2. 校验当前Python解释器的模块搜索路径 #

• 打开当前使用的Python交互环境，执行以下代码：

import sys
print(sys.path)

• 检查输出的路径列表中是否包含已卸载的Python 3.10的site-packages或相关目录，存在残留路径的话按以下方式修复：
  • 临时生效：执行sys.path.remove("残留路径")
  • 永久生效：删除对应环境变量中的PYTHONPATH变量下的残留路径，或修改当前Python安装目录下site-packages中的.pth配置文件移除无效路径

3. 重新安装第三方模块 #

• 卸载当前已安装的numpy、pandas、matplotlib等慢加载模块：
  pip uninstall numpy pandas matplotlib -y
• 强制重新安装适配当前Python版本的预编译二进制包，避免源码编译导致的加载损耗：
  pip install numpy pandas matplotlib --force-reinstall --only-binary :all:

4. 校验VS Code Jupyter内核配置 #

• 打开VS Code命令面板（Ctrl+Shift+P/Cmd+Shift+P），选择Jupyter: Select Kernel，确认当前选中的内核对应你正在使用的Python版本，而非残留的Python 3.10内核
• 若存在无效内核，执行jupyter kernelspec list查看所有内核路径，执行jupyter kernelspec remove 无效内核名称删除残留的Python 3.10内核

5. 可选优化操作 #

• 若仍存在加载慢的问题，可安装conda环境管理工具，使用conda install安装数值计算模块，conda预装的MKL/OpenBLAS优化库可大幅提升模块加载和运行速度

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