摘要在日常数据分析和机器学习开发中Jupyter Notebook 是一个非常好用的交互式开发工具。但在某些场景下我们需要将.ipynb文件转换为纯 Python 脚本文件.py以便于生产环境部署、代码版本管理或与其他开发者协作。本文将详细介绍5 种将 Jupyter Notebook 转换为 Python 文件的方法涵盖图形界面、命令行、Python 脚本、IDE 工具等多种方式总有一种适合你一、为什么要进行转换在正式开始之前我们先来了解一下为什么需要将.ipynb转换为.py场景说明生产环境部署Jupyter Notebook 不适合直接在生产服务器上运行转换为.py后可以方便地部署和调度代码版本管理.ipynb文件包含大量 JSON 元数据Git diff 难以阅读.py文件更利于代码审查团队协作部分团队成员更习惯使用 PyCharm、VS Code 等 IDE 开发纯 Python 文件纯文本编辑有时需要在 Vim、Nano 等终端编辑器中快速查看或修改代码模块化开发将 Notebook 中的代码整理为可复用的 Python 模块二、方法一使用 Jupyter Notebook 自带功能最简单如果你已经安装并打开了 Jupyter Notebook这是最直接、最简单的方法。操作步骤打开你的 Jupyter Notebook 文件.ipynb点击顶部菜单栏的File→Download as→Python (.py)浏览器会自动下载转换后的.py文件到本地操作示意图优点✅ 无需安装额外工具✅ 一键操作零门槛✅ 保留代码结构缺点❌ 需要手动打开 Jupyter Notebook❌ 不适合批量转换❌ 无法自定义输出格式三、方法二使用命令行工具jupyter nbconvert推荐nbconvert是 Jupyter 官方提供的命令行转换工具功能强大支持批量转换和多种格式。1. 安装 Jupyter如未安装pipinstalljupyter或安装nbconvert独立包pipinstallnbconvert2. 基本转换命令打开终端Windows 使用 CMD / PowerShellmacOS/Linux 使用 Terminal进入.ipynb文件所在目录执行jupyter nbconvert--toscript your_notebook.ipynb示例# 进入文件目录cdD:\Projects\MyProject# 执行转换jupyter nbconvert--toscript data_analysis.ipynb3. 终端输出示例[NbConvertApp] Converting notebook data_analysis.ipynb to script [NbConvertApp] Writing 15170 bytes to data_analysis.py转换成功后你会在同级目录下看到生成的data_analysis.py文件。4. 批量转换多个文件如果需要一次性转换目录下的所有.ipynb文件Windows (PowerShell):Get-ChildItem*.ipynb|ForEach-Object{jupyter nbconvert--to script$_.Name}macOS / Linux (Bash):forfilein*.ipynb;dojupyter nbconvert--toscript$file;done5. 常用参数说明参数说明示例--to script转换为 Python 脚本jupyter nbconvert --to script file.ipynb--to python同上script 的别名jupyter nbconvert --to python file.ipynb--output指定输出文件名jupyter nbconvert --to script file.ipynb --output myscript--stdout输出到标准输出不保存文件jupyter nbconvert --to script file.ipynb --stdout--template使用自定义模板jupyter nbconvert --to script file.ipynb --template full优点✅ 无需打开浏览器✅ 支持批量转换✅ 可集成到自动化脚本 / CI/CD 流程✅ 支持自定义模板缺点❌ 需要记住命令❌ 对新手有一定门槛四、方法三使用 Python 脚本自定义转换如果你需要在转换过程中进行自定义处理例如过滤特定单元格、添加文件头注释等可以编写 Python 脚本实现。基础版本仅提取代码单元格importjsondefconvert_ipynb_to_py(ipynb_file,py_file): 将 Jupyter Notebook 文件转换为 Python 脚本文件 参数: ipynb_file: 输入的 .ipynb 文件路径 py_file: 输出的 .py 文件路径 # 读取 .ipynb 文件JSON 格式withopen(ipynb_file,r,encodingutf-8)asf:notebookjson.load(f)# 写入 .py 文件withopen(py_file,w,encodingutf-8)asf:forcellinnotebook[cells]:# 只提取 code 类型的单元格ifcell[cell_type]code:# 将 source 列表拼接为字符串source.join(cell[source])f.write(source\n\n)# 使用示例if__name____main__:convert_ipynb_to_py(your_notebook.ipynb,your_notebook.py)print(转换完成)进阶版本保留 Markdown 注释 过滤魔法命令importjsonimportredefconvert_ipynb_to_py_advanced(ipynb_file,py_file): 高级转换保留 Markdown 作为注释过滤 Jupyter 魔法命令 withopen(ipynb_file,r,encodingutf-8)asf:notebookjson.load(f)withopen(py_file,w,encodingutf-8)asf:# 写入文件头f.write(# -*- coding: utf-8 -*-\n)f.write(f# Converted from:{ipynb_file}\n)f.write(# \n\n)fori,cellinenumerate(notebook[cells]):ifcell[cell_type]markdown:# 将 Markdown 转换为 Python 注释source.join(cell[source])comment_lines[# lineforlineinsource.split(\n)]f.write(\n.join(comment_lines)\n\n)elifcell[cell_type]code:source.join(cell[source])# 过滤 Jupyter 魔法命令如 %matplotlib inlinelinessource.split(\n)filtered_lines[]forlineinlines:ifnotline.strip().startswith(%)andnotline.strip().startswith(!):filtered_lines.append(line)iffiltered_lines:f.write(\n.join(filtered_lines)\n\n)# 使用示例convert_ipynb_to_py_advanced(data_analysis.ipynb,data_analysis_clean.py)优点✅ 完全可控可自定义转换逻辑✅ 可集成到数据处理流水线✅ 可过滤不需要的内容如魔法命令、输出结果缺点❌ 需要编写代码❌ 可能无法完美处理所有 Notebook 特性五、方法四使用 VS Code 插件开发者友好如果你使用Visual Studio Code进行开发可以通过插件实现一键转换。操作步骤安装 Jupyter 插件打开 VS Code进入扩展商店CtrlShiftX搜索并安装JupyterMicrosoft 官方插件打开 .ipynb 文件在 VS Code 中打开你的 Notebook 文件导出为 Python 脚本点击右上角的…更多操作选择Export→Python Script选择保存位置即可优点✅ 集成在开发环境中无需切换✅ 可视化操作✅ 支持调试 Notebook 后直接导出缺点❌ 需要安装 VS Code 和插件❌ 不适合服务器环境六、方法五使用 PyCharm / DataSpellJetBrains 用户如果你使用 JetBrains 系列的 IDE如 PyCharm Professional 或 DataSpell也支持直接导出。操作步骤打开 .ipynb 文件在 PyCharm 中打开 Notebook 文件导出操作点击 Notebook 工具栏上的Convert to Python File按钮或右键点击文件 →Export to Python File优点✅ 与 IDE 深度集成✅ 可保持代码结构清晰缺点❌ 仅 PyCharm Professional / DataSpell 支持❌ 社区版Community不支持七、转换效果对比假设我们有如下 Notebook 内容# Cell 1 (Markdown)# ## 数据分析示例# Cell 2 (Code)importpandasaspdimportmatplotlib.pyplotasplt# Cell 3 (Code)%matplotlib inline dfpd.read_csv(data.csv)df.head()# Cell 4 (Code)plt.plot(df[x],df[y])plt.show()转换后的.py文件方法三进阶版# -*- coding: utf-8 -*-# Converted from: analysis.ipynb# # ## 数据分析示例importpandasaspdimportmatplotlib.pyplotasplt dfpd.read_csv(data.csv)df.head()plt.plot(df[x],df[y])plt.show()八、常见问题 FAQQ1: 转换后的.py文件能直接运行吗A:大部分情况下可以直接运行但如果 Notebook 中使用了 Jupyter 魔法命令如%matplotlib inline、%timeit需要在.py中删除或替换这些命令。Q2: 如何保留 Notebook 中的输出结果A:jupyter nbconvert --to script默认不保留输出。如需保留建议使用--to python配合自定义模板或使用jupyter nbconvert --to html先导出为 HTML。Q3: 转换后的中文注释乱码怎么办A:确保转换时指定encodingutf-8并在.py文件头部添加# -*- coding: utf-8 -*-。Q4: 可以反向转换吗.py → .ipynbA:可以使用jupytext工具pipinstalljupytext jupytext--tonotebook your_script.py九、总结对比表方法难度适用场景批量转换自定义Jupyter 界面下载⭐ 简单偶尔转换❌❌jupyter nbconvert命令⭐⭐ 中等日常开发、批量处理✅✅Python 脚本自定义⭐⭐⭐ 较难特殊需求、自动化✅✅✅✅VS Code 导出⭐ 简单VS Code 用户❌❌PyCharm / DataSpell⭐ 简单JetBrains 用户❌❌十、写在最后本文介绍了5 种将 Jupyter Notebook 转换为 Python 文件的方法从最简单的界面操作到灵活的脚本自定义你可以根据自己的需求选择最合适的方式。个人建议日常使用推荐方法二命令行简单高效有特殊需求时选择方法三Python 脚本进行自定义处理。如果这篇文章对你有帮助欢迎点赞 、收藏 ⭐、评论 你的支持是我创作的动力如有任何问题欢迎在评论区留言交流。