jupyter debug

要在Jupyter中进行调试，可以使用以下方法：

1. 使用`pdb`模块进行调试。在代码中插入断点，通过`pdb.set_trace()`来暂停程序执行，然后使用命令行界面进行调试。例如：

import pdb

def my_function():
    a = 10
    b = 5
    pdb.set_trace()
    result = a / b
    print(result)

my_function()

运行这段代码后，程序会在`pdb.set_trace()`处暂停，然后你可以使用命令行界面进行调试，查看变量值、单步执行等。

2. 使用Jupyter内置的调试功能。在Jupyter Notebook或JupyterLab中，可以使用`%debug`魔术命令来进入调试模式。例如：

def my_function():
    a = 10
    b = 0
    result = a / b
    print(result)

%debug my_function()

运行这段代码后，当程序出现异常时，Jupyter会进入调试模式，并显示错误的堆栈跟踪信息。你可以在调试模式下查看变量值、执行代码，甚至修改变量值。

相关问题

jupyter debug

### 如何在 Jupyter Notebook 中进行调试

#### 使用 `pdb` 进行调试
一种简单有效的方式是在代码中插入断点，通过 Python 自带的 `pdb` 库实现。当执行到 `pdb.set_trace()` 所处位置时，内核暂停并允许交互式检查变量状态、逐步执行后续语句等功能。

import pdb 

def example_function(x):
    result = x * 2
    pdb.set_trace()  # 设置断点
    final_result = result + 5
    return final_result

example_function(10)

一旦程序到达此断点，可以输入命令如 `n(ext)` 来继续下一步操作，或是查看当前作用域内的任何对象属性和值[^4]。

#### 配置 IDE 支持更高级功能
对于希望获得类似于传统 IDE 调试体验（比如可视化界面下的单步跟踪），可考虑借助 PyCharm 等支持 Jupyter 的集成开发环境。安装配置完成后，在本地启动 Jupyter Server 并连接至 PyCharm 后能够享受到更为便捷高效的调试流程[^3]。

#### 修改 Just My Code 设置以便深入库函数内部
默认情况下，“仅限我的代码”选项阻止了进入标准库或其他第三方模块中的源码级调试过程。为了能够在遇到错误时追踪这些部分的行为，应当调整相应设置。“jupyter.debugJustMyCode”的取消勾选使得开发者可以在必要时候探究外部依赖的具体工作原理[^2]。

pycharm jupyter debug

### 如何在 PyCharm 中调试 Jupyter Notebook

为了实现在 PyCharm 中有效地调试 Jupyter Notebook 文件，可以利用集成环境所提供的功能。当使用最新版本的 PyCharm Professional Edition 时，该 IDE 支持直接打开并运行 `.ipynb` 文件，并提供了内置的支持用于编辑和执行这些文件中的单元格。

对于希望更深入地控制程序流的情况，在代码中插入断点是一个常用方法。可以在想要暂停的地方设置断点以便逐步检查变量状态和其他细节。具体操作是在目标行左侧点击或者通过快捷键 `Ctrl+F8` 来添加断点[^1]。

启动调试会话的方式之一是从菜单栏选择 "Run" -> "Debug..." 或者右击某个特定的 cell 并选择 “Debug”。此时如果之前已经设置了断点，则会在达到相应位置时自动停止，允许开发者查看当前上下文的信息以及手动继续执行、单步跳过或进入函数内部等动作[^2]。

另外值得注意的是，除了上述传统意义上的断点调试外，还可以借助魔法命令 `%debug` 实现即时调用 IPython 的交互式调试器。这使得即使不在预设断点处也能快速响应异常情况下的调试需求。只需简单地在一个新的cell里输入此命令就可以激活调试模式。

%debug
def add_1(x):
    return x + 1
    
print(add_1(10))