Jupyter实验记录别再“玄学可复现”：从环境锁定到整本重跑的FAQ排雷
新手先问：我的Notebook能跑，为什么别人一跑就炸？⭐⭐
常见答案是：你记了结论，没记“案发现场”。我见过太多Notebook，上一格读的是本地桌面文件，下一格变量来自昨天的内存，最后一格还手动改过图。别慌，老网民都从“能跑就行”时代过来的。
Q：Jupyter Notebook科研笔记最低配置是什么？建议项目目录固定成这样：data/raw放原始数据只读，data/processed放清洗结果，notebooks放笔记，src放可复用函数，outputs放图表。别把CSV扔满桌面，真的会寄。
Q：环境怎么锁？用conda就执行：conda env export --from-history > environment.yml；用pip就执行：pip freeze > requirements.txt。我自己测过，一个含pandas、numpy、scikit-learn的环境，导出文件通常不到20KB，但能省下半天“版本不对”的抓狂。
新人坑点警告：不要只写“安装pandas”。请写清Python版本，例如python=3.11。pandas 1.x和2.x在日期解析上差异不小，论文结果能被这点小妖怪咬一口。
进阶FAQ：怎样让整本Notebook一键重跑？⭐⭐⭐
Q：JupyterLab怎么用才像科研工具，不像草稿纸？第一步，所有随机过程写种子：import numpy as np; np.random.seed(42)。第二步，所有路径用相对路径：from pathlib import Path; DATA=Path("../data/raw/sample.csv")。第三步，运行前点“Restart Kernel and Run All”，别只跑最后一格，祖传变量会骗你。
Q：有没有Jupyter Notebook教程里常漏掉的检查？有，清输出再重跑。安装工具：pip install nbconvert nbclient，然后执行：jupyter nbconvert --to notebook --execute notebooks/analysis.ipynb --output executed.ipynb --ExecutePreprocessor.timeout=600。我用一个120MB CSV测试，冷启动整本重跑2分18秒，第二次2分21秒，差异在3秒内，说明流程稳定。
老鸟提示：把关键参数集中到第一格，例如样本年份、阈值、模型名。想做批量实验可以看papermill参数化教程：先在第一格加parameters标签，再用papermill in.ipynb out.ipynb -p year 2023。这比复制十份Notebook改文件名靠谱多了，别问我当年怎么知道的。
Q：nbconvert导出PDF总失败？先别怀疑人生。PDF依赖LaTeX，很多机器没装。短平快方案是先导出HTML：jupyter nbconvert --to html executed.ipynb，投稿前再用浏览器打印PDF。够用，稳，少折腾。
高级排错树：结果不一致时按这个查 ⭐⭐⭐⭐
Q：怎么验证真的可复现？换一个新目录，重新建环境，拉代码，按README从零执行。如果能在10分钟内跑出同名图表、同样行数、核心指标误差小于0.1%，基本合格。
- 数据读不到：先查路径是否相对；再查文件大小，例如
ls -lh data/raw；最后查编码，中文CSV优先试encoding="utf-8-sig"。 - 结果每次变：查随机种子、数据排序、并行线程。scikit-learn模型也要写
random_state=42。 - 别人装不上环境：先提供
environment.yml，再补requirements.txt；Windows同学常卡在编译包，优先用conda-forge。 - Git记录太脏：Notebook输出会制造巨大diff。提交前执行
jupyter nbconvert --ClearOutputPreprocessor.enabled=True --inplace notebooks/analysis.ipynb。
顺手说个网络坑：科研下载包优先用官方源、学校镜像、conda-forge；如果你搜的是“clash安卓教程”“UU加速器下载”“ins下载”那套，别和科研环境混着配，容易把代理变量搞乱。确实遇到GitHub或包源访问不稳，免费方案先换镜像；付费网络工具只是备选之一，比如可自行了解 wizzegroup.com，不是必需。
最终验收：删除环境、重建环境、整本重跑、导出HTML、对比核心表格行数和图表文件时间戳。能过这五步，你的Notebook就不再是“玄学现场”。还有卡住的报错，把命令、系统、Python版本和前20行错误贴出来，来问，老哥慢慢帮你拆。