既然有虚拟环境（Virtual Environment），那么有必要先解释一下，什么是环境。 这里的环境，指的就是 Python 代码的运行环境。它应该包含以下信息：（第 1 个是最主要的，后面 2 个基本是围绕它确定的）

如果看了对安装后的文件夹的说明，应该很清楚了，就是：

虚拟环境就是 Python 环境的一个副本。 虚拟环境是一个虚拟化、从电脑独立开辟出来的环境。通俗的来讲，虚拟环境就是借助虚拟机docker来把一部分内容独立出来，我们把这部分独立出来的东西称作“容器”，在这个容器中，我们可以只安装我们需要的依赖包，各个容器之间互相隔离，互不影响。 譬如，本次学习需要用到Django，我们可以做一个Django的虚拟环境，里面只需要安装Django相关包就可以了。

在实际项目开发中，我们通常会根据自己的需求去下载各种相应的框架库，如Scrapy、Beautiful Soup等，但是可能每个项目使用的框架库并不一样，或使用框架的版本不一样，这样需要我们根据需求不断的更新或卸载相应的库。直接怼我们的Python环境操作会让我们的开发环境和项目造成很多不必要的麻烦，管理也相当混乱。

举一个最简单的例子，假设框架中需要安装A包，安装A包的前提条件是B包的2.1版本和C包的1.2版本都有，这时候你原来系统里的B包可能是3.2版本，为了装A包就需要降版本，但是系统里原来的D包需要3.2版本的B包，所以B包降了版本，可能导致D包无法使用。

kernel在Jupyter中提供编程语言支持。（说白了，kernel就是编译器） IPython是默认内核，支持Python编程语言。IPython是参考的Jupyter内核，提供了一个强大的Python交互式计算环境。 还有其他内核包括R、Julia等。所以除了Python之外，还可以在Jupyter中使用许多其他语言。

如果说kernel是编译器的话，那我是不是可以理解为kernelconda env list #conda environments: # base * C:\ProgramData\Anaconda3

查看jupyter kernel：

可以发现kernel的位置是在虚拟环境之下的，所以我觉得我的想法应该没错。如果有大佬知道，欢迎在评论区指正！

既然虚拟环境是python语言的运行环境，那么可以将创建的虚拟环境添加为jupyterlab的kernel（编译器），使用自己创建的虚拟环境来运行jupyterlab中的Python代码。

务必要安装ipykernel（如果是R语言，要安装irkernel），ipykernel包的作用是将当前所在python环境添加为kernel，配置文件路径为~/anaconda3/envs/my_env/share/jupyter/kernels/python3/kernel.json。 通过配置Jupyter下的kernel.json文件，就可以将虚拟环境映射为kernel。

或者在当初创建环境时，同时安装ipykernel：

“–user”参数的意思是针对当前用户安装，而非系统范围内安装。 KernelName是你的虚拟环境名称。 DisplayName是你想要该内核在notebook上面显示内核的名字。

其中，kernelname是你的虚拟环境名称（即上面添加的内核名称）。

新建ipynb文件时，选择的是哪个kernel（如：Python3），每次进入时就启动相应的kernel。 可以在jupyterlab界面导航“Kernel”下的“Change Kernal”切换内核。

notebook和spyder都是编辑器，python或其他代码运行在其中时，需要语言编译环境的支持。kernel中就包含了这个语言环境，不同的kernel可对应不同的环境。