变量面板默认显示当前作用域变量名、类型及值，但pd.dataframe、np.ndarray等仅显示[object]/[array]或截断内容；需右键选“view value in interactive window”才能以表格或结构化形式真正查看。
VSCode 里没有叫“Python变量查看器”的独立插件，Python 扩展本身已内置变量面板和数据可视化能力，额外装同名插件反而可能冲突。
变量面板能看什么？哪些类型会显示异常
调试时停在断点上，左侧“变量”面板默认展示当前作用域的变量名、类型、值。但以下情况容易误判为“没显示”：
-
pd.DataFrame、np.ndarray、嵌套字典等结构，只显示[Object]或[Array]，不自动展开深层内容 - 超长字符串或大列表会被截断，末尾显示
... (123 more) - 自定义类实例若未实现
__repr__，可能只显示内存地址如<__main__.myclass object at></__main__.myclass> - 生成器（
generator）或懒加载对象（如某些 Spark DataFrame）在面板中不可展开，需手动调用list()或.toPandas()
怎么真正“打开”DataFrame和大型数组
别指望双击展开——VSCode 默认限制递归深度防卡顿。正确做法是右键变量 → 选择 View Value in Interactive Window：
- 对
pd.DataFrame：会以表格形式渲染，支持排序、列筛选、导出 CSV - 对
np.ndarray：显示形状、dtype、前几行/列，右上角有“Open in Data Viewer”按钮可全量查看 - 对字典/列表：展开后可逐层点击子项，比 Variables 面板更可靠
- 注意：该功能依赖
Python扩展启用 Jupyter 内核支持，若提示 “No kernel available”，需先通过命令面板运行Jupyter: Select Interpreter
绘图结果为什么不出现在 VSCode 里
matplotlib 图表默认不内嵌到调试界面，常见错误配置和对应解法：
- 直接写
plt.plot(); plt.show()→ 弹出独立窗口（macOS 可能被遮挡），且阻塞调试流程 - 用
%matplotlib inline但没在 Jupyter 环境中 → 报错NameError: name 'get_ipython' is not defined - 在
.py文件中调试时调用绘图 → 必须配合# %%分块 + 在交互式窗口运行，否则图表不渲染 - 正确做法：在交互式窗口（
Ctrl+Shift+P→Jupyter: Create New Interactive Window）中运行绘图代码，图表自动出现在“绘图查看器”面板 - 导出图表：右键绘图查看器中的图 →
Save as PNG，路径默认为当前工作目录
Watch 面板比 Variables 更适合盯关键表达式
Variables 面板只反映静态作用域，而你常需要的是动态组合值，比如 df.groupby('category')['value'].mean().to_dict() 或 len(errors) > 0：
- 调试中按
⇧+⌘+D（macOS）或⇧+Ctrl+D（Win/Linux）打开“运行和调试”视图，点“监视”右上角+ - 输入表达式，支持任意合法 Python 语法，包括函数调用（但避免副作用操作如
cache.clear()） - 右键变量名 →
Add to Watch，比手输快且防错 - Watch 表达式每次暂停都会重新求值，但不会改变程序状态——这点比调试控制台更安全
最易忽略的是环境一致性：Data Viewer 和绘图查看器强制使用与当前 Notebook 或调试会话相同的 Python 解释器，如果 launch.json 指向一个没装 pandas 的环境，或者 Jupyter 内核选错了，连 df.head() 都会报 ModuleNotFoundError。检查解释器路径是否匹配 which python 输出，比反复重装插件管用得多。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
