IPython（含 Jupyter Notebook）会自动创建一系列以 _ 开头的特殊变量，用于缓存历史输入（_i1, _i2…）、输出（_1, _2…）及最近三次结果（_, __, ___），便于快速复用。
ipython（含 jupyter notebook）会自动创建一系列以 `_` 开头的特殊变量，用于缓存历史输入（`_i1`, `_i2`…）、输出（`_1`, `_2`…）及最近三次结果（`_`, `__`, `___`），便于快速复用。
在 IPython 交互环境中（包括 Jupyter Notebook、JupyterLab 或终端版 IPython），为提升探索式编程效率，内核会自动维护一组隐藏变量，它们并非用户显式定义，但始终存在于当前命名空间中。执行 dir() 时看到的 _1, _2, _i3, _ih, _, ___ 等，正是这些由 IPython 内置机制生成的“快捷引用变量”。
? 核心变量分类说明
| 变量名 | 含义 | 等价访问方式 | 示例 |
|---|---|---|---|
_1, _2, _3, … |
第 1、2、3 次执行语句的输出结果 |
Out[1], Out[2], Out[3]
|
若 In[5]: 2 + 3 → Out[5]: 5，则 _5 == 5
|
_i1, _i2, _i3, … |
第 1、2、3 次执行的原始输入字符串 |
In[1], In[2], In[3]
|
_i5 == '2 + 3'（注意是字符串） |
_, __, ___
|
最近三次输出值（按时间倒序）：_ = 最新，__ = 上一次，___ = 上上一次 |
— | 执行 10, 20, 30 后：_ == 30, __ == 20, ___ == 10
|
_i |
最后一次输入的字符串（等同 _i<latest></latest>） |
— | 若最后输入 len([1,2,3])，则 _i == 'len([1,2,3])'
|
_ih |
所有输入历史的列表（list[str]） |
In（即 get_ipython().user_ns['In']） |
_ih[-1] == _i |
_oh |
所有输出历史的字典（dict[int, object]，键为行号） |
Out |
_oh[7] == _7 |
✅ 实际使用示例
# In[1]: "Hello" # In[2]: 42 * 2 # In[3]: [1, 2, 3] # 此时： print(_, __, ___) # 输出: [1, 2, 3] 84 'Hello' print(_2, _3) # 输出: 84 [1, 2, 3] print(_i1, _i3) # 输出: '"Hello"' '[1, 2, 3]' print(_ih[0], _ih[2]) # 输出: '' '[1, 2, 3]'（注意 _ih[0] 是空字符串，因 In[0] 未定义）
⚠️ 注意事项
- 这些变量仅在 IPython/Jupyter 环境中存在，标准 Python 解释器（
python命令）中不会生成； - 它们属于
IPython.core.interactiveshell.InteractiveShell的内部状态，不应被手动赋值覆盖（如_=100会破坏快捷访问）； -
_i#和_#的编号对应于 IPython 的In[#]/Out[#]行号，跳过空行或注释行仍计数； - 使用
%reset out或%reset in可清除输出/输入历史（连带清空对应_#/_i#变量）； - 若需检查是否在 IPython 环境中，可用：
from IPython import get_ipython if get_ipython() is not None: print("Running in IPython/Jupyter")
掌握这些自动变量，能显著提升交互式开发效率——无需反复复制粘贴，一行 _ 即可复用上一步结果，是 IPython 设计中极具实用性的“隐形助手”。
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！
