Jupyter kernel cho NumPy, pandas: cell, Restart & Run All
Bài 3/3 · Chương 1
Bắt đầu
- 7 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 11
Jupyter kernel là chương trình Python chạy ngầm phía sau notebook: nó chạy code của từng ô (cell) bạn bấm và nhớ mọi biến các ô đó tạo ra. Khi học NumPy và pandas trong notebook, bạn chạy từng ô như ghi từng dòng vào một cuốn sổ nháp, và cần biết kernel nhớ gì để kết quả không lạ.
Cần biết trước: Jupyter Notebook, Google Colab và biến.
Kernel nhớ biến giữa các ô
Notebook là một dãy ô. Ô code chạy Python và hiện kết quả ngay bên dưới; bấm Shift+Enter để chạy ô đang chọn. Mọi ô dùng chung một kernel, nên biến gán ở ô này đọc được ở ô sau. Ví dụ dưới đây ghép hai ô theo đúng thứ tự bạn bấm chạy, mỗi ô mở bằng một dòng comment:
# Ô 1
gia = 29000
so_ly = 3
# Ô 2
tong = gia * so_ly
print(tong)KẾT QUẢ
87000Ô 2 không gán gia, vậy mà vẫn tính được, vì kernel còn nhớ gia từ ô 1. Trong VS Code, mở file .ipynb rồi bấm Select Kernel ở góc trên bên phải và chọn Python của .venv, môi trường ảo đã cài NumPy ở bài cài NumPy, pandas, Matplotlib. VS Code có thể đề nghị cài gói ipykernel vào môi trường đó; bấm Install. Trên Colab, kernel có sẵn, bạn chỉ chạy ô.
Đổi so_ly = 3 thành so_ly = 5 rồi chạy lại: dòng in là 145000.
Kernel chạy theo thứ tự bạn bấm
Kernel không đọc notebook từ trên xuống. Nó chạy ô theo đúng thứ tự bạn bấm, và mỗi lần bấm là một lần chạy mới trên các biến đang có. Bên trái mỗi ô code có một số như [3]: đó là lượt chạy thứ mấy của kernel; ô đứng cao hay thấp trên trang không đổi số đó. Giả sử bạn chạy ô 1 một lần, rồi bấm ô 2 ba lần liền để thử:
# Ô 1
so_don = 10
# Ô 2, bấm chạy lần 1, lần 2, lần 3
so_don = so_don + 5
so_don = so_don + 5
so_don = so_don + 5
print(so_don)KẾT QUẢ
25Mỗi lần chạy, ô 2 cộng 5 vào giá trị kernel đang giữ; số 10 viết ở ô 1 chỉ được dùng ở lần đầu. Ai mở notebook rồi chạy một lượt từ trên xuống sẽ thấy 15. Với NumPy và pandas, kiểu ô này hay gặp: một ô trừ một cột, chuẩn hóa một mảng, xóa vài dòng của bảng. Chạy lại ô đó là trừ thêm, chuẩn hóa thêm, xóa thêm một lần nữa. Viết ô sao cho chạy lại không đổi kết quả: tạo biến mới (so_don_moi = so_don + 5) thay cho gán đè lên biến cũ.
Trạng thái ẩn khi sửa hay xóa ô
Sửa hay xóa một ô không xóa biến nó đã tạo: kernel vẫn giữ biến đó cho tới khi khởi động lại. Notebook nhìn thì đúng, nhưng kết quả dựa vào một biến không còn ô nào tạo ra. Đó là trạng thái ẩn (hidden state). Ví dụ: ô 1 lúc đầu là gia = 29000. Bạn đổi tên biến thành gia_ly, chạy lại ô 1, rồi chạy ô 2 mà quên sửa theo:
# Ô 1, lần chạy đầu
gia = 29000
# Ô 1 sau khi sửa tên biến và chạy lại
gia_ly = 32000
# Ô 2, chưa sửa
print(gia * 2)KẾT QUẢ
58000Ô 2 vẫn chạy và in 58000, dùng giá cũ 29000 mà màn hình không còn chỗ nào ghi. Bạn tưởng đã đổi giá thành 32000, còn kernel vẫn tính theo giá cũ.
Restart & Run All: kiểm notebook từ trên xuống
Restart & Run All khởi động lại kernel, xóa sạch mọi biến, rồi chạy mọi ô theo thứ tự từ trên xuống. Kết quả khi đó đúng bằng thứ người khác thấy khi mở notebook của bạn. Lệnh nằm ở các chỗ sau:
VS Code: bấm Restart trên thanh công cụ của notebook, rồi Run All.
Jupyter Notebook: menu Kernel, Restart & Run All. JupyterLab ghi là Restart Kernel and Run All Cells.
Colab: menu Thời gian chạy (Runtime), Khởi động lại phiên và chạy tất cả (Restart session and run all).
Với notebook ở hai mục trên, Restart & Run All cho đúng kết quả của chuỗi ô viết trên màn hình:
# Ô 1
so_don = 10
# Ô 2
so_don = so_don + 5
print(so_don)KẾT QUẢ
15Chạy lại như vậy mỗi khi kết quả lạ, sau khi đổi tên biến, xóa ô, và luôn trước khi gửi notebook đi. Các bài NumPy và pandas viết mỗi ô code sao cho tự đủ, có import và dữ liệu riêng, nên chạy một ô bất kỳ trên trang không phụ thuộc ô khác. Notebook của bạn thì nên giữ ô import và đọc dữ liệu ở trên cùng.
Kiểm tra nhanh
Ô 1 là
so_ly = 2, ô 2 làso_ly = so_ly + 1. Bạn chạy ô 1 một lần rồi bấm ô 2 hai lần.print(so_ly)ở ô 3 in ra gì?342
Trong ví dụ ô 2 bấm chạy ba lần, nếu bạn bấm ô 2 thêm một lần nữa thì dòng in là số nào?
301525
Bạn xóa hẳn ô
gia = 29000khỏi notebook nhưng chưa khởi động lại kernel. Ôprint(gia)chạy ra sao?- Báo
NameError, vì ô gángiađã bị xóa - In
29000, vì kernel vẫn giữgia - In
None
- Báo
Những lúc nào nên chạy Restart & Run All?
- Trước khi gửi notebook cho người khác
- Sau khi đổi tên một biến hay xóa một ô
- Sau mỗi lần sửa một chữ trong ô Markdown
- Khi kết quả khác với điều bạn chờ
Tóm tắt
Kernel là Python chạy ngầm sau notebook, nhớ mọi biến của các ô đã chạy.
Kernel chạy ô theo thứ tự bạn bấm; số
[n]cạnh ô là lượt chạy thứ mấy của kernel.Chạy lại một ô gán đè (
x = x + 5) là tính thêm một lần trên giá trị đang giữ.Sửa hay xóa ô không xóa biến: đó là trạng thái ẩn.
Restart & Run All xóa mọi biến rồi chạy từ trên xuống, cho đúng thứ người khác thấy.
Câu hỏi thường gặp
Restart kernel khác Restart & Run All thế nào?
Restart chỉ khởi động lại kernel: mọi biến mất, nhưng không ô nào chạy, nên ô sau đó báo NameError cho tới khi bạn chạy lại ô gán biến. Restart & Run All làm thêm bước chạy mọi ô từ trên xuống. Muốn kiểm notebook, dùng Restart & Run All.
Vì sao notebook chạy chậm dần hay đầy bộ nhớ?
Kernel giữ mọi biến còn tên, và Jupyter còn giữ kết quả hiện ra ở cuối mỗi ô (lịch sử Out, biến _), nên một bảng lớn bạn từng hiện ra vẫn chiếm bộ nhớ dù đã gán đè tên. Restart giải phóng hết. Trên Google Colab, phiên tự ngắt sau một lúc không dùng, và mọi biến mất như khi Restart.
Dùng notebook trong VS Code hay Jupyter có khác không?
Cùng một kernel và cùng file .ipynb, chỉ khác chỗ đặt nút. VS Code tiện khi bạn đã viết file .py ở đó và muốn chọn kernel từ môi trường ảo của dự án. Bài Jupyter Notebook chỉ cách cài và mở Jupyter riêng.
Có nên học NumPy trong notebook hay trong file .py?
Cả hai đều được. Notebook tiện khi thử từng bước và xem bảng ngay dưới ô; file .py chạy lại từ đầu mỗi lần nên không có trạng thái ẩn. Nhiều người thử trong notebook rồi chép phần đã chạy đúng sang file .py.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.