??能成功显示源码的前提是函数由Python编写、源文件可访问且未被C扩展完全隐藏；否则仅显示签名和docstring。
用 ?? 查看函数源码，什么情况下能成功？
?? 能显示源码的前提是：该函数由 Python 编写、源文件可访问、且未被编译器或 C 扩展完全隐藏。内置函数（如 len、print）或用 C 实现的 NumPy/Pandas 核心方法（如 np.array、pd.DataFrame.sort_values）调用 ?? 只会显示签名和 docstring，不会出现源码——因为底层压根不是 Python 写的。
常见能看源码的场景包括：
- 你自己定义的函数（
def my_func(x): return x ** 2） - 第三方包中纯 Python 实现的工具函数（如
scikit-learn里的check_array） - 带完整 docstring 和明确
def块的类方法（如pandas.Series.dropna的部分封装层）
?? 和 ? 的关键区别在哪？
? 只触发 %pinfo，输出结构化元信息：签名、docstring（按 numpy/google 格式解析后的参数表）、模块路径、定义行号；?? 在此基础上叠加 %pinfo2 + 源码提取逻辑，会尝试读取 inspect.getsource() 返回的内容。
注意两个细节：
- 如果函数被装饰器包裹（比如
@lru_cache或自定义装饰器），??默认展示的是装饰后对象，可能看不到原始def——此时需加%pinfo2 func看继承链和真实绑定位置 - 某些动态生成的函数（如
functools.partial或 lambda）不支持??，会报TypeError: <lambda> is not a Python function</lambda>
为什么有时 ?? 显示 “Source: Not available”？
这不是命令失效，而是 IPython 检查到以下任一条件成立：
- 函数来自已编译的扩展模块（
.so/.pyd），例如cv2.imread - 源码被剥离（如 conda 安装的某些包只含字节码
.pyc） - 函数是通过
exec()或eval()动态构造的，没有对应磁盘文件 - 当前 Python 进程无权限读取源文件路径（少见，多见于容器或受限环境）
此时可退而求其次：func? 看文档 + func.__code__.co_filename 查路径 + 手动打开文件定位；若连 __code__ 都不可用，说明它根本不是标准 Python 函数。
替代方案：当 ?? 失效时还能做什么？
别卡在“看不到源码就无法理解”的思维里。实际调试中更高效的做法是：
- 用
help(func)获取权威参数说明（尤其对 C 扩展函数，help 文档常比在线 API 更准） - 查模块
__file__：如import numpy; print(numpy.__file__)，定位安装路径后去 GitHub 搜对应函数名 - 在 Jupyter 中执行
%pinfo2 func，它会列出所有属性、方法、内存地址，有时能发现未导出但可用的辅助函数 - 对 pandas/scikit-learn 等主流库，直接访问其 GitHub 仓库（如
github.com/pandas-dev/pandas/blob/main/pandas/core/frame.py），Ctrl+F 搜索函数名更快
真正容易被忽略的是：很多“看不懂的行为”，其实源于参数默认值或内部状态（比如 sklearn 模型的 fit 是否调用过），而不是源码本身——先确认调用上下文，再决定是否真需要翻源码。
