!pip list只显示pip安装的包，不包含conda安装的包；要查看conda包需用!conda list，而session_info.show()可合并显示所有Python包。
在 Jupyter Notebook 里运行 !pip list 只显示 pip 安装的包
这是最常用但最容易误解的操作。你在 Notebook 单元格里写 !pip list 或 %pip list，出来的结果只包含通过 pip install 安装的 Python 包，不包括用 conda install 装的——哪怕它们都在同一个环境里。
原因很简单：pip 只管 site-packages 下的 Python 包；conda 管得更宽，还装 C 库、R 包、编译器工具链等，它把包信息存在自己的数据库里，pip 根本看不到。
- 如果你用的是 Anaconda/Miniconda，默认环境里大量基础库（比如
numpy、pandas）其实是 conda 装的，!pip list就可能漏掉它们 -
%pip list和!pip list效果一样，只是 magic 命令写法不同，别以为前者更“高级” - 输出里看到某个包版本很旧？不一定没更新——可能你上次是用 conda 更新的，pip 不知道
!conda list 才能看见 conda 管理的所有包
想查清当前 conda 环境里到底装了啥，必须用 !conda list。它会列出所有被 conda 记录的包，包括 Python 模块和非 Python 依赖（比如 openssl、libgcc-ng）。
- 如果执行
!conda list报错command not found，说明你没激活 conda 环境，或者没把 conda 加进系统 PATH —— 此时!pip list是唯一能用的选项，但它不完整 -
!conda list --revisions可以看安装历史，适合回滚误操作 - 注意
!conda list输出里的channel列：如果是defaults或conda-forge，说明是正规渠道安装；如果是<develop></develop>或空，可能是本地安装或损坏包
用 session_info.show() 一次性看全所有 Python 包
真正想搞清楚“这个 Notebook 当前能 import 哪些库”，推荐装并运行 session_info：
!pip install session_info import session_info session_info.show()
它会合并 pip list 和 conda list 的 Python 相关部分，过滤掉纯系统依赖，再按字母排序，最后附上 Python 版本和平台信息。
- 输出里每个包只出现一次，即使它既被 pip 又被 conda 安装过（这种情况极少，但真发生了会标出冲突）
- 不显示非 Python 包（比如
curl、zlib），避免干扰判断“哪些能 import” - 如果你用的是 JupyterLab 而不是 classic Notebook，
session_info同样适用，无需额外配置
为什么 help("modules") 不推荐在 Notebook 里用
在 Python 解释器里敲 help("modules") 确实能列出所有可导入模块，但在 Jupyter Notebook 里它会卡住几秒甚至几十秒，尤其当环境里装了上百个包时——因为它要扫描整个 sys.path 并尝试导入每个疑似模块的目录，过程中可能触发副作用（比如初始化某些包的 C 扩展）。
- 输出不可控：有些包会主动屏蔽自己（比如
torch为防止误导入会跳过 help 扫描） - 无法区分来源：你看不出某个模块是 pip 装的、conda 装的，还是系统自带的
- 不能带版本号：只给名字，没法确认是不是你要的那个版本
真正需要快速验证某个库是否存在且可用，直接 import xxx 看报错更准；查列表，老老实实用 session_info.show() 或分头跑 !pip list 和 !conda list。
