答案是：必须先确认当前 Jupyter 内核对应的 Python 解释器路径（sys.executable），再用 %pip install（而非 !pip install）确保安装到正确环境；conda 环境优先用 !conda install，避免因环境错位导致 ModuleNotFoundError。
!pip install 是最常用也最容易出错的方式，但真正决定成败的不是命令本身，而是它作用在哪个 Python 环境上。如果你执行完 !pip install pandas 仍报 ModuleNotFoundError，大概率是装到了别的环境里。
确认当前内核用的是哪个 Python 解释器
这是所有安装操作的前提。Jupyter 可能连着系统 Python、conda 环境、venv，甚至多个 conda env，!pip install 默认只对当前 kernel 的解释器生效，但你未必知道它到底是谁。
运行这段代码查清楚：
import sys print(sys.executable)
输出类似 /opt/anaconda3/envs/myproject/bin/python 或 C:\Users\Alice\miniconda3\envs\ml\python.exe —— 这才是你要对准的目标路径。
- 如果输出路径含
envs，说明你在 conda 环境里，优先用!conda install（尤其对numba、opencv、pytorch这类带编译扩展的库更稳） - 如果路径指向 base 环境或系统 Python，
!pip install一般没问题，但要注意权限（Windows 上可能需管理员终端） - 如果路径看起来“干净”但实际是虚拟环境（比如
venv），确保没在 notebook 外误激活了别的环境
%pip install 比 !pip install 更可靠
%pip 是 IPython 魔法命令，它明确绑定到当前内核的 pip，不会受 shell 环境变量干扰；而 !pip 实际调用的是 shell 中的 pip，容易因 PATH 设置错乱导致装错地方。
例如安装 seaborn：
%pip install seaborn
而不是：
!pip install seaborn
-
%pip会自动检查是否已安装、是否需要升级，还能处理依赖冲突提示 - 若提示
Command not found: %pip，说明 IPython 版本太低（%pip install --upgrade ipython -
%pip install -U升级时，注意有些库（如jupyter自身）升级后可能破坏内核连接，不建议在 notebook 里升这类核心包
装完 import 不到？重启内核不是万能解
重启 Kernel（Kernel → Restart）能解决一部分问题，但以下情况重启也没用：
- 你用
!pip install装到了另一个环境（比如 terminal 里激活的是 base，但 notebook kernel 是 myenv） - 安装的是二进制 wheel，但平台不匹配（比如在 M1 Mac 上下了 x86_64 的
torch包） - 库名和 import 名不一致（典型如
!pip install python-Levenshtein，但代码里写import Levenshtein；又如beautifulsoup4对应from bs4 import BeautifulSoup） - 用了
--user参数安装，而当前内核没读取 user site-packages（少见，但某些 Docker 镜像或受限环境会发生）
验证是否真装上了，别只信输出 “Successfully installed”，运行：
!pip list | grep -i pandas
或更稳妥地：
import pandas as pd print(pd.__file__)
看输出路径是否和 sys.executable 所在目录一致。
离线安装或国内镜像怎么配才不翻车
清华源、中科大源这些镜像能加速，但参数漏一个就失败。关键点只有两个：-i 指定源，--trusted-host 绕过证书校验（尤其内网私有源）。
正确写法：
%pip install wordcloud -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
- 不要写成
--index-url，-i才是短参数，%pip对大小写和参数缩写敏感 - 私有源（比如公司 Nexus 或 Artifactory）必须加
--trusted-host，否则报 SSL error - 离线安装
.whl文件时，路径必须是绝对路径，且注意 Python 版本和平台标签（cp39-cp39-win_amd64不能装到cp310环境）
最易被忽略的一点：conda 环境下混用 pip 和 conda 安装同一库（比如先 conda install numpy，再 %pip install numpy），可能导致 ABI 不兼容，后续 import 出 segmentation fault——这种问题调试成本极高，非必要不混用。
