根本原因是Jupyter kernel与终端Python环境不一致；需先运行import sys; print(sys.executable)比对路径，再用python -m ipykernel install --user --name=xxx注册对应环境内核，并重启内核生效。
Jupyter 和终端用的不是同一个 Python 环境，这是绝大多数情况下的根本原因。 你看到的 ImportError 或 ModuleNotFoundError，几乎都是因为 Jupyter 启动时加载的 kernel 指向了另一个没装你那个包的 Python 解释器。
怎么确认是不是环境不一致？
在终端和 Jupyter Notebook 里都运行这三行代码，对比输出：
import sys print(sys.executable) print(sys.path)
重点关注 sys.executable 的路径 —— 如果两个地方输出的路径完全不同（比如一个是 C:\Users\XXX\anaconda3\python.exe，另一个是 C:\Python39\python.exe），那问题就坐实了。后面所有操作都要围绕“让 Jupyter 用上你终端里那个解释器”来展开。
为什么 ipython kernelspec list 找不到对应 kernel？
这个命令只列出已注册到 Jupyter 的 kernel，不代表系统里没有可用的 Python 环境。常见原因包括：
立即学习“Python免费学习笔记（深入）”；
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 你用的是 conda 环境但没安装
ipykernel，或者没在该环境下运行注册命令 - 你用的是纯 pip + venv，但没手动把环境注册进 Jupyter
- 权限问题导致 kernel.json 写入失败（尤其 Windows 下装在 Program Files 里）
别依赖“有没有列出来”，直接看 sys.executable 更可靠。
如何把当前环境加进 Jupyter kernel 列表？
假设你在终端里能 import 成功，且 sys.executable 指向的是 D:\myenv\python.exe，那就按这个顺序操作：
- 先激活该环境：如果是 conda 环境，运行
conda activate myenv；如果是 venv，运行path\to\myenv\Scripts\activate - 确保已安装
ipykernel：pip install ipykernel（如果提示已存在，跳过） - 执行注册命令：
python -m ipykernel install --user --name myenv --display-name "Python (myenv)" - 重启 Jupyter Notebook，在右上角 Kernel → Change kernel 里选刚注册的名字
注意：--name 是内核标识符（不能含空格），--display-name 是 notebook 界面里显示的名称。注册后，ipython kernelspec list 就能看见它了。
为什么改完 kernel 还是 import 失败？
最容易被忽略的点：Jupyter Notebook 页面右上角显示的 kernel 名称，和你实际运行代码时用的 kernel 可能不一致。每次切换 kernel 后，必须点击菜单 Kernel → Restart & Run All，否则旧 kernel 还在内存里继续跑。
另外，有些包（比如 CRFPP、mindspore）依赖 C++ 编译产物或特定 DLL，即使 kernel 路径对了，也可能因 PATH 缺失或 Visual C++ 运行库未安装而 import 失败 —— 这时候报错会更底层，比如 ImportError: DLL load failed，需要单独处理。
