shift+tab是jupyter中最即时的文档查看方式：1次弹出内联文档，2次展开参数类型，3次显示完整docstring摘要，4次打开全屏富文本窗口；func?输出结构化元信息，func??叠加源码展示；help()适合离线或嵌套对象但为纯文本流。
Shift+Tab 是最常用、最即时的查看方式
光标停在函数名右侧或括号内（比如 pd.read_csv 后面、或 pd.read_csv(|) 的竖线位置），按 Shift+Tab 就能弹出内联文档窗口。它不依赖代码执行，也不需要 import 成功——只要符号能被解析，就能响应。
连续按 2 次 Shift+Tab 展开参数类型和简要说明；按 3 次会显示完整 docstring 摘要（含返回值）；按 4 次弹出全屏富文本窗口，支持 markdown 渲染、代码高亮和跳转链接（如 pandas 官方 API 页面）。
常见卡点：
- 没反应？检查是否在编辑模式（不是命令模式），且光标确实在函数名附近
- 只显示签名没说明？说明该函数 docstring 缺失或格式不规范（比如没写
Parameters区块） - 弹窗太小遮挡代码？鼠标悬停右上角，点
^展开，或点x左边按钮新开标签页浏览
函数名后加 ? 或 ?? 直接看源码级信息
func? 等价于 %pinfo func，输出结构化元信息：签名、docstring（自动解析 Google/Numpy 格式）、定义文件路径、行号、所属类（如 pandas.core.frame.DataFrame.groupby）。
func?? 在 ? 基础上叠加源码展示——如果源码可访问（非 C 扩展），会自动剥离装饰器包装层，保留原始缩进和注释，关键逻辑高亮显示。
注意点：
-
??对内置函数（如len、print）无效，因为它们用 C 实现，没有 Python 源码 - 自定义函数 docstring 写得越规范（带
Args:、Returns:），?输出的参数表就越完整 -
np.array?和help(np.array)效果接近，但前者更快、更轻量，后者可能触发冗长的交互式分页
help() 函数适合离线环境或嵌套对象
help(func) 是标准 Python 的文档入口，在 Jupyter 里依然可用，尤其适合：
- 模块层级查看（如
help(torch.nn)） - 无法用
?解析的对象（比如某些动态生成的类、或符号未绑定时） - 想把文档内容赋值给变量做进一步处理（
doc = help(os.path.join).__doc__不行，但doc = os.path.join.__doc__可以）
缺点是输出为纯文本流，不能折叠/展开，也不支持 markdown 渲染；遇到长文档容易刷屏，建议配合 print(func.__doc__) 截取核心段落。
容易被忽略的细节：文档质量取决于源码本身
Jupyter 能展示什么，完全取决于函数作者写的 docstring 是否完整、格式是否标准。numpy/pandas/scikit-learn 这类主流库通常很规范，但很多第三方包或内部工具函数只有单行注释，甚至为空——这时 ? 和 Shift+Tab 都只能显示签名，没法告诉你参数含义。
遇到这种情况，别硬猜：
- 先查官方文档网页（
func?弹窗里常带跳转链接） - 用
func??看源码逻辑，尤其注意默认参数和类型断言 - 运行
dir(func)或func.__code__.co_varnames获取参数名列表（对闭包/lambda 无效）
真正卡住的时候，往往不是操作不会，而是文档本身没写清楚。
