我希望从笔记本的单元格中返回 Jupyter Notebook 的版本。
例如，要获取 python 版本，我运行：
from platform import python_version
python_version()
或获取熊猫版本：
pd.__version__
我试过了：
notebook.version()
ipython.version()
jupyter.version()
以及其他几个相关的表格（包括首字母大写），但出现以下错误（例如）：
NameError：未定义名称“jupyter”
我知道其他方法（例如，在 GUI 菜单中单击“帮助”>“关于”；使用 conda 命令行）但我想自动化所有包版本的文档。
如果重要的话，我在 Python 3.7.3 环境中运行 Notebook v6.1.1。
我希望使用共享相同比例但缺乏相互 x 值的数据系列来填充 Python 3x 中两行之间的区域（我目前主要在 v3.7 中工作）。
'fill_ Between' 会很方便，但需要两个 y 系列的共同 x 值 matplotlib 文档 matplotlib 演示
数据如下：
x1 = [0.0, 3.2, 10.2, 15.4, 19.9, 24.2, 27.7, 33.9, 50.7, 67.9, 83.7, 102.0, 105.8, 119.4, 129.3, 140.3, 146.0, 150.2, 158.3, 166.7, 168.6, 171.7, 173.5, 175.3, 184.1, 203.7, 220.2, 221.8, 226.8, 231.9]
y1 = [99.95, 99.99, 100.11, 99.59, 98.24, 98.5, 99.21, 99.46, 99.35, 99.18, 98.71, 98.26, 97.92, 97.92, 98.02, 97.63, 97.63, 98.49, 99.17, 98.85, 97.35, 97.43, 98.66, 99.36, 99.14, 99.08, …我的目标是探索具有 10,000 到 10M+ 记录的表格数据的 GPU 加速。我最熟悉 Pandas，所以 cuDF 似乎是一个不错的起点。
我发现了不同的结果：cuDF 是否会在我的系统上运行（Windows 7 Pro 64 位、i7-6820HQ、32GB RAM、NVidia Quadro M2000M 4GB）。还有一个板载显卡。
根据 gitHub 页面（https://github.com/rapidsai/cudf）：
CUDA/GPU 要求
我听说 Pascal 架构是首选/最佳的，而不是要求，但也许这适用于旧版本的 cuDF？就在今天早上，我听说它将在 Win 64 上运行，但性能优势也可能会降低。尽管如此，我还是有兴趣试一试。
当我使用 CUDA 版本的推荐命令从 conda 提示符（python 3.6 env）安装时：
conda install -c Rapidsai -c nvidia -c numba -c conda-forge cudf=0.13 python=3.6 cudatoolkit=10.1
我得到：
收集包元数据 (repodata.json)：完成 求解环境：初始冻结求解失败。使用灵活的解决方法重试。
PackagesNotFoundError：当前频道不提供以下软件包：
- cudf=0.13
当前频道：