Jupyter Notebook运行正确代码单元格卡In[*]无法完成如何解决

代码持续处于运行状态的核心诱因是Pandas版本差异带来的行为变化，叠加循环写法本身的性能缺陷：

1. 课程讲师使用的大概率是1.x版本的Pandas，该版本下iteritems()遍历过程中通过loc逐点赋值是直接在原Series对象上修改，虽然写法低效但10000条数据的循环可以在数百毫秒跑完。
2. 你本地环境安装的应该是Pandas 2.0以上版本，从该版本开始Pandas逐步默认开启写时复制（Copy-on-Write, CoW）机制：遍历返回的是值的拷贝而非原对象视图，每次通过loc单标签赋值都会触发整个Series的内存拷贝重分配，时间复杂度直接从O(n)退化为O(n²)。加上%%timeit -n 10会重复执行代码10轮统计平均耗时，整体运行时间会拉长到十几分钟甚至更久，看起来就像永远执行不完。

• 新开单元格执行import pandas as pd; print(pd.__version__)确认本地Pandas版本，若版本号≥2.0即可初步确认问题来源
• 移除单元格开头的%%timeit魔法命令，单独执行后续的Series创建+循环代码，观察运行耗时：如果单轮循环耗时就达到数秒到数十秒级别，即可坐实是版本机制带来的性能退化
• 执行print(pd.get_option("mode.copy_on_write"))，如果返回True说明当前环境已开启写时复制机制，和旧版本行为不一致

推荐方案（符合Pandas最佳实践） #

逐行遍历赋值本身就是Pandas官方明确不推荐的反模式，不管哪个版本性能都远差于向量化操作，直接替换为向量化写法即可，耗时仅需微秒级，全版本Pandas通用：

%%timeit -n 10
# 创建待处理Series
s = pd.Series(np.random.randint(0,1000,10000))
# 向量化操作替代循环
s += 2

复现课程演示结果方案 #

如果你需要严格复现讲师的代码运行效果（保留循环写法），可以在代码块内临时关闭写时复制机制，注意%%timeit必须放在单元格第一行：

%%timeit -n 10
import pandas as pd
# 临时关闭CoW，对齐1.x版本行为
pd.set_option("mode.copy_on_write", False)
s = pd.Series(np.random.randint(0,1000,10000))
for label, value in s.iteritems():
    s.loc[label]= value+2

不推荐通过降级Pandas到1.x版本解决问题，旧版本缺少后续的性能优化、bug修复和新特性。

你看到的In[*]状态不是代码死锁，只是运行时间过长。如果不做任何修改硬等代码跑完，在开启CoW的Pandas 2.2+版本上，这段代码总耗时可能超过20分钟。

内容的提问来源于stack exchange，提问作者uditig