Python pandas嵌套for循环无限运行但结果正常生成问题排查

代码出现长时间无响应（看似无限运行）的核心原因是重复计算+低效遍历，没有利用pandas的向量化特性，计算量被无意义放大：

• 提取唯一分类的代码中，你每次循环都调用dft['listed_in'].str.split(',')，每调用一次就会对全量数据做一次字符串拆分，假设数据集有N行，你就重复做了N次完全相同的拆分操作；再加上用列表做in判断的时间复杂度随分类数量线性上涨，数据量稍大就会极慢。
• 统计频次的代码除了重复触发全列split的问题，还存在逻辑错误：你取的是split结果的index和value_counts()，根本不是单条作品对应的分类标签，等于判断和计数逻辑从根上就错了。另外硬编码的65、514两个循环边界没有通用性，数据变动就会触发索引报错。

不需要写双层for循环，pandas原生方法可以在毫秒级完成需求，全程只需要做一次字符串拆分：

1. 一次性拆分所有分类，避免重复计算

# 仅做一次全列拆分，结果存为变量复用
split_tags = dft['listed_in'].str.split(',')

2. 提取唯一分类列表

# 展平所有标签、去重，顺便清理标签前后的空格/多余引号
genres = list({tag.strip().strip("'") for tags in split_tags for tag in tags})

3. 统计每个分类的出现次数
   直接用explode把每行的多标签拆成独立行，再做值计数即可，不需要手动遍历累加：

gnr = split_tags.explode()\
          .str.strip()\
          .str.strip("'")\
          .value_counts()\
          .reset_index()
gnr.columns = ['Genres', 'count']

额外提示：如果你原始的listed_in列里分类之间除了逗号还有空格，记得用strip()清理前后空白，否则像"Documentary"和" Documentary"会被识别成两个不同分类，导致统计结果不准。

内容的提问来源于stack exchange，提问作者Aniruddh