如何以轮询方式将列表值循环分配至DataFrame新列

我有一个名为List_A的列表：

[A,B,C,D,E,F,G]

需要将其以轮询方式循环分配至DataFrame df的新列col_new，分配需在覆盖DataFrame的行数后停止。我尝试使用groupby.cumcount()方法，但无法设置列表值分配的迭代次数限制，尝试的代码如下：

df['col_new'] = (
    List_A.repeat(df['Col_1'] / len(List_A)).sort_values(
        key=lambda d: d.groupby(s).cumcount(),
        kind='stable',
        ignore_index=True,
    )
)

不需要用groupby.cumcount()，直接基于DataFrame行数生成对应长度的轮询序列即可，以下是两种简单可行的方法：

方法一：利用numpy快速生成序列 #

import numpy as np

# 计算列表需要重复的完整次数和剩余元素数
full_repeats = len(df) // len(List_A)
remainder_count = len(df) % len(List_A)

# 拼接出刚好匹配df行数的轮询序列
polling_sequence = np.tile(List_A, full_repeats).tolist() + List_A[:remainder_count]

# 赋值到新列
df['col_new'] = polling_sequence

方法二：纯Python列表推导式实现 #

如果不想依赖numpy，直接用索引取模的方式生成序列：

# 遍历df行索引，对列表长度取模得到对应元素
df['col_new'] = [List_A[i % len(List_A)] for i in range(len(df))]

原代码问题说明 #

你尝试的代码逻辑存在两处问题：一是List_A.repeat()的参数不符合列表方法的要求（Python列表没有repeat方法，这是numpy数组的方法）；二是未定义groupby中的s变量，且整体逻辑复杂，无法精准控制序列长度匹配df行数。上面两种方法直接围绕df行数生成对应序列，逻辑更清晰且易控制。

内容的提问来源于stack exchange，提问作者Bruce Wayne 0005