基于多DataFrame条件创建新列：df2耗尽后循环用df3填充

这个需求核心是生成一个先取尽df2所有Country值，再循环复用df3的Country值的序列，来匹配df1的总行数。numpy.where这类条件判断工具确实搞不定这种循环填充的逻辑，咱们直接生成目标序列再赋值就好，效率也高，完全适配大数据量场景。

具体步骤&代码示例 #

先拿模拟数据演示，你可以直接套用到真实数据上：

import pandas as pd

# 模拟输入数据（替换成你的真实DataFrame即可）
df1 = pd.DataFrame({'Value': [1,2,3,4,5,6,7,8,9,10]})  # 10行目标表
df2 = pd.DataFrame({'Country': ['USA', 'Canada', 'Mexico']})  # 3行优先数据源
df3 = pd.DataFrame({'Country': ['UK', 'France', 'Germany', 'Japan']})  # 4行循环数据源

接下来按逻辑生成填充序列：

# 提取两个数据源的Country列表
df2_countries = df2['Country'].tolist()
df3_countries = df3['Country'].tolist()

# 计算填充需求：总长度、df2用完后剩余需要填充的数量
total_rows = len(df1)
used_df2 = len(df2_countries)
remaining_rows = total_rows - used_df2

# 计算df3需要循环的次数，以及最后一次不足一轮时要取的元素数量
loop_times = remaining_rows // len(df3_countries)
last_chunk = remaining_rows % len(df3_countries)

# 拼接出完整的填充序列
fill_sequence = df2_countries + df3_countries * loop_times + df3_countries[:last_chunk]

# 给df1赋值Country列（不存在则创建，存在则直接替换）
df1['Country'] = fill_sequence

运行后df1的Country列结果：
['USA', 'Canada', 'Mexico', 'UK', 'France', 'Germany', 'Japan', 'UK', 'France', 'Germany']
完全符合先耗尽df2、再循环df3填充的要求。

逻辑对应Excel操作类比 #

这个代码逻辑和你手动在Excel里的操作完全一致：

1. 把df2的Country列全部复制粘贴到df1的Country列开头
2. 选中df3的Country列复制，在df1的Country列接着往下反复粘贴，直到填满所有行
3. 如果最后一次粘贴不够一整份df3的内容，就取df3的前N个元素补上

大数据量适配 #

这个方法基于列表拼接操作，Pandas处理起来效率极高，比逐行循环快几个数量级，完全不用担心真实数据量过大的问题。

内容的提问来源于stack exchange，提问作者bigjdawg43