一个简单的方法是定义一个查找表，然后在DataFrame上使用函数apply()。

import pandas as pd
d = {0: "A", 1: "B", 2: "C", 3: "D"}
df = pd.DataFrame({'ID': range(20)})
df['VALUE'] = df['ID'].apply(lambda x: d[x % 4])

您可以将取模运算（%）与numpy.select合并使用。

condition_list = [df['ID'] % 4 == 1, df['ID'] % 4 == 2, df['ID'] % 4 == 3]
choice_list = ['A', 'B', 'C']
default_value = 'D'

df['VALUE'] = np.select(condition_list, choice_list, default_value)

或者，将模运算符与pandas.Series.map合并使用。

df['VALUE'] = (df['ID'] % 4).map({0: 'D', 1: 'A', 2: 'B', 3: 'C'})

如果ID列是连续的并且从401开始，则解决方案很简单：

df['VALUE'] = np.tile(['A', 'B', 'C', 'D'], len(df) // 4 + 1)[:len(df)]

或者，您可以通过模（%）除法创建重复序列，然后加上65来偏移该序列以表示ascii大写字符

df['VALUE'] = df['ID'].sub(1).mod(4).add(65).map(chr)
# OR df['VALUE'] = (65 + (df['ID'] - 1) % 4).astype('uint32').view('U1')

结果

ID VALUE
0  401     A
1  402     B
2  403     C
3  404     D
4  405     A
5  406     B