创建词典：

pet_dict = {0:'dog',
            1:'cat',
            2:'bird'}

您可以使用.name和modulus（%）函数乘以3来取得索引值，以取得您想要的结果：

df.apply (lambda x: pet_dict[x.name%3],axis=1)
0     dog
1     cat
2    bird
3     dog
4     cat
5    bird
6     dog
7     cat
8    bird
9     dog

几个问题：

1. if语法不正确，缺少冒号和正确的缩进
   1.您正在break退出循环，提前终止循环，而不是使用if，elif，else结构
   1.您尝试在迭代 Dataframe 时更新 Dataframe 。
   请参阅this question，了解为什么在迭代时不应该更新。
   相反，您可以

values = ["dog", "cat", "bird"]

num_values = len(values)

for index in df.index():
    df.at[index, "my_column"] = values[index % num_values]

高级索引

一种解决方案是将dog-cat-bird转换为pd.Series并使用高级索引：

dcb = pd.Series(["dog", "cat", "bird"])

df["my_column"] = dcb[df.index % len(dcb)].reset_index(drop=True)

首先从df.index % len(dcb)创建一个索引数组：

In [8]: df.index % len(dcb)
Out[8]: Int64Index([0, 1, 2, 0, 1, 2, 0], dtype='int64')

然后，通过使用高级索引，您可以使用该索引数组从dcb中选择元素：

In [9]: dcb[df.index % len(dcb)]
Out[9]:
0     dog
1     cat
2    bird
0     dog
1     cat
2    bird
0     dog
dtype: object

最后，注意上面数组的索引重复，重置它，用.reset_index(drop=True)删除旧索引，最后赋值给 Dataframe 。

使用发电机

下面是一个使用无限dog-cat-bird生成器的替代解决方案：

In [2]: df
Out[2]:
  my_column
0
1
2
3
4
5
6

In [3]: def dog_cat_bird():
   ...:     while True:
   ...:         yield from ("dog", "cat", "bird")
   ...:

In [4]: dcb = dog_cat_bird()

In [5]: df["my_column"].apply(lambda _: next(dcb))
Out[5]:
0     dog
1     cat
2    bird
3     dog
4     cat
5    bird
6     dog
Name: my_column, dtype: object