Панды - заменить значения на основе индекса, а не в индексе

Question

Вот пример кода.

import pandas as pd, numpy as np

df = pd.DataFrame(np.random.randint(0,100,size=(10, 1)), columns=list('A'))

У меня есть список dl = [0,2,3,4,7]

В индексных позициях, указанных списком, я бы хотел, чтобы столбец A обозначался как "Да".

работает следующий код

df.loc[dl,'A']='Yes'

Как мне заполнить столбец «A» значением «Нет» для значений столбцов, которых нет в индексе. Пожалуйста, прости меня, если это повторяющийся пост.

Answer 1

np.where

Я предполагаю, что есть лучший способ сделать одновременно и 'Yes', и 'No'. Если вы действительно хотите заполнить 'No' после того, как уже получили 'Yes', обратитесь к ответу Fatemehhh

df.loc[:, 'A'] = np.where(df.index.isin(dl), 'Yes', 'No')

---

Экспериментальная часть

Не предназначен для реальных предложений

f = dl.__contains__
g = ['No', 'Yes'].__getitem__
df.loc[:, 'A'] = [*map(g, map(f, df.index))]

df

     A
0  Yes
1   No
2  Yes
3  Yes
4  Yes
5   No
6   No
7  Yes
8   No
9   No

Answer 2

с использованием разницы между списком dl и самим списком df:

df.iloc[list( set(df.index) - set(dl))]  = 'No'

или

df.iloc[[x for x in range(len(df)) if x not in dl]] = 'No'

Answer 3

Сначала заполните все строки «А» словом «Нет».Затем обновите / перезапишите определенные строки с помощью «Да».

df.loc[:,'A']='No'
df.loc[dl,'A']='Yes'

Answer 4

Одним из способов является использование функции isin.'~' обратит его так, что на выходе будут элементы, которые не находятся в dl.

df.loc[~df.index.isin(dl),'A']='No'