Modificaciones personalizadas

Para realizar una modificación personalizada, utiliza el método .apply y proporciónale una lambda o una function. Por ejemplo, para encontrar el cuadrado de cada número en una columna:

df['num_squared'] = df['num'].apply(lambda x: x**2)

Esto también se puede lograr multiplicando la misma columna por sí misma:

df['num_squared'] = df['num'] * df['num']

Para sumar 2 a cada valor de la fila:

df["add_two"] = df['num'].apply(lambda x: x+2)
df["add_two"] = df['num'] + 2

Para sustituir cada valor en una Series con otro valor, utiliza el método .map y proporciónale una función, un diccionario o una Series.

Por ejemplo, si queremos reemplazar nombres de frutas con valores numéricos:

fruits_to_num = {"apple": 1, "mango": 2, "grape": 3}
df["fruits"] = df["fruits"].map(fruits_to_num)

Tanto .map como .apply pueden aceptar funciones:

df['num_squared'] = df['num'].apply(lambda x: x**2)
df['num_squared'] = df['num'].map(lambda x: x**2)

Para obtener más información sobre su diferencia, puedes leer aquí.