Modifiche personalizzate

Per apportare una modifica personalizzata, usa il metodo .apply e passagli una lambda o una function. Per esempio, per trovare il quadrato di ogni numero in una colonna:

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

Puoi ottenere lo stesso risultato moltiplicando la colonna per se stessa:

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

Per aggiungere 2 al valore di ogni riga:

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

Per sostituire ogni valore di una Series con un altro valore, usa il metodo .map e passagli una funzione, un dizionario o una Series.

Per esempio, se vogliamo sostituire i nomi dei frutti con valori numerici:

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

Sia .map che .apply possono accettare funzioni:

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

Per saperne di più sulle differenze tra i due metodi, puoi leggere qui.