Introducción
El método apply() en pandas nos permite aplicar una función a los valores de una Serie. Puede usarse para aplicar un método de Python o una ufunc de NumPy a toda la Serie o a elementos individuales de la Serie.
Consejos sobre la VM
Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.
A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no puede automatizarse debido a las limitaciones de Jupyter Notebook.
Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje sus comentarios después de la sesión y lo resolveremos rápidamente para usted.
Crear una Serie
Primero, creemos una Serie usando la función pd.Series() de la biblioteca pandas. Le pasaremos una lista de números a la función para crear la Serie.
import pandas as pd
s = pd.Series([1, 2, 3])
Aplicar una ufunc de NumPy
A continuación, podemos aplicar una ufunc de NumPy, como np.pi, a los valores de la Serie. En este ejemplo, multiplicaremos cada valor de la Serie por el valor de pi usando una función lambda.
import numpy as np
s.apply(lambda x: x * np.pi)
Aplicar un método de Python
También podemos aplicar un método de Python a la Serie. En este ejemplo, usaremos el método lower() para convertir los elementos de la Serie a minúsculas.
s.apply(lambda x: x.lower())
Aplicar una función con una condición
Por último, podemos aplicar una función lambda con una condición a la Serie. En este ejemplo, comprobaremos si cada valor en la Serie está entre 2 y 5 y devolveremos Verdadero o Falso.
s.apply(lambda x: x >= 2 and x <= 5)
Resumen
El método apply() en pandas nos permite aplicar una función a los valores de una Serie. Podemos utilizarlo para aplicar una ufunc de NumPy o un método de Python a toda la Serie o a elementos individuales de la Serie. Es un método versátil que se puede utilizar para realizar diversas operaciones en los elementos de una Serie.