El método es uno de los métodos más versátiles y útiles de la librería de Pandas (Si te interesa aprender Pandas desde cero, te dejamos este ), este método te permite pasar una función y aplicarla en una columna específica dentro de un Dataframe o una Serie. En el siguiente ejemplo, veremos cómo utilizar esta función para realizar un cambio dentro de una columna en un Dataframe de usuarios. output del código: En este ejemplo, hacemos uso de el método para modificar las columnas y y hacer que solo la primera letra sea mayúscula, este método puede recibir una función o una lambda (función anónima) cómo parámetro, en este ejemplo de código usamos una función para modificar los nombres de los usuarios y una función lambda para modificar los apellidos, la elección de cual función debes usar depende de tus preferencias y la cantidad de cambios que deseas hacer en la columna ya que una función lambda se declara en una sola línea de código y puede ser confuso hacer demasiados cambios e una función de este tipo. ¿Qué es el método apply() y cómo funciona? El método de Pandas es un método de propósito general que se puede utilizar para aplicar una función a cada elemento de una serie o cada fila o columna de un marco de datos ( ). En el caso de la series, el método recibe una función cómo parámetro y la aplica a cada elemento de la serie, la función puede ser una función personalizada o una función de o Pandas. En el caso de los DataFrame, el método recibe una función cómo parámetro y la aplica a cada fila o columna del marco de datos, según el valor del parámetro que por defecto se aplica a las filas. Este método es una herramienta muy versátil que puede utilizarse para realizar una gran variedad de tareas de procesamiento de datos tanto en la ciencia de datos ( ) como en el aprendizaje automático (machine learning). Parámetros del método apply() de Pandas El método recibe varios parámetros, a continuación veremos cuales son y cómo funcionan. funcion modificadora : función que se aplica a cada una de las columnas o filas en la o . axis : Eje a lo largo del cual se aplica la función, esta variable recibe dos valores (0 o 'index', 1 o 'columns') y por defecto tiene el valor de 0 . 0 o 'index' : aplica la función a cada columna. 1 o 'columns' : aplica la función a cada fila. raw : este parámetro controla cómo se deben pasar los elementos de la o , está parámetro recibe un valor booleano que por defecto es False . True : pasa los elementos cómo objetos de Python a la función. False : pasa los elementos cómo arrays de NumPy a la función. result type : este parámetro solo actúa cuando y puede recibir cuatro valores (‘expand’, ‘reduce’, ‘broadcast’, None) por defecto su valor es None . ‘expand’ : los resultados en forma de lista se convertirán en columnas. ‘reduce’ : devuelve una Serie si es posible en lugar de expandir los resultados en forma de lista. Este valor es lo contrario de 'expand' . ‘broadcast’ : los resultados se emitirán con la forma original del , se conservarán los índices y las columnas originales. args : argumentos posicionales de tipo tuple para pasar a la función además de la o . by row : este parámetro determina si la función se aplica a cada fila o columna del marco de datos como un objeto o cómo un objeto . kwargs : argumentos para pasar cómo argumentos de palabra clave a la función. Estos se utilizan cuando la función necesita argumentos adicionales además de los valores de la o . Ejemplos de uso del método apply() de Pandas El método de Pandas tiene bastantes usos para el procesamiento de datos tanto en data science cómo en machine learning, a continuación veremos algunos ejemplos básicos haciendo uso de este método. Combinar dos filas de un Dataframe en una sola Uno de los usos más comunes para el método es el de acceder a las filas de un DataFrame y combinarlas o modificarlas, cómo se muestra en el siguiente ejemplo. output: En este ejemplo, hacemos uso del método para acceder las filas y y combinarlas en una sola que llamaremos , para este ejemplo debemos pasar el parámetro de esta forma le decimos a la función que debe fijarse en las filas del DataFrame y no en las columnas, luego creamos una nueva columna para guardar el resultado del método , para crear la nueva columna usamos la sintaxis . Modificar una columna en un Dataframe Otro uso bastante común del método es arreglar o modificar una columna en un DataFrame, cómo se muestra en el siguiente ejemplo. output: En este ejemplo hacemos uso del método para modificar dos columnas en el Dataframe , la columna y la columna , cómo puedes ver en el ejemplo la columna tiene varias inconsistencias de ortografía, para arreglar esto pasamos todos los nombres a minúscula y luego pasamos la primera letra de cada nombre a mayúscula así tendremos una estructura más concisa para el nombre de los usuarios. Por otro lado la columna no sigue un único patrón específico sino que cada número tiene su propia sintaxis, para solucionar esto, hacemos uso de una expresi