Mapping

Map

• map() działa tylko na pojedynczej kolumnie (Series). Można używać:
  • funkcji
  • słownika (do zamiany wartości)
  • obiektów typu str.format

df = pd.DataFrame({'grade': ['A', 'B', 'A', 'C']})
 
# Mapa zamieniająca litery na liczby
df['grade_num'] = df['grade'].map({'A': 5, 'B': 4, 'C': 3})

# Zastosowanie funkcji
df['grade_upper'] = df['grade'].map(lambda x: x.lower())

Apply

• apply()
• Gdy stosowane do Series → działa jak map(), ale z większą elastycznością (np. dostęp do wielu kolumn)
• Gdy stosowane do DataFrame → działa na wierszach lub kolumnach

✅ Przykłady dla kolumny:

df['score'] = [10, 20, 30, 40]
df['score_squared'] = df['score'].apply(lambda x: x**2)

✅ Przykład dla całego DataFrame (kolumny):

df[['score', 'score_squared']].apply(np.log1p)  # log(1 + x) dla każdej komórki

✅ Przykład dla wierszy:

def row_sum(row):
    return row['score'] + row['score_squared']
 
df['total'] = df.apply(row_sum, axis=1)

Applymap

• applymap()
• Stosuje funkcję do każdej pojedynczej komórki w całym DataFrame.

✅ Przykład:

df_numeric = pd.DataFrame([[1, 2], [3, 4]])
df_numeric.applymap(lambda x: x * 10)