Cuando ningún método integrado haga lo que necesitas, ejecuta tu propia función:
col.map(func) o col.apply(func) llama a la función para cada valor de una columna y devuelve una columna nueva.
lambda permite escribir una pequeña función en la misma expresión: df["product"].apply(lambda p: p.split()[0]).
df.apply(func, axis=1) llama a la función para cada fila, de modo que puede usar varias columnas: row["units"] * row["unit_price"]. Sin axis=1, apply pasa columnas enteras y row["units"] falla con un KeyError.
df.apply(func) sobre columnas resulta útil para obtener un resumen por columna, como el rango c.max() - c.min().
apply es un bucle disfrazado. En una tabla grande, obtener el mismo resultado con operaciones aritméticas entre columnas, np.where o un método .str es muchas veces más rápido. Usa apply cuando la lógica lo requiera y conoce la alternativa vectorizada.
La primera palabra de cada nombre de producto, con una pequeña función definida en la misma expresión.