Jika tidak ada metode bawaan yang melakukan apa yang Anda butuhkan, jalankan fungsi Anda sendiri:
col.map(func) atau col.apply(func) memanggil fungsi pada setiap nilai dalam kolom dan mengembalikan kolom baru.
lambda menulis fungsi kecil secara inline: df["product"].apply(lambda p: p.split()[0]).
df.apply(func, axis=1) memanggil fungsi pada setiap baris, sehingga dapat memakai beberapa kolom: row["units"] * row["unit_price"]. Tanpa axis=1, apply justru mengirim seluruh kolom, dan row["units"] gagal dengan KeyError.
df.apply(func) pada kolom berguna untuk ringkasan per kolom, seperti rentang c.max() - c.min().
apply adalah loop yang menyamar. Pada tabel besar, hasil yang sama yang ditulis dengan aritmetika kolom, np.where, atau metode .str berjalan berkali-kali lipat lebih cepat. Gunakan apply ketika logikanya memang membutuhkannya, dan kenali alternatif vektorisasinya.
Kata pertama dari setiap nama produk, dengan fungsi inline kecil.