Nivel 9 · Elige una oferta de bienvenida por cliente

apply sobre una Series: un valor cada vez

Series.apply(fn) llama a tu función una vez por valor y reúne las respuestas en una Series nueva. Un def es la forma adecuada cuando la regla tiene varias ramas, y es donde te ocupas de los valores que faltan:

def source_group(src):
    if pd.isna(src):
        return "Unknown"
    if src in ("instagram", "tiktok", "pinterest"):
        return "Social"
    if src in ("search", "google_ads"):
        return "Search"
    return "Other"

customers["referral_source"].apply(source_group).value_counts()
# Unknown 666, Search 548, Social 474, Other 330

Una fuente de referencia que falta aparece en pandas como NaN. NaN no es igual a nada, ni siquiera a sí mismo, así que src == None nunca lo detecta. pd.isna(src) sí, y funciona tanto con valores sueltos como con columnas enteras. Pon esa comprobación primero, antes de cualquier prueba que suponga texto.

Para una regla de una línea, una lambda te ahorra el def:

products["unit_price"].apply(lambda p: round(p * 1.03, 2))   # a 3% price rise

Esa es en realidad matemática vectorizada disfrazada: (products["unit_price"] * 1.03).round(2) hace lo mismo y se ejecuta mucho más rápido. Recurre a apply cuando la lógica necesite if.

apply sobre filas: axis=1

La oferta de Jordan depende de dos columnas, segment y la nueva source_group. Con axis=1, DataFrame.apply pasa a tu función una fila entera cada vez, y lees cualquier columna de ella por nombre:

def offer(row):
    if row["segment"] == "business":
        return "account call"
    if row["source_group"] == "Social":
        return "creator code"
    if row["source_group"] == "Unknown":
        return "survey"
    return "newsletter"

customers["offer"] = customers.apply(offer, axis=1)

El orden de los if es la regla de negocio: las cuentas de empresa reciben una llamada sea cual sea su fuente, así que esa prueba va primero. 286 clientes de empresa reciben una llamada, 746 consumers el boletín, 575 la encuesta y 411 un código de creador.

¿Qué grupo es el mayor? idxmax

max() te dice el valor más grande; idxmax() te dice dónde está, es decir, su etiqueta de índice:

counts = customers["source_group"].value_counts()
counts.max()      # 666
counts.idxmax()   # 'Unknown'
counts.drop("Unknown").idxmax()   # 'Search'

Es una buena comprobación de realidad: la mayor «fuente» es no saber la fuente en absoluto. Entre las fuentes conocidas, search aporta más clientes. En un DataFrame, idxmax() devuelve la etiqueta de la fila superior de cada columna.

Errores comunes

• Comprobar src == None en lugar de pd.isna(src), de modo que los valores que faltan caen en ‘Other’.
• Olvidar axis=1, de modo que la función recibe columnas en lugar de filas y falla.
• Llamar tú mismo a la función, apply(source_group()), en lugar de pasarla por su nombre.
• Poner la prueba de empresa al final, de modo que los clientes de empresa de redes sociales reciben un código de creador.
• Usar max() cuando necesitas la etiqueta del grupo mayor: eso es idxmax().