¿Cómo crear nuevas columnas y transformar datos con pandas?

Crear nuevas columnas en pandas significa agregar información derivada a un DataFrame usando operaciones vectorizadas, apply o map.

Tres formas de crear columnas nuevas

Pandas ofrece tres métodos principales para enriquecer un DataFrame con columnas calculadas.

Conocer cuál usar en cada situación te ahorra tiempo y código innecesario.

Operaciones vectorizadas: la forma más rápida

Una operación vectorizada aplica un cálculo a toda la columna de una sola vez. No necesitas ciclos for.

Sintaxis:

df["nueva_columna"] = df["columna_a"] operador df["columna_b"]

Ejemplo 1 — Calcular margen de utilidad en Liverpool:

Supón que tienes un DataFrame de ventas de Liverpool con precio de venta y costo por producto.

import pandas as pd

ventas = pd.DataFrame({
    "producto": ["Televisor", "Lavadora", "Refrigerador"],
    "precio_venta": [12500, 9800, 18500],
    "costo": [8000, 6200, 11000]
})

ventas["utilidad"] = ventas["precio_venta"] - ventas["costo"]
ventas["margen_pct"] = (ventas["utilidad"] / ventas["precio_venta"]) * 100

print(ventas[["producto", "utilidad", "margen_pct"]])

Resultado:

       producto  utilidad  margen_pct
0     Televisor      4500   36.00
1      Lavadora      3600   36.73
2  Refrigerador      7500   40.54

Con dos líneas calculaste utilidad y margen para todos los registros al mismo tiempo.

Ejemplo 2 — Variación porcentual entre períodos en FEMSA:

Comparar ventas de un mes contra el mes anterior es un análisis frecuente en empresas como FEMSA.

femsa = pd.DataFrame({
    "sucursal": ["CDMX", "Monterrey", "Guadalajara"],
    "ventas_mayo": [320000, 210000, 185000],
    "ventas_junio": [345000, 198000, 201000]
})

femsa["variacion_pct"] = (
    (femsa["ventas_junio"] - femsa["ventas_mayo"]) / femsa["ventas_mayo"]
) * 100

print(femsa[["sucursal", "variacion_pct"]].round(2))

Resultado:

      sucursal  variacion_pct
0         CDMX           7.81
1    Monterrey          -5.71
2  Guadalajara           8.65

Monterrey tuvo una caída del 5.71 %. Las otras dos sucursales crecieron.

.map(): transformar valores con un diccionario

.map() recorre cada valor de una Serie y lo reemplaza según una función o un diccionario.

Sintaxis:

df["nueva_columna"] = df["columna_origen"].map(diccionario_o_funcion)

Ejemplo — Clasificar vendedores de Mercado Libre por categoría:

vendedores = pd.DataFrame({
    "nombre": ["Tienda A", "Tienda B", "Tienda C", "Tienda D"],
    "nivel": ["platinum", "gold", "silver", "platinum"]
})

beneficio_map = {
    "platinum": "Envío gratis + descuento 15%",
    "gold": "Envío gratis",
    "silver": "Sin beneficio adicional"
}

vendedores["beneficio"] = vendedores["nivel"].map(beneficio_map)
print(vendedores)

Resultado:

    nombre     nivel                   beneficio
0  Tienda A  platinum  Envío gratis + descuento 15%
1  Tienda B      gold               Envío gratis
2  Tienda C    silver    Sin beneficio adicional
3  Tienda D  platinum  Envío gratis + descuento 15%

.map() es ideal cuando tienes una tabla de equivalencias fija. Es más legible que muchos if anidados.

.apply(): lógica condicional por fila

.apply() ejecuta una función sobre cada fila o cada columna. Se usa cuando la lógica es demasiado compleja para una operación vectorizada simple.

Sintaxis con función lambda (una sola línea):

df["nueva_columna"] = df["columna"].apply(lambda x: expresion)

Sintaxis con función definida (lógica compleja):

def mi_funcion(fila):
    # lógica aquí
    return resultado

df["nueva_columna"] = df.apply(mi_funcion, axis=1)

El argumento axis=1 le indica a pandas que aplique la función por fila. Sin él, aplica por columna.

Ejemplo 1 — ISR estimado por salario en nómina de Bimbo:

La tasa del ISR en México varía según el nivel de ingreso. Esta es una versión simplificada para demostrar .apply().

nomina = pd.DataFrame({
    "empleado": ["Ana Torres", "Luis Ramos", "Carmen Vega", "Jorge Díaz"],
    "salario_mensual": [12000, 18500, 26000, 9500]
})

def calcular_isr(salario):
    if salario <= 10000:
        return salario * 0.10
    elif salario <= 20000:
        return salario * 0.16
    else:
        return salario * 0.21

nomina["isr_estimado"] = nomina["salario_mensual"].apply(calcular_isr)
nomina["salario_neto"] = nomina["salario_mensual"] - nomina["isr_estimado"]

print(nomina)

Resultado:

      empleado  salario_mensual  isr_estimado  salario_neto
0   Ana Torres            12000        1920.0       10080.0
1   Luis Ramos            18500        2960.0       15540.0
2  Carmen Vega            26000        5460.0       20540.0
3   Jorge Díaz             9500         950.0        8550.0

Cada empleado recibe su ISR estimado según su tramo salarial.

Ejemplo 2 — Clasificar productos de Bimbo por rango de precio:

Este ejemplo usa axis=1 para acceder a dos columnas al mismo tiempo.

productos = pd.DataFrame({
    "nombre": ["Pan Blanco", "Pastel Marinela", "Donas", "Gansito"],
    "precio": [28, 85, 35, 18],
    "categoria": ["panadería", "pastelería", "panadería", "snack"]
})

def segmento(fila):
    if fila["precio"] < 25:
        return "económico"
    elif fila["precio"] < 60:
        return "estándar"
    else:
        return "premium"

productos["segmento"] = productos.apply(segmento, axis=1)
print(productos[["nombre", "precio", "segmento"]])

Resultado:

            nombre  precio   segmento
0       Pan Blanco      28   estándar
1  Pastel Marinela      85    premium
2            Donas      35   estándar
3          Gansito      18  económico

Renombrar y reordenar columnas

Después de crear columnas nuevas, es común limpiar los nombres o cambiar el orden.

Renombrar columnas:

df.rename(columns={"margen_pct": "margen_%", "isr_estimado": "ISR"}, inplace=True)

Reordenar columnas:

df = df[["empleado", "salario_mensual", "ISR", "salario_neto"]]

Siempre reordena al final, cuando ya tienes todas las columnas calculadas.

Errores comunes

Error 1 — Olvidar axis=1 en .apply() con varias columnas

Si usas df.apply(funcion) sin axis=1, pandas aplica la función por columna, no por fila. Tu función no encontrará los campos que espera y lanzará un KeyError.

# Incorrecto
df["resultado"] = df.apply(mi_funcion)  # aplica por columna

# Correcto
df["resultado"] = df.apply(mi_funcion, axis=1)  # aplica por fila

Error 2 — Usar .apply() cuando una operación vectorizada es suficiente

.apply() es más lento porque procesa fila por fila. Para sumas, restas, multiplicaciones y divisiones simples, siempre usa operaciones vectorizadas.

# Lento e innecesario
df["utilidad"] = df.apply(lambda x: x["precio"] - x["costo"], axis=1)

# Rápido y correcto
df["utilidad"] = df["precio"] - df["costo"]

Error 3 — Valores faltantes en .map() producen NaN

Si un valor en la columna no existe como llave en el diccionario, .map() devuelve NaN sin advertir. Verifica siempre que tu diccionario cubra todos los valores posibles.

# Si "bronze" no está en el diccionario, esa fila tendrá NaN
df["beneficio"] = df["nivel"].map(beneficio_map)
df["beneficio"].fillna("Sin clasificar", inplace=True)  # solución

Error 4 — Modificar el DataFrame original sin querer

Cuando asignas una columna con df["col"] = valores, modificas el DataFrame en su lugar. Si necesitas conservar el original para comparar, haz una copia antes.

df_copia = df.copy()
df_copia["nueva_col"] = df_copia["precio"] * 1.16

Referencia rápida

Dominar estas tres técnicas te permite construir métricas completas —márgenes, ISR estimado, variaciones porcentuales— directamente dentro de tu DataFrame, sin depender de hojas de cálculo externas.