完全懂你的困惑！我刚接触pandas的时候，对着apply()的axis参数也挠过好几次头——明明之前记的axis=0对应行、axis=1对应列，怎么到这里好像反过来了？

其实这个逻辑说透了就很简单，核心是要搞懂pandas里axis参数的本质：它指的是函数要沿着哪个轴的方向去“滑动应用”，或者说，要将哪个轴的维度“合并计算”。针对DataFrame.apply()具体来说：

• 当设置axis=0（默认值）时，函数会沿着列的垂直方向（从上到下）应用：也就是把每一列的所有行元素作为输入，传给你指定的函数。比如对每一列求和，最终返回的结果会对应原DataFrame的每一列。
• 当设置axis=1时，函数会沿着行的水平方向（从左到右）应用：也就是把每一行的所有列元素作为输入，传给你指定的函数。比如对每行求最大值，最终返回的结果会对应原DataFrame的每一行。

给你举个直观的代码例子就清楚了：

import pandas as pd
# 构造一个简单的DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# axis=0：对每一列应用sum函数
col_sum = df.apply(sum, axis=0)
print(col_sum)
# 输出：
# A     6
# B    15
# dtype: int64

# axis=1：对每一行应用sum函数
row_sum = df.apply(sum, axis=1)
print(row_sum)
# 输出：
# 0    5
# 1    7
# 2    9
# dtype: int64

最后给你个好记的小技巧：

• 把axis=0想成“竖轴”，函数顺着竖线（列）走，处理每一列的所有行
• 把axis=1想成“横轴”，函数顺着横线（行）走，处理每一行的所有列

其实不止apply()，pandas里大部分函数的axis参数逻辑都是统一的，只是apply()的场景更容易让我们混淆“操作对象”和“操作方向”，多写两次实例就能刻进脑子里啦！