请求解析Pandas中df.map()嵌套在df.apply()内的执行逻辑

我发现这段代码非常有意思，我对它做了一点修改来完善问题。本质上，这段代码利用一个DataFrame，通过pd.style来格式化另一个DataFrame的样式。

t1 = pd.DataFrame({'x':[300,200,700], 'y':[100,300,200]})
t2 = pd.DataFrame({'x':['A','B','C'], 'y':['C','B','D']})

def highlight_cell(val, props=''):
    return props if val > 200 else ''
    
t2.style.apply(lambda x: t1.map(highlight_cell, props='background-color:yellow'), axis=None)

但有没有人能解释最后一行代码是如何工作的？我找不到Pandas官方文档来阐明在df.apply()内部使用df.map()的行为逻辑。

在我理解中，这段代码看起来像是遍历t1中的每一个元素，对整个t2一次性应用highlight_cell()函数，然后返回完整结果，就像下面这段伪代码描述的那样：

for x in all_items_in_t1:
    yield [highlight_cell(y) for y in all_items_in_t2]

然而实际输出结果却表明，它的逻辑是遍历t1中的每一个元素，只对t2中与该元素位置（行、列）完全对应的元素应用highlight_cell()函数，就像这样：

for x, y in zip(all_items_in_t1, all_items_in_t2):
    yield highlight_cell(y)

我还是很难理解这种模式，因为它看起来有点让人困惑。有没有人能更清楚地解释一下？

备注：内容来源于stack exchange，提问作者Scoodood