python玄学之 apply函数的axis参数

不知道小伙伴们学习python的dataframe时，是否遇到一个疑惑，apply参数axis的具体含义是什么?
官方文档解释如下：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html
axis{0 or ‘index’, 1 or ‘columns’}, default 0
Axis along which the function is applied:
0 or ‘index’: apply function to each column.
1 or ‘columns’: apply function to each row.
也就是说，0代表按列，1代表按行
例如我的数据

import pandas as pd
tf = pd.read_csv(filepath)
 sharein  0_country  1_country       2_country
0         1        USA        USA             NaN
1         2     France     France  Czech Republic
2         1  Australia  Australia             NaN
3         2        USA     France          France
4         2        USA     France          France
5         1      China      China             NaN
6         1      China      China             NaN
7         1      China      China             NaN
8         1      China      China             NaN
9         1      China      China             NaN
10        1        USA        USA             NaN
11        1        USA        USA             NaN
12        2        USA      China             USA
13        1      China      China             NaN
14        1      China      China             NaN
15        1      China      China             NaN
16        1      China      China             NaN
tf = tf.fillna("0")

首先我构建一个函数来计算

def count(n):
    n1 = n.unique()#unique函数仅针对序列，df[]表示序列，df[[]]表示dataframe
    n2 = len(list(n1))
    if "0" in n1 :
        n2-=1
    return n2

显然，我的函数的目的在于按行对于tf进行操作，那我们设置axis = 1，来我们看一下结果

tf.apply(count,axis = 1)
0     1
1     2
2     1
3     2
4     2
5     1
6     1
7     1
8     1
9     1
10    1
11    1
12    2
13    1
14    1
15    1
16    1

正如我们预期一样，那我们再看另一个例子

tf1 = pd.read_csv(r"pathname")
>>> tf1
    type  affitype
0      1         2
1      2         3
2      1         1
3      2         3
4      2         3
5      1         1
6      1         1
7      1         2
8      1         1
9      1         1
10     1         1
11     1         1
12     2         2
13     1         2
14     1         2
15     1         2
16     1         2

我想根据以上两列满足一定的条件，然后新增列并且赋值,具体函数如下：

def define_type(i1,i2):
    if i1 > 1:
        t = "inte"
    elif i1 == 1 and i2 == 1:
        t = "in_a"
    else:
        t = "in_n"
    return t

显然，此时我们是按列传入函数，应该用axis = 0，我们看看结果

tf1["Type"] = tf1.apply(lambda i:define_type(i["type"],i["affitype"]),axis = 0)
Traceback (most recent call last):
  File "", line 1, in 
    tf1["Type"] = tf1.apply(lambda i:define_type(i["type"],i["affitype"]),axis = 0)
  File "E:\py\lib\site-packages\pandas\core\frame.py", line 6487, in apply
    return op.get_result()
_____
KeyError: ('type', 'occurred at index type')

结果显示报错，我又百度一番，发现此时设置axis = 1就得到我们想要的结果了

tf1["Type"] = tf1.apply(lambda i:define_type(i["type"],i["affitype"]),axis = 1)
>>> tf1["Type"]
0     in_n
1     inte
2     in_a
3     inte
4     inte
5     in_a
6     in_a
7     in_n
8     in_a
9     in_a
10    in_a
11    in_a
12    inte
13    in_n
14    in_n
15    in_n
16    in_n
Name: Type, dtype: object

我猜大概是和我们输入的参数类型有关吧，第一个是整个dataframe传入函数，后面这个是传入Series，没有进一步细究。