在数据分析的世界里，pandas.DataFrame 是最常用的数据结构之一。然而，许多初学者甚至中级用户都会遇到一个常见的困惑：为什么在构造DataFrame时，有时候 Series 变成一列，有时候却变成一行？为什么Pandas的Series底层由NumPy数组提供支撑，但是NumPy ndarray和 Pandas DataFrame在行和列的定义上有时候看起来是“反过来的”？

本文将系统梳理 DataFrame 的构造逻辑，揭示其背后的设计哲学，并强调一个至关重要的概念：样本 vs. 特征。掌握这些原则，你将不再被“按行还是按列”所困扰。

在使用 NumPy 进行数据处理和科学计算时，axis 参数是一个无处不在却又常常令人困惑的概念。无论是求和、拼接、排序还是分割，axis 都在背后决定着操作的方向。理解 axis 的本质，是掌握 NumPy 多维数组操作的关键。

本文将从维度（ndim）、形状（shape） 与 axis 的关系入手，系统梳理 axis 在不同函数中的行为模式，帮助你彻底掌握这一核心概念。