1. 小故事：我的第一次"翻車"經歷  

記得剛學pandas那會兒，我興沖沖地用rolling()計算股票移動平均線，結果代碼跑出來全是NaN！折騰半天才發現——窗口大小設錯了。那時候還沒搞懂axis是啥，甚至天真地以為axis=1能橫向滾動計算月度數據……結果被同事笑了一周。  

后來才知道，rolling()的axis參數，簡直是新手陷阱重災區！  

2. 滾動計算：你以為的VS實際上的  

(1) 基礎用法（90%場景）：

# 計算3天股價移動平均（按時間軸滾動）
df['Price'].rolling(window=3).mean()

輸出：  

Day1: NaN    # 不夠3天  
Day2: NaN  
Day3: 105.0  # (100+105+110)/3

這才是正常人需要的功能！  

(2) 迷惑行為：axis=1橫向滾動  

# 試圖橫向計算（即將被拋棄的寫法）
df.rolling(window=2, axis=1).sum()

輸出：  

Price    Volume  
Day1:  NaN     1100.0  # Price+Volume

問題來了：  

• 除了做橫向求和彩蛋，現實中有誰真用這個？  
• 性能差還容易算錯列，比如誤把日期列也滾進去…  

3. 為什么pandas要干掉axis參數？  

官方吐槽亮了：  

"axis=1 in rolling is like a fork in a soup bowl — technically possible, but why?!"  （"rolling里的axis=1就像用叉子喝湯——能用，但圖啥？"）  

真實原因：  

• 99%的人只用axis=0（官方統計，90%的issue是關于axis用錯的）  
• 一致性需求：類似expanding()、ewm()早就不支持axis了  

替代方案更香：  

# 轉置大法好！
df.T.rolling(2).sum().T

4. 我的血淚建議  

• 新手：直接當axis不存在，默認按時間滾動夠用了  
• 升級警告：看到FutureWarning別慌，換成WE/ME等新規范  
• 騷操作愛好者：用apply()自定義橫向計算，別碰axis=1  

你有被axis參數坑過嗎？或者覺得這個設計該不該留？ 

? 彩蛋：試試df.rolling(3, min_periods=1).mean()，你會發現NaN消失了… pandas的貼心小細節真多！**