点击上方“Python爬虫与数据挖掘”，进行关注
回复“书籍”即可获赠Python从入门到进阶共10本电子书
今
日
鸡
汤
两岸猿声啼不住，轻舟已过万重山。
数据合并是数据处理过程中的必经环节，pandas作为数据分析的利器，提供了四种常用的数据合并方式（concat，merge，append，join），让我们看看如何使用这些方法吧！
1.concat()
concat() 可用于两个及多个 DataFrame 间行/列方向进行内联或外联拼接操作，默认对行(沿 y 轴)取并集。
「使用方式」
pd.concat(
objs: Union[Iterable[~FrameOrSeries], Mapping[Union[Hashable, NoneType], ~FrameOrSeries]],
axis=0,
join='outer',
ignore_index: bool = False,
keys=None,
levels=None,
names=None,
verify_integrity: bool = False,
sort: bool = False,
copy: bool = True,
)
「主要参数」
objs：一个序列或是Series，DataFrame对象的映射。
axis：连接的轴，0('index'，行)，1('columns',列)，默认为0。
join：连接方式 ，inner(交集), outer(并集)，默认为outer。
ignore_index：是否重置串联轴的索引值。如果为True，则重置索引为0，…, n - 1。
keys：创建层次化索引。可以是任意值的列表或数组、元组数组、数组列表（如果将levels设置成多级数组的话）
names：生成的分层索引中级别的名称。
示例
创建两个 DataFrame。
df1 = pd.DataFrame(
{'char': ['a', 'b'],
'num': [1, 2]})
df2 = pd.DataFrame(
{'char': ['b', 'c'],
'num': [3, 4]})
