concat函式是在pandas底下的方法，可以將資料根據不同的軸作簡單的融合
pd.concat(objs, axis=
0, join=
'outer'
, join_axes=
none
, ignore_index=
false
, keys=
none
, levels=
none
, names=
none
, verify_integrity=
false
)
# 現將表構成list，然後在作為concat的輸入
in [4]
: frames =
[df1, df2, df3]
in [5]
: result = pd.concat(frames)
in [6]
: result = pd.concat(frames, keys=
['x'
,'y'
,'z'
])
當axis = 1的時候，concat就是行對齊，然後將不同列名稱的兩張表合併
in [9]
: result = pd.concat(
[df1, df4]
, axis=
1)
加上join引數的屬性，如果為』inner』得到的是兩表的交集，如果是outer，得到的是兩表的並集。
如果有join_axes的引數傳入，可以指定根據那個軸來對齊資料
例如根據df1表對齊資料，就會保留指定的df1表的軸，然後將df4的表與之拼接
如果兩個表的index都沒有實際含義，使用ignore_index引數，置true，合併的兩個表就睡根據列欄位對齊，然後合併。最後再重新整理乙個新的index。
前面提到的keys引數可以用來給合併後的表增加key來區分不同的表資料**
1.5.1 可以直接用key引數實現
1.5.2 傳入字典來增加分組鍵
)**列欄位不同的表合併如果遇到兩張表的列欄位本來就不一樣，但又想將兩個表合併，其中無效的值用nan來表示。那麼可以使用ignore_index來實現。
PANDAS 資料合併與重塑（concat篇）
pandas作者wes mckinney 在 python for data analysis 中對pandas的方方面面都有了乙個權威簡明的入門級的介紹，但在實際使用過程中，我發現書中的內容還只是冰山一角。談到pandas資料的行更新 表合併等操作，一般用到的方法有concat join merg...
pandas資料重塑
python for data analysis stack 將資料的列 旋轉 為行 unstack 將資料的行 旋轉 為列 pivot 前兩個引數值分別用作行和列索引的列名，最後乙個引數則是用於填充dataframe的資料列的列名。如果忽略最後乙個引數，得到的dataframe就會帶有層次化的列。...
pandas資料合併
pandas 提供了三種主要方法可以對資料進行合併 pandas.merge 方法 資料庫風格的合併 例如，通過merge 方法將兩個dataframe合併 on name 的意思是將name列當作鍵 預設情況下，merge做的是內連線 inner 即鍵的交集。其他方式還有左連線 left 右連線 ...