1、首先，为了方便理解，新建几个测试数据
df1 = pd.DataFrame(np.ones((3,4))*0,columns=['a','b','c','d'])df2 = pd.DataFrame(np.ones((3,4))*1,columns=['a','b','c','d'])df3 = pd.DataFrame(np.ones((3,4))*2,columns=['a','b','c','d'])df4 = pd.DataFrame(np.ones((3,4))*0,columns=['a','b','c','d'],index=[1,2,3])df5 = pd.DataFrame(np.ones((3,4))*1,columns=['b','c','d','e'],index=[2,3,4])
具体是什么样子可以看输出结果
2、最普通的合并就是上下数据的拼接，如果列的字段一样的话，
编写代码：res = pd.concat([df1,df2,df3],axis=0,ignore_index=True)
参数axis=0表示上下合并，1表示左右合并，ignore_index=True表示忽略原来的索引
3、当列的字段不一样的时候，我们往往要用到join参数，
join为‘inner’时 会裁剪吊互相之间没有的数据，
join为‘outer’时 会用NaN值来填充相互之间没有的数据
4、使用join_axes参数可以指定按那个DataFrame的索引来进行合并
res = pd.concat([df4,df5],axis=1,join_axes=[df5.index])
只要看下具体的输出表现大概就清楚了，下图分别是三中不同的情况
5、还介绍一个简单的合并方式，就是像列表一样添加在后面，也是用append,这里要注意DataFrame的后面是指上下的添加
res = df1.append([df2,df3,df5],ignore_index=True)
