对比pandas列表list，pandas与numpy的常用函数

1.append函数
1.1list：列表
list.append(obj)
在列表尾添加一个新的对象；该方法无返回值，但是会修改原列表

1.2pandas:
与list写法相同
仅支持行方向上的拼接
data.append(other, ignore_index=False, verify_integrity=False, sort=False) → ’DataFrame’
Series.append(to_append, ignore_index=False, verify_integrity=False)
other:要拼接的其他对象
ignore_index:连接后是否重建索引
verify_integrity：默认是False 如果是True,则对具有重复的索引项报错
sort:默认是False 如果self和other的列没有对齐，则对列进行排序。显示传递sort=True,则进行排序。

data1.append(data2) 效果相当于默认的concat axis=0，join=outer

1.3numpy:
append函数
numpy.append(arr, values, axis=None)
一个数组与值拼接或者两个数组拼接，不可三个及以上数组直接append拼接

axis为可选值，当axis无定义时，返回总是为一维数组
如下：

axis=0时：
axis=0，数组相加加在了行上。所以相加数组的列数需一致

同理，当axis=1，数组相加加在了列上。所以相加数组的行数需一致

注意：python中字符串无append方法

2.concat:融合
numpy有concatenate函数，pandas有concate函数，均可实现数组的拼接
numpy.concatenate((a1,a2,…), axis=0/1)函数。能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数
numpy.concatenate()需要拼接数组的维度相同
numpy的concatenate()比append()效率更高，适合大规模的数据拼接，能够一次完成多个数组的拼接

axis=1时，需要行数一致；axis=0，需要列数一致

列数不一致时报错

pandas：
pandas与numpy区别：对于行数/列数是否相等没有要求，空的地方用Nan表示；且两个数组的维度不一定要相同
可以把数据根据不同的轴进行简单的融合
pandas.concate(objs,axis=0,join= ‘outer’,join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verify_integrity=False)
参数：
objs：需要连接的对象集合，Series，DataFrame或Panel组成的列表list
axis：连接轴向；
join：参数为‘outer’或‘inner’；
keys=[]：创建层次化索引，默认为无
join_axes：指定根据哪个轴来对齐数据
ignore_index=True：连接后重建索引
pandas默认axis=0，join=‘outer’，ignore_index=False
如：

3.extend
列表list与numpy均有该函数
list：
extend() 函数用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表
list.extend(seq)
该方法没有返回值，但会在已存在的列表中添加新的列表内容

numpy:
只适用于简单的一维数组，对于大量数据的拼接一般不建议使用
注意：这个函数要求拼接的两个都是list格式，如果不是，就用.tolist()函数转换一下