Python Excel数据处理入土筑基期 ：【Pandas之concat】

在Python的Pandas库中，`pd.concat()` 函数是一个用于合并多个Pandas对象（如DataFrame或Series）的工具。这个函数可以在不同的轴上进行操作，从而允许你垂直（沿着索引）或水平（沿着列）堆叠数据。
以下是`pd.concat()`的一些基本用法：
1. **垂直堆叠（沿着索引）**：
   当你有多份数据，想要将它们垂直地堆叠在一起时，可以使用`pd.concat()`。默认情况下，`pd.concat()`沿着索引（axis=0）进行操作。
```python
import pandas as pd
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                    index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                    index=[4, 5, 6, 7])
result = pd.concat([df1, df2])
print(result)
```
2. **水平堆叠（沿着列）**：
   如果想要将数据水平地堆叠在一起，可以设置`axis=1`。
```python
result = pd.concat([df1, df2], axis=1)
print(result)
```
3. **保留索引**：
   默认情况下，`pd.concat()`会保留原始数据的索引。如果你不希望保留索引，可以使用`ignore_index=True`。
```python
result = pd.concat([df1, df2], ignore_index=True)
print(result)
```
4. **键值对合并**：
   当合并多个DataFrame时，可以使用`keys`参数来为每个DataFrame添加一个层次化的索引。
```python
result = pd.concat([df1, df2], keys=['x', 'y'])
print(result)
```
5. **连接相同列名的DataFrame**：
   如果合并的DataFrame具有不同的列，`pd.concat()`会在结果中保留所有的列。如果列名不同，那么结果中将包含所有唯一的列名。
```python
df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'E': ['E8', 'E9', 'E10', 'E11']},
                    index=[8, 9, 10, 11])
result = pd.concat([df1, df3])
print(result)
```
请注意，`pd.concat()`并不是处理所有数据合并问题的最佳工具。例如，当你的数据有共同的列并且你想基于这些列进行合并时，`pd.merge()`或`DataFrame.join()`可能是更好的选择。`pd.concat()`适用于简单的堆叠操作，特别是当你想要沿着某个轴简单地将多个数据集组合在一起时。