Pandas的concat，merge，join和append区别

Pandas提供了concat，merge，join和append四种方法用于dataframe的拼接，其区别如下：

concat

两个DataFrame通过pd.concat()，既可实现行拼接又可实现列拼接，默认axis=0，join=‘outer’。表df1和df2的行索引（index）和列索引（columns）均可以重复。
　a. 当axis=0（行拼接）时，使用pd.concat([df1,df2])，拼接表的index=index(df1) + index(df2)，拼接表的columns=columns(df1) ∪ columns(df2)，缺失值填充NaN。
　b. 当axis=1（列拼接）时，使用pd.concat([df1,df2],axis=1)，拼接表的index=index(df1) ∪ index(df2)，拼接表的columns=columns(df1) + columns(df2)，缺失值填充NaN。

merge

result=pd.merge(df1, df2,how=‘left’)
提供了类似于SQL数据库连接操作的功能，支持左联、右联、内联和外联等全部四种SQL连接操作类型

merge()只能完成两张表的连接，若有三个及以上表，需不断两两合并来实现）
该函数的典型应用场景： 两张表有相同内容的某一列（类似SQL中的主键），欲根据主键将两张表进行列拼接整合到一张表中，合并表的列数等于两个原数据表的列数和减去连接键的数量。

join

.join() 可用于df间列方向的拼接操作，默认左列拼接，how=’left’
df1.join(df2) 支持左联、右联、内联和外联四种操作类型

参数的意义与merge方法基本相同，只是join方法默认为左外连接how=’left’

append

.append() 可用于df间行方向的拼接操作，
df1.append(df2)