1. concat函数

1.1 基本概念

pandas中的concat函数用于沿着指定轴（行或列）将多个DataFrame或Series对象连接起来。

1.2 参数详解

• objs：需要连接的对象列表，通常是DataFrame或Series的列表。例如[df1, df2, df3]。
• axis：指定连接的轴，0表示按行连接（垂直连接），1表示按列连接（水平连接）。默认值为0。
• join：指定连接方式，可以是'inner'（交集）或'outer'（并集）。默认值为'outer'，即保留所有数据。
• ignore_index：是否忽略原始索引，重新生成默认整数索引。默认为False，如果设为True，将不保留原始索引。
• keys：可以用于多层索引的组合，如果提供该参数，则最终的DataFrame会有多层索引。
• levels：如果keys使用的是多层索引，可以通过levels参数指定每一层的标签。
• names：设置多层索引的名称。

1.3 使用示例

import pandas as pd# 创建示例数据
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2']})
df2 = pd.DataFrame({'A': ['A3', 'A4', 'A5'],'B': ['B3', 'B4', 'B5']})# 使用concat函数按行连接
result = pd.concat([df1, df2], axis=0, ignore_index=True)
print(result)

concat函数将df1和df2按行连接，生成一个新的DataFrame。由于ignore_index=True，新的DataFrame不保留原始索引，而是重新生成默认的整数索引。

2. append函数

2.1 基本概念

append函数用于将一个DataFrame或Series对象追加到另一个DataFrame的末尾。与concat不同的是，append通常用于追加单个对象，并且语法上更简单。它实际上是concat函数的一种特殊情况，只不过更加便捷。

2.2 参数详解

• other：需要追加的DataFrame或Series。
• ignore_index：是否忽略原始索引，重新生成默认整数索引。默认为False。
• verify_integrity：是否检查索引重复。如果设为True，则在索引重复时会引发错误。默认为False。
• sort：是否在连接时对列进行排序。默认为None，表示不排序。

2.3 使用示例

import pandas as pd# 创建示例数据
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],'B': ['B0', 'B1', 'B2']})
df2 = pd.DataFrame({'A': ['A3', 'A4', 'A5'],'B': ['B3', 'B4', 'B5']})# 使用append函数追加数据
result = df1.append(df2, ignore_index=True)
print(result)

append函数将df2追加到df1的末尾，生成一个新的DataFrame。由于ignore_index=True，新的DataFrame不保留原始索引，而是重新生成默认的整数索引。