https://blog.csdn.net/gdkyxy2013/article/details/80785361
一、concat：沿著一條軸，將多個(gè)對(duì)象堆疊到一起
concat方法相當(dāng)于數(shù)據(jù)庫(kù)中的全連接（union all），它不僅可以指定連接的方式（outer join或inner join）還可以指定按照某個(gè)軸進(jìn)行連接。與數(shù)據(jù)庫(kù)不同的是，它不會(huì)去重，但是可以使用drop_duplicates方法達(dá)到去重的效果。
concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False, copy=True):
pd.concat()只是單純的把兩個(gè)表拼接在一起，參數(shù)axis是關(guān)鍵，它用于指定是行還是列，axis默認(rèn)是0。當(dāng)axis=0時(shí)，pd.concat([obj1, obj2])的效果與obj1.append(obj2)是相同的；當(dāng)axis=1時(shí)，pd.concat([obj1, obj2], axis=1)的效果與pd.merge(obj1, obj2, left_index=True, right_index=True, how='outer')是相同的。
參數(shù)介紹：
objs：需要連接的對(duì)象集合，一般是列表或字典；
axis：連接軸向；
join：參數(shù)為‘outer’或‘inner’；
join_axes=[]：指定自定義的索引；
keys=[]：創(chuàng)建層次化索引；
ignore_index=True：重建索引
df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])
df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])
pd.concat([df1,df2])
a b c d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
0 -0.316156 -0.707832 NaN -0.416589
1 0.406830 1.345932 NaN -1.874817
pd.concat([df1,df2],ignore_index=True)
a b c d
0 -0.848557 -1.163877 -0.306148 -1.163944
1 1.358759 1.159369 -0.532110 2.183934
2 0.532117 0.788350 0.703752 -2.620643
3 -0.316156 -0.707832 NaN -0.416589
4 0.406830 1.345932 NaN -1.874817
二、merge：通過(guò)鍵拼接列
類似于關(guān)系型數(shù)據(jù)庫(kù)的連接方式，可以根據(jù)一個(gè)或多個(gè)鍵將不同的DatFrame連接起來(lái)。該函數(shù)的典型應(yīng)用場(chǎng)景是，針對(duì)同一個(gè)主鍵存在兩張不同字段的表，根據(jù)主鍵整合到一張表里面。
merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True,
suffixes=('_x', '_y'), copy=True, indicator=False)
參數(shù)介紹：
left和right：兩個(gè)不同的DataFrame；
how：連接方式，有inner、left、right、outer，默認(rèn)為inner；
on：指的是用于連接的列索引名稱，必須存在于左右兩個(gè)DataFrame中，如果沒有指定且其他參數(shù)也沒有指定，則以兩個(gè)DataFrame列名交集作為連接鍵；
left_on：左側(cè)DataFrame中用于連接鍵的列名，這個(gè)參數(shù)左右列名不同但代表的含義相同時(shí)非常的有用；
right_on：右側(cè)DataFrame中用于連接鍵的列名；
left_index：使用左側(cè)DataFrame中的行索引作為連接鍵；
right_index：使用右側(cè)DataFrame中的行索引作為連接鍵；
sort：默認(rèn)為True，將合并的數(shù)據(jù)進(jìn)行排序，設(shè)置為False可以提高性能；
suffixes：字符串值組成的元組，用于指定當(dāng)左右DataFrame存在相同列名時(shí)在列名后面附加的后綴名稱，默認(rèn)為('_x', '_y')；
copy：默認(rèn)為True，總是將數(shù)據(jù)復(fù)制到數(shù)據(jù)結(jié)構(gòu)中，設(shè)置為False可以提高性能；
indicator：顯示合并數(shù)據(jù)中數(shù)據(jù)的來(lái)源情況
# 1.默認(rèn)以重疊的列名當(dāng)做連接鍵。
df1=DataFrame({'key':['a','b','b'],'data1':range(3)})
df2=DataFrame({'key':['a','b','c'],'data2':range(3)})
pd.merge(df1,df2) #沒有指定連接鍵，默認(rèn)用重疊列名，沒有指定連接方式
data1 key data2
0 0 a 0
1 1 b 1
2 2 b 1
# 2.默認(rèn)做inner連接（取key的交集），連接方式還有（left,right,outer)，制定連接方式加參數(shù)：how=''
pd.merge(df2,df1)
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2 #默認(rèn)內(nèi)連接，可以看見c沒有連接上。
pd.merge(df2,df1,how='left') #通過(guò)how，指定連接方式
data2 key data1
0 0 a 0
1 1 b 1
2 1 b 2
3 2 c NaN
# 3.多鍵連接時(shí)將連接鍵組成列表傳入，例：pd.merge(df1,df2,on=['key1','key2']
right=DataFrame({'key1':['foo','foo','bar','bar'],
'key2':['one','one','one','two'],
'lval':[4,5,6,7]})
left=DataFrame({'key1':['foo','foo','bar'],
'key2':['one','two','one'],
'lval':[1,2,3]})
right=DataFrame({'key1':['foo','foo','bar','bar'],
'key2':['one','one','one','two'],
'lval':[4,5,6,7]})
pd.merge(left,right,on=['key1','key2'],how='outer') #傳出數(shù)組
key1 key2 lval_x lval_y
0 foo one 1 4
1 foo one 1 5
2 foo two 2 NaN
3 bar one 3 6
4 bar two NaN 7
# 4.如果兩個(gè)對(duì)象的列名不同，可以分別指定，例：pd.merge(df1,df2,left_on='lkey',right_on='rkey')
df3=DataFrame({'key3':['foo','foo','bar','bar'], #將上面的right的key 改了名字
'key4':['one','one','one','two'],
'lval':[4,5,6,7]})
pd.merge(left,df3,left_on='key1',right_on='key3') #鍵名不同的連接
key1 key2 lval_x key3 key4 lval_y
0 foo one 1 foo one 4
1 foo one 1 foo one 5
2 foo two 2 foo one 4
3 foo two 2 foo one 5
4 bar one 3 bar one 6
5 bar one 3 bar two 7
三、join：主要用于索引上的合并；
join(self, other, on=None, how='left', lsuffix='', rsuffix='',sort=False):
其參數(shù)的意義與merge方法中的參數(shù)意義基本一樣。
