pandas append和concat 效率

`pandas`库中的`append()`和`concat()`函数都是用于数据合并的操作，但在效率上有一些区别：

1. **`append()`**：这个函数通常适用于追加行到现有DataFrame，如果目标列的数据类型匹配源数据，则操作相当高效，因为它是就地操作，也就是说它不会创建新的副本，而是直接修改原数据。然而，当数据量较大时，如果有列类型不匹配的情况，可能会引发转换操作，这会降低效率。

2. **`concat()`**：`concat()`更通用一些，它可以水平（axis=0）或垂直（axis=1）堆叠两个或更多的DataFrame，并支持多种连接方式（如inner、outer等）。由于它的灵活性，处理不同类型的数据结构时可能会稍微慢一些，因为它需要检查并处理可能的连接规则。特别是当连接涉及到大量数据和复杂的合并策略时，性能可能会受到更多因素的影响。

**效率比较**：
- 如果只需要简单地追加行，且列类型匹配，`append()`通常是更快的选择。
- 当需要更复杂的数据合并或者对性能有较高要求时，`concat()`可能更适合，尤其是当你明确指定连接方式和轴向时。

**相关问题**:
1. `concat()`在哪些场景下比`append()`效率更低？
2. 使用`append()`时如何避免因类型不匹配导致的额外运算？
3. 如何通过设置参数优化`concat()`的性能？