pd.concat连接两个表，按照左边连接

### 回答1：
在使用 `pd.concat` 连接两个表时，可以通过 `join` 参数来指定连接方式。默认情况下，`join` 参数为 `outer`，表示使用外连接，即保留两个表的全部行和列，并在缺失值处填充 NaN。如果要按照左边表连接，可以将 `join` 参数设置为 `left`。例如：

import pandas as pd

# 创建两个表
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A2', 'A3', 'A4', 'A5'],
                    'B': ['B2', 'B3', 'B4', 'B5'],
                    'C': ['C2', 'C3', 'C4', 'C5'],
                    'D': ['D2', 'D3', 'D4', 'D5']})

# 按照左边表连接
result = pd.concat([df1, df2], join='left')
print(result)

输出结果：

    A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
0  A2  B2  C2  D2
1  A3  B3  C3  D3
2  A4  B4  C4  D4
3  A5  B5  C5  D5

可以看到，连接结果保留了左边表的全部行和列，并在右边表中找到了与左边表相同的行进行连接，缺失的部分则填充了 NaN。

### 回答2：
pd.concat连接两个表时，按照左边连接是指以第一个输入的表（即左边的表）为基准，将第二个输入的表（即右边的表）按照索引或列标签进行连接。

具体来说，pd.concat函数可以接受一个包含多个DataFrame的列表作为参数，将这些DataFrame按照指定的方式连接起来。当指定参数axis=0时，表示按照行的方向进行连接，即在纵向上将两个表拼接在一起，形成一个新的表。

当执行左边连接时，pd.concat函数会以左边的表为基准，将右边的表根据索引或列标签与左边的表进行匹配连接。在连接时，如果右边的表中的索引或列标签在左边的表中不存在，则会用NaN填充对应的位置。如果两个表中存在相同的列标签，则连接后的表中会保留所有的列，并将左边表中的值放在右边表对应列的前面。

总之，按照左边连接的方式将两个表进行连接时，会以左边的表为基准，将右边的表按照索引或列标签进行连接，并将左边表中的值放在右边表对应列的前面。这样可以方便地将两个表中的数据进行整合和比对，便于进一步的数据处理和分析。

### 回答3：
pd.concat连接两个表时，默认按照左边连接的方式进行连接。具体来说，左边的表格的所有行都会被保留，并将右边的表格按照对应的行顺序进行连接。

例如，我们有两个表A和B：
表A：

姓名 年龄
0 张三 25
1 李四 30

表B：

姓名 性别
0 张三 男
1 王五 女

当我们使用pd.concat([A, B], axis=0, join='outer')时，会按照左边连接的方式进行连接，结果如下：

姓名 年龄 性别
0 张三 25 男
1 李四 30 NaN
2 张三 NaN 男
3 王五 NaN 女

可以看到，左边的表A的所有行都被保留，同时保留了右边表B中与A对应位置的行。对于不对应的行，使用NaN填充。

这是因为连接操作默认采用的是outer连接方式，保留所有的行。如果只希望保留两个表的交集部分，则可以使用inner连接方式，即pd.concat([A, B], axis=0, join='inner')。使用inner连接方式的结果如下：

姓名
0 张三

这样就只保留了两个表的交集部分。

总而言之，pd.concat连接两个表时，默认按照左边连接的方式进行连接，即保留左边表的所有行，并根据行顺序连接右边表。