pd.contact的使用

`pd.contact` 是 pandas 库中用于合并 DataFrame 的函数之一。具体用法如下：

pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)

其中，参数含义如下：

- `objs`：list/tuple，表示需要合并的 DataFrame 序列。
- `axis`：int，表示沿着哪个轴进行合并，0 表示纵向合并，1 表示横向合并。
- `join`：str，表示合并时使用的方式，包括'outer'、'inner'、'left'、'right'四种方式，默认使用'outer'方式。
- `ignore_index`：bool，表示是否忽略原 DataFrame 的索引，如果为 True，则新 DataFrame 的行索引将重新生成，否则将保留原索引。
- `keys`：list，表示创建多级索引的键值。
- `levels`：list，表示创建多级索引的级别。
- `names`：list，表示创建多级索引的名称。
- `verify_integrity`：bool，表示是否检查合并后的 DataFrame 是否有重复索引。
- `sort`：bool，表示是否对结果进行排序。
- `copy`：bool，表示是否复制数据。

示例代码如下：

import pandas as pd

# 创建两个 DataFrame
df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value1': [1, 2, 3]})
df2 = pd.DataFrame({'key': ['D', 'E', 'F'], 'value2': [4, 5, 6]})

# 纵向合并
df_concat = pd.concat([df1, df2])
print(df_concat)

# 横向合并
df_concat = pd.concat([df1, df2], axis=1)
print(df_concat)

# 忽略原索引
df_concat = pd.concat([df1, df2], ignore_index=True)
print(df_concat)

# 创建多级索引
df_concat = pd.concat([df1, df2], keys=['df1', 'df2'])
print(df_concat)

输出结果如下：

  key  value1  value2
0   A     1.0     NaN
1   B     2.0     NaN
2   C     3.0     NaN
0   D     NaN     4.0
1   E     NaN     5.0
2   F     NaN     6.0

  key  value1 key  value2
0   A       1   D       4
1   B       2   E       5
2   C       3   F       6

  key  value1  value2
0   A     1.0     NaN
1   B     2.0     NaN
2   C     3.0     NaN
3   D     NaN     4.0
4   E     NaN     5.0
5   F     NaN     6.0

       key  value1  value2
df1 0   A     1.0     NaN
    1   B     2.0     NaN
    2   C     3.0     NaN
df2 0   D     NaN     4.0
    1   E     NaN     5.0
    2   F     NaN     6.0