pandas中的concat函数具体用法以及示例

`pandas`中的`concat`函数可以将多个数据框或者系列按照行或列进行拼接。具体用法如下：

pd.concat(objs, axis=0, join='outer', ignore_index=False)

其中，参数含义如下：

- `objs`：需要拼接的数据框或者系列，可以是列表、字典或者元组。
- `axis`：拼接的方向，0表示按照行进行拼接，1表示按照列进行拼接。
- `join`：拼接的方式，可以取值为`inner`或者`outer`，默认为`outer`。
- `ignore_index`：是否忽略原来数据的索引，如果设置为`True`，则按照新的索引进行排列，否则按照原来数据的索引进行排列。

示例如下：

import pandas as pd

# 创建两个数据框
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': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

# 按照行进行拼接
df_concat_row = pd.concat([df1, df2])
print(df_concat_row)

# 按照列进行拼接
df_concat_column = pd.concat([df1, df2], axis=1)
print(df_concat_column)

输出结果如下：

    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  A4  B4  C4  D4
1  A5  B5  C5  D5
2  A6  B6  C6  D6
3  A7  B7  C7  D7

    A   B   C   D   A   B   C   D
0  A0  B0  C0  D0  A4  B4  C4  D4
1  A1  B1  C1  D1  A5  B5  C5  D5
2  A2  B2  C2  D2  A6  B6  C6  D6
3  A3  B3  C3  D3  A7  B7  C7  D7