pd.concat()横向连接

`pd.concat()` 函数是 pandas 库中用于数据帧（DataFrame）操作的一种工具，它可以将两个或更多数据帧按照特定的方式合并在一起。其中，“横向”连接通常指的是沿着数据帧的行方向进行组合。

### `pd.concat()` 的基本语法：

pd.concat([dataframe1, dataframe2], axis=0)

#### 参数解释：
- **[dataframe1, dataframe2]**：这是要连接的数据帧列表。你可以指定任意数量的数据帧进行连接。
- **axis**：这个参数决定了沿哪个轴进行拼接，默认值为0，表示按照行进行拼接（横向连接）。如果设置为1，则表示按列拼接（纵向连接）。

### 横向连接（axis=0）示例：

假设我们有两个数据帧 `df1` 和 `df2`：

import pandas as pd

# 示例数据框
data1 = {'Name': ['Tom', 'Nick'],
         'Age': [20, 25]}
df1 = pd.DataFrame(data1)

data2 = {'Name': ['John', 'Mike'],
         'City': ['New York', 'Chicago']}
df2 = pd.DataFrame(data2)

# 进行横向连接
combined_df = pd.concat([df1, df2])

运行上述代码后，结果会是一个新的数据帧，包含了 `df1` 和 `df2` 的所有信息，并保持了它们各自的顺序。最终的 `combined_df` 可能看起来像这样：

| Name | Age |
|------|-----|
| Tom | 20 |
| Nick | 25 |
| John | NaN |
| Mike | NaN |

请注意，由于这两个数据帧没有共享相同的列名或索引，在合并过程中，缺失的值（在这里表现为 NaN）会被添加到无对应数据的新行上。

### 关联问题:

1. `pd.concat()` 还支持哪些其他类型的连接？
2. 当如何处理合并前需要调整索引或列名称的情况？
3. `pd.concat()` 是否有性能考虑需要注意的地方？