pd.concat()函数用法

pd.concat()函数可以用来合并多个数据框或序列，可以按照指定的轴进行连接，可以按照指定的方式进行对齐。

使用方式：

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

其中，参数说明如下：

- objs：一个列表或字典，表示需要合并的数据框或序列。
- axis：指定合并的轴，0表示按行合并，1表示按列合并，默认为0。
- join：指定合并方式，取值为'inner'或'outer'，默认为'outer'。
- join_axes：指定按照哪些轴进行对齐。
- ignore_index：指定是否忽略索引，如果为True，则重新生成索引，否则保留原来的索引，默认为False。
- keys：指定合并后的数据框或序列的层次索引。
- levels：指定层次索引的名称。
- names：指定生成的新的层次索引的名称。
- verify_integrity：检查结果数据框或序列是否有重复的索引，如果有就抛出异常，默认为False。
- copy：是否复制数据，默认为True。

示例：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
df2 = pd.DataFrame({'A': [4, 5, 6], 'B': [7, 8, 9], 'C': [10, 11, 12]})

# 按行合并两个数据框
df = pd.concat([df1, df2])
print(df)

# 按列合并两个数据框
df = pd.concat([df1, df2], axis=1)
print(df)

# 按指定的轴进行连接
df = pd.concat([df1, df2], axis=1, join='inner')
print(df)

# 重新生成索引
df = pd.concat([df1, df2], ignore_index=True)
print(df)

# 添加层次索引
df = pd.concat([df1, df2], keys=['df1', 'df2'])
print(df)