最近在工作中，遇到了數據合并、連接的問題，故整理如下，供需要者參考~

一、concat：沿著一條軸，將多個對象堆疊到一起

concat方法相當于數據庫中的全連接（union all），它不僅可以指定連接的方式（outer join或inner join）還可以指定按照某個軸進行連接。與數據庫不同的是，它不會去重，但是可以使用drop_duplicates方法達到去重的效果。

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

pd.concat()只是單純的把兩個表拼接在一起，參數axis是關鍵，它用于指定是行還是列，axis默認是0。

當axis=0時，pd.concat([obj1, obj2])的效果與obj1.append(obj2)是相同的；當axis=1時，pd.concat([obj1, obj2], axis=1)的效果與pd.merge(obj1, obj2, left_index=True, right_index=True, how='outer')是相同的。

merge方法的介紹請參看下文。

參數介紹：

objs：需要連接的對象集合，一般是列表或字典；

axis：連接軸向；

join：參數為‘outer'或‘inner'；

join_axes=[]：指定自定義的索引；

keys=[]：創建層次化索引；

ignore_index=True：重建索引

舉例：

df1=DataFrame(np.random.randn(3,4),columns=['a','b','c','d'])  df2=DataFrame(np.random.randn(2,3),columns=['b','d','a'])  pd.concat([df1,df2])       a     b     c     d 0 -0.848557 -1.163877 -0.306148 -1.163944 1 1.358759 1.159369 -0.532110 2.183934 2 0.532117 0.788350 0.703752 -2.620643 0 -0.316156 -0.707832    NaN -0.416589 1 0.406830 1.345932    NaN -1.874817  pd.concat([df1,df2],ignore_index=True)       a     b     c     d 0 -0.848557 -1.163877 -0.306148 -1.163944 1 1.358759 1.159369 -0.532110 2.183934 2 0.532117 0.788350 0.703752 -2.620643 3 -0.316156 -0.707832    NaN -0.416589 4 0.406830 1.345932    NaN -1.874817 

二、merge：通過鍵拼接列

類似于關系型數據庫的連接方式，可以根據一個或多個鍵將不同的DatFrame連接起來。該函數的典型應用場景是，針對同一個主鍵存在兩張不同字段的表，根據主鍵整合到一張表里面。

merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False)

參數介紹：

left和right：兩個不同的DataFrame；

how：連接方式，有inner、left、right、outer，默認為inner；

on：指的是用于連接的列索引名稱，必須存在于左右兩個DataFrame中，如果沒有指定且其他參數也沒有指定，則以兩個DataFrame列名交集作為連接鍵；

left_on：左側DataFrame中用于連接鍵的列名，這個參數左右列名不同但代表的含義相同時非常的有用；

right_on：右側DataFrame中用于連接鍵的列名；