语法格式

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

常用的几个参数解释：

• objs: Series或数据框映射或序列，比较常见的用法是传递DadaFrame对象组成的list
• axis: 按行（0）或列（1）连接，默认为0
• ingnore_index: 布尔值，默认为False，表示concat连接对象中依然保留了原来的index。如果设为True，则concat连接对象会重新生成0, …, n - 1这样的index。

代码示例

import pandas as pd
df1=pd.DataFrame({"A":[2,3],"B":[7,9]})
df2=pd.DataFrame({"C":[3,5]})

#按行连接两个数据框，生成对象使用df1,df2原有的index
con1=pd.concat([df1,df2],0)
print(con1)

#按行连接两个数据框，ignore_index=True生成对象重新生成index
con2=pd.concat([df1,df2],0,ignore_index=True)
print(con2)

#使用keys选项在数据的最外层添加层次索引,并给索引添加label值
con3=pd.concat([df1,df2],0,keys=["df1","df2"],names=["df name","ID"])
print(con3)

输出结果

  con1=pd.concat([df1,df2],0)
     A    B    C
0  2.0  7.0  NaN
1  3.0  9.0  NaN
0  NaN  NaN  3.0
1  NaN  NaN  5.0
  con2=pd.concat([df1,df2],0,ignore_index=True)
     A    B    C
0  2.0  7.0  NaN
1  3.0  9.0  NaN
2  NaN  NaN  3.0
3  NaN  NaN  5.0
  con3=pd.concat([df1,df2],0,keys=["df1","df2"],names=["df name","ID"])
              A    B    C
df name ID
df1     0   2.0  7.0  NaN
        1   3.0  9.0  NaN
df2     0   NaN  NaN  3.0
        1   NaN  NaN  5.0