本文將分為三部分：

1. reset_index函式：

修改排序，否則可能會產生錯誤，所以對DataFrame做完合併，或者做分組聚合（groupby,agg,transform等函式）後，最好做一個
reset_index處理。

2.drop引數的理解：

drop=True: 把原來的索引index列去掉，丟掉。
drop=False:保留原來的索引（以前的可能是亂的）

3. inplace引數的理解：

修改一個物件時：
      inplace=True：不建立新的物件，直接對原始物件進行修改；
      inplace=False：對資料進行修改，建立並返回新的物件承載其修改結果。
 

我相信如果你是剛剛接觸到這個函式的話，會一臉懵逼的，特別是看到有的例子沒有給inplace引數賦值，有的卻給了，本文會結合程式碼給出合理的解釋。

1. reset_index函式：

import pandas as pd
import sys

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']})

df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B'
 
: ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']})

frames = [df1, df2, df3]
result = pd.concat(frames)#合併，列不變。

先將就著看。。有空再更