以下內容轉自 數析學院，原文後續還有關於索引值在合併過程中的處理，需要學習的同學可以直接檢視 原文

向大家介紹資料集合並方法中的連線（concat）與追加（append），首先做一些準備工作：

1.匯入 Pandas 庫與 Numpy 庫：

import pandas as pd
import numpy as np

2.定義一個 make_df 函式，以便生成示例資料框：

def make_df(cols, ind):
    """Quickly make a dataframe"""
    data = {c: [str(c) + str(i) for i in ind]
            for
 
 c in cols}
    return pd.DataFrame(data, ind)

# 示例資料框
make_df('ABC', range(3))

3.定義一個 display 類，方便我們更清晰地展示輸出的結果：

class display(object):
    """Display HTML representation of multiple objects"""
    template = """<div style="float: left; padding: 10px;">
    <p style='font-family:"Courier New", Courier, monospace'>{0}</p>{1}
    </div>"""
 

    def __init__(self, *args):
        self.args = args

    def _repr_html_(self):
        return '\n'.join(self.template.format(a, eval(a)._repr_html_())
                         for a in self.args)

    def __repr__(self):
        return '\n\n'.join(a + '\n' + repr(eval(a))
                           for
 
 a in self.args)

下面我們進入正題。

之前談及過一些陣列連線的方法，例如運用 Numpy 中的 concatenate 函式，我們可以將多組列表連線為一個數組：

x = [1, 2, 3]
y = [4, 5, 6]
z = [7, 8, 9]
np.concatenate([x, y, z])

array([1, 2, 3, 4, 5, 6, 7, 8, 9])

同時，對於一個多層級的列表，我們也可以通過調整 axis 引數的值，在指定的維度上對其進行連線：

x = [[1, 2],
     [3, 4]]
np.concatenate([x, x], axis=1)

array([[1, 2, 1, 2],
[3, 4, 3, 4]])

類似地，對於 Pandas 序列，Pandas 庫中同樣提供了連線函式，我們可以運用 Pandas 中的 concat 函式將兩個序列進行連線：

ser1 = pd.Series(['A', 'B', 'C'], index=[1, 2, 3])
ser2 = pd.Series(['D', 'E', 'F'], index=[4, 5, 6])
pd.concat([ser1, ser2])

接下來，我們運用之前定義的資料框生成函式構建幾個示例資料框，看看連線函式 concat 對資料框的處理效果：

df1 = make_df('AB', [1, 2])
df2 = make_df('AB', [3, 4])
display('df1', 'df2', 'pd.concat([df1, df2])')

運用我們之前定義的 display 類，我們同時將兩個資料框及其連線後的結果展示在一行上。可以看到， concat 函式預設地將第二個資料框連線在了第一個資料框下方。
有時候，我們可能需要對兩個資料框進行橫向的連線，如下所示，我們可以通過調整 concat 函式的引數 axis 來實現：

df3 = make_df('AB', [0, 1])
df4 = make_df('CD', [0, 1])
display('df3', 'df4', "pd.concat([df3, df4], axis='col')")

以上內容轉自 數析學院，原文後續還有關於索引值在合併過程中的處理，需要學習的同學可以直接檢視 原文