一、concat 方法

作用：主要用于在 行或列方向 把多个 DataFrame 或 Series 简单地 拼接 在一起。类似于 堆叠（stack） 或者 追加（append）。

典型场景：多个结构一致的表（比如每个月的销售数据...）合并成一个大表。

常用参数

axis：拼接方向。

axis=0（默认）：按行拼接（上下叠加）。

axis=1：按列拼接（左右拼接）。

ignore_index：是否重新生成索引。

keys：生成多层索引。

join：决定按什么方式对齐列（inner 或 outer，默认为 outer）

 简单示例：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})

result = pd.concat([df1, df2], axis=0, ignore_index=True)
result

借助jupyter notebook 测试代码结果如下：

二、 merge 方法

作用：类似于SQL中的join,用于根据某些列的值把两个DataFrame按键对齐合并。

可以通过设置how参数来执行内连接（默认是inner），左连接（how=left）,右连接（how=right）、外连接（how=outer).

经典场景：

        需要根据一个或者多个关键列，将两个表按行对齐合并如（订单表和用户表）。

常用参数：

  on：指定用于连接的列名。

  left_on 和 right_on：分别指定左右表用于连接的列。

  how：连接方式（inner、outer、left、right）。

  suffixes：处理列名冲突时添加的后缀。

简单示例：

import pandas as pd
df1 = pd.DataFrame(
    {
        'key':['A','B','C'],
        'value1':[1,2,3]
    }
)
df2 = pd.DataFrame(
    {
        'key': ['B','C','D'],
        'value2':[4,5,6]
    }
)
result = pd.merge(
    df1,df2,on='key',how='inner'
)
result

借助jupyter notebook测试代码结果如下：

注意：

• concat ：像“拼积木”，简单堆叠，不检查匹配逻辑，索引对不上就补 NaN。

• merge ：像“数据库 JOIN”，必须有键，一定要搞清楚要怎么匹配，怎么保留行。