利用Pandas进行数据预处理：数据合并

1. 数据的合并：concat

1.1 concat的语法说明

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

参数说明：

• objs: 由Series和DataFrame对象构成的顺序表或映射。如果传入的是字典型数据，字典的键会在排序后传入参数keys中，除非参数keys传入其他内容。任何None类型的对象都会被丢弃，如果所有数据都是None类型，则会抛出一个ValueError。
• axis: {0, 1, …}，默认为0. 要连接的轴。
• join: {‘inner’, ‘outer’}，默认为’outer’。如何处理其他轴上的数据，’outer’执行并集操作，’inner’执行交集操作。
• ignore_index: 布尔值，默认为False。如果为True，不使用拼接轴向上的索引，结果重新生成一个从0到n-1的整数型索引。如果拼接前的对象所使用的索引没有特殊含义的话，通常会选择重新生成索引。
• keys: 顺序表，默认为None。传入的序列表会作为拼接结果中沿拼接轴上最外层的索引。
• levels: 由顺序表构成的列表(List)，默认为None。拼接轴上的多层索引，默认情况下会自动生成，如果有需要，可以用该参数指定（值需要唯一）。
• names: 列表(List)，默认为None。设置多层索引中每一层的名字。
• verify_integrity: 布尔值，默认为False。如果为True，拼接时会检查拼接轴上的标签是否有重复项。
• copy: 布尔值，默认为True。如果为False，拼接结果不使用拷贝数据（谨慎使用，会造成原数据与拼接后的新数据产生关联）。

1.2 使用默认参数

df1

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'E': ['E0', 'E1', 'E2', 'E3']},
                   index=[0, 1, 2, 3])

df2

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6'],
                    'B': ['B4', 'B5', 'B6'],
                    'C': ['C4', 'C5', 'C6'],
                    'D': ['D4', 'D5', 'D6']},
                   index=[0, 1, 2])

默认参数连接

pd.concat([df1, df2])  # 使用默认参数拼接

df1	df2	result

1.3 改变连接轴向

改变axis

pd.concat([df1, df2], axis=1)  # 将轴向改为axis=1

df1	df2	result

2. 数据库式连接数据：merge和join