🎉 pandas数据合并之一文弄懂pd.concat() 📊

在数据分析中，`pd.concat()` 是 pandas 库中最常用的函数之一，用于将多个 DataFrame 或 Series 合并为一个。它简单高效，但若使用不当，可能导致结果不如预期。本文带你彻底搞懂 `pd.concat()` 的用法和注意事项！

首先，`pd.concat()` 支持按行（`axis=0`）或按列（`axis=1`）合并数据。例如：

```python

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]) 默认 axis=0，纵向合并

print(result)

```

此时，`pd.concat()` 会将两个 DataFrame 按索引对齐后合并。若希望保留原索引，可设置参数 `ignore_index=True`。

其次，注意键值对齐问题。如果 DataFrame 的列名不同，合并时可能会出现缺失值（NaN）。例如：

```python

df3 = pd.DataFrame({'C': [9, 10]})

result = pd.concat([df1, df3], axis=1) 横向合并

print(result)

```

此时，`df3` 的列名 `C` 不在 `df1` 中，因此右侧会出现 NaN 值。

最后，别忘了检查合并后的数据是否符合预期！掌握这些技巧后，你就能轻松驾驭 `pd.concat()`，让数据处理事半功倍！✨