合并数据集：

　　创建一个能创建dataframe的函数

　　def make_data(cols,ind):

　　　　data={c:[strc(c)+str(i) for i in ind]

　　　　　　for c in cols}

　　　　return pd.DataFrame(data,ind)

　　　make_data('ABC',range(3))

一维数组

ser1 = pd.Series(['a','b','c'],index=[1,2,3])

ser2 = pd.Series(['d','e','f'],index=[4,5,6])

pd.concat([ser1,ser2])　　

二维数组

df1 = make_data('ab',[1,2])

df2 = make_data('ab',[3,4])

pd.concat([df1,df2])  默认逐行合并axis=0(上下合并)

pandas 在合并索引时会保留索引，即使是重复的

触发索引重复异常：

veriy_integrity参数可以触发索引重复异常

try:

　　pd.concat([x,y],verify_integrity=True)

except  ValueError as e:

　　print('v')

忽略索引重复异常：

ignore_index可以实现忽略原先索引重新创建一个整数索引

　　　

当列名有相同也有不相同时

join,join_axes

join默认参数是outer 取两个数组的并集

inner指取两个数组的交集

append效果和concat相同

df1.append（df2）

重复列名 suffixes

df8 = pd.DataFrame({'name':['a','b','c'],'rank':[1,2,3]})

df9 = pd.DataFrame({'name':['a','b','c'],'rank':[4,5,6]})

pd.merge(df8,df9,on='name',suffixes=['_L','_R'])

merge效果和concat相同，on表示以name这一列为基础合并，suffixes表示将相同的两列区分