1.纵向连接DataFrame对象
（1）两个DataFrame对象的列完全相同

# 初始化两个DataFrame对象
df1 = pd.DataFrame([['a', 1], ['b', 2]],
                columns=['letter', 'number'])

df2 = pd.DataFrame([['c', 3], ['d', 4]],
                  columns=['letter', 'number'])

display(df1)
display(df2)

# 合并对象
pd.concat([df1, df2])

从上面的结果可以看到，concat重新连接到DataFrame对象，并合并之后不改变每个DataFrame子对象的索引值，因此可以在合并之后的DataFrame中看到索引的值0和1重复了两次。
如果希望重新设置合并之后的DataFrame对象的索引值，则可以添加ignore_index = True参数：

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

（2）两个DataFrame对象的列不完全相同

# 初始化DataFrame对象
df1 = pd.DataFrame([['a', 1], ['b', 2]],
                columns=['letter', 'number'])

df3 = pd.DataFrame([['c', 3, 'cat'], ['d', 4, 'dog']],
                  columns=['letter', 'number', 'animal'])

display(df1)
display(df3)

# 合并对象
pd.concat([df1, df3], sort=False)  # sort=False : 列的顺序维持原样， 不进行重新排序。

从结果可以看到，因为df1中没有动物列，所以在合并之后的DataFrame对象里，所对应的元素都被设置成了NaN。
如果只想合并相同的列，我们可以添加上join ='inner'参数：

pd.concat([df1, df3], join='inner')

 

2.横向合并DataFrame对象
通过设置axis = 1，可以横向合并两个DataFrame对象。

# 初始化DataFrame对象
df1 = pd.DataFrame([['a', 1], ['b', 2]],
                columns=['letter', 'number'])

df4 = pd.DataFrame([['bird', 'polly'], ['monkey', 'george']],
                  columns=['animal', 'name'])

display(df1)
display(df4)

# 合并对象
pd.concat([df1, df4], axis=1)

 

注:配合os.walk()使用，可以将指定文件夹内的所有excel文件遍历读取，并纵向合并，实现批量合并excel文件。

 

 

 

参考原文:知乎@晓伟

https://www.zhihu.com/tardis/sogou/art/69224745