概述
沿着 横轴 或 纵轴，将多个对象连接到一起
concat()
语法
concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False, copy=True)
参数
objs：需要连接的对象集合，一般是列表或字典；
axis：指定轴，默认为0。0表示横轴，1表示纵轴；
join：值为
outer或inner。默认为outer，合并后，如果没有值就显示NaN。为inner时，合并后，没有值就不舍弃掉。参见例子；join_axes=[]：指定自定义的索引；
keys=[]：创建层次化索引；
ignore_index：是否重建索引，默认为False。为True时表示重建索引
例子1
将 多个 一维 数组，拼接成 1个 一维 数组，默认不 重建索引
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
s1=pd.Series([1,2,3])
s2=pd.Series([10,20])
s3=pd.Series(['a','b','c'])
r=pd.concat([s1,s2,s3])
print(r)
执行结果如下：
0 1
1 2
2 3
0 10
1 20
0 a
1 b
2 c
注意观察 第一列 是 列索引，列索引没有重新排列，还是沿用之前的。
例子2
将 多个 一维 数组，拼接成 1个 一维 数组，并 重建索引
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
s1=pd.Series([1,2,3])
s2=pd.Series([10,20])
s3=pd.Series(['a','b','c'])
r=pd.concat([s1,s2,s3],ignore_index=True)
print(r)
执行结果如下：
0 1
1 2
2 3
3 10
4 20
5 a
6 b
7 c
dtype: object
注意观察 第一列 是 列索引，列索引 重新排列 了
例子3
将 多个 一维 数组，拼接成 1个 二维 数组
缺少数据时，显示NaN
s1=pd.Series([1,2,3])
s2=pd.Series([10,20])
s3=pd.Series(['a','b','c'])
r=pd.concat([s1,s2,s3],axis=1)
print(r)
执行结果如下：
0 1 2
0 1 10.0 a
1 2 20.0 b
2 3 NaN c
注意观察结果，当缺少数据时，显示NaN
例子4
将 多个 一维 数组，拼接成 1个 二维 数组，缺少数据时，就舍弃
s1=pd.Series([1,2,3])
s2=pd.Series([10,20])
s3=pd.Series(['a','b','c'])
r=pd.concat([s1,s2,s3],axis=1,join='inner')
print(r)
执行结果如下：
0 1 2
0 1 10 a
1 2 20 b
注意观察结果，当缺少数据时，就舍弃掉了
例子5
随机生成 2个 一维 数组，然后拼接成 1个 二维 数组
#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
x_data = np.arange(-1, 1, 0.02, dtype=np.float32)
y_true = x_data+ np.random.normal(0, 0.1, 100)
# print(len(x_data))
# print(y_true)
x=pd.Series(x_data)
y=pd.Series(y_true)
df=pd.concat([x,y],axis=1)
# 绘制图像
plt.scatter(df['x'],df['y'])
#显示
plt.show()
例子6
随机生成2个二维数组，然后拼接成一个二维数组
#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
x_data = np.arange(-1, 1, 0.02, dtype=np.float32).reshape((100, 1))
y_true = x_data+ np.random.normal(0, 0.1, 100).reshape((100, 1))
df1=pd.DataFrame(x_data)
df2=pd.DataFrame(y_true)
# print(df1)
df=pd.concat([df1,df2],axis=1)
df.columns=['x','y']
print(df)
plt.scatter(df['x'],df['y'])
#显示
plt.show()