很多语言中都提供了Concat函数用于字符串拼接，比如C语言，乃至数据库结构化查询语言SQL中也是如此。而在Pandas库中，则不是这个用处，反倒是用于多个DataFrame（数据框架）的连接，就类似数据库中表连接的作用。
Pandas库中的Concat函数到底怎么用，一起来研究。
concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)
上面concat函数列出了多个参数，都是什么用处呢？我们准备了2个DataFrame（如下图所示df1和df2）用于试验，接下来我们逐个参数来分析。
objs：指定需要连接的DataFrame，列表、元组或字典的形式均可。
# 以列表形式连接df1和df2
print(pd.concat([df1,df2]))图例1
axis：连接轴的方向。0按行（纵向）连接； 1按列（横向）连接。默认值0。
# axis=0为默认值，按行连接，结果参见图例1
# axis=1 表示按列连接，结果参见图例2
print(pd.concat([df1,df2],axis=1))图例2
join：连接方式。outer取并集，inner取交集。默认值'outer'
# join='outer'，表示取并集。axis参数变化时，结果参见图例1和图例2
# join='inner'，表示取交集。axis参数变化时，结果参见图例3和图例4
print(pd.concat([df1,df2],axis=0,join='inner'))pd.concat([df1,df2],axis=0,join='inner') 图例3
print(pd.concat([df1,df2],axis=1,join='inner'))pd.concat([df1,df2],axis=1,join='inner') 图例4
ignore_index：是否忽略原始索引，生成新的索引。
默认值为 False，如果设为True，则在连接轴上索引将被标记为0,1,……n-1。但其他轴上的索引值仍然被保留。
#比较不同参数值的运行结果
pd.concat([df1,df2],ignore_index=False)
pd.concat([df1,df2],ignore_index=True)参数值：左Flase，右True
keys：用于创建层次化索引的索引值序列，默认为 None。
看下面代码运行结果，建了2层索引，并可以通过key来定位数据块
df=pd.concat([df1,df2],keys=['X','Y'])
print(df)
#可以通过上面定义的Key来定位数据块
print(df.loc['Y'])df 打印
df.loc['Y'] 打印
其他参数：
levels：指定层次化索引的级别。
names：指定层次化索引级别的名称。
verify_integrity：是否检查结果 DataFrame 的新轴是否重复。默认为 False。
sort：是否按字典顺序对结果进行排序。默认为 False。
copy：是否复制连接的对象。默认为 True。