超详细汇总，Pandas中常见的数据合并操作，59个案例，82张图详解 | 图解Pandas-图文第10篇
01写在前面
大家好，我是阳哥，欢迎来到「Python数据之道」。
今天来跟大家分享《图解Pandas》系列图文内容的 第 10 篇，主要介绍 Pandas 中常见的数据合并操作 。
本文是付费阅读文章，付费阅读内容包括《图解Pandas》图文干货内容、可以在电脑端观看的视频以及配套的源代码等。
此外，为避免各种不必要的麻烦，微信没有退款机制，付费前请谨慎。
Pandas 是 Python数据分析中用的最多的工具，为了大家能够更好地学习 Pandas，阳哥开始制作 《图解Pandas》 专题系列内容。
《图解Pandas》 最主要的目标，是以视频图解、动态图片等方式呈现，拆解 Pandas 在数据处理过程中的主要知识点，以便大家能进一步了解 Pandas 的使用，形象地介绍 Pandas，进而使大家喜欢上 Pandas 这个工具。
《图解Pandas》图文专题，最新的内容可以点击下面的图片进行查看。
在本文编写时，《图解Pandas》系列已发布的图文如下：
| 图文链接 | 视频号对应编号 |
|---|---|
| 《图解Pandas》内容框架介绍 | - |
| 图文01-数据结构介绍 | 001 |
| 图文02-创建数据对象 | 002 |
| 图文03-读取和存储Excel文件 | 003、004 |
| 图文04-常见的数据访问 | 005 |
| 图文05-常见的数据运算 | 006-008 |
| 图文06-常见的数学计算 | 009、010 |
| 图文07-常见的数据统计 | 011-015 |
| 图文08-常见的数据筛选 | 016-028 |
| 图文09-常见的缺失值处理 | 029-034 |
本次主要介绍 Pandas 中常见的数据合并操作 ，内容框架如下：
该主题包括 13 期视频，在微信视频号「Python数据之道」中发布的对应视频编号为 035 至 047，大家可以前往观看。
注：本文发布时，在视频号中可以观看视频
035，后续将发布036至047。
在本文后面内容中可以同时观看视频
035至047。
扫描下面的二维码，关注视频号，可以观看《图解Pandas》已发布的所有视频以及及时推送最新的视频：
02常见的数据合并操作
Python环境
开始之前，按照惯例先介绍下本次内容涉及的 Python 环境，如下：
Python 3.8 Pandas 1.4.3 numpy 1.22.3
我是在 jupyter notebook 中运行代码的，首先引入相关 Python 库：
import pandas as pd
import numpy as np
import sys
print(f"pandas version:{pd.__version__}")
print(f"numpy version:{np.__version__}")
print(f"python version:{sys.version}")
# pandas version:1.4.3
# numpy version:1.22.3
# python version:3.8.2
append 函数
创建数据
咱们先来创建几个 dataframe，也就是“数据框”。
关于创建数据对象的详细介绍，大家可以观看 「图解Pandas」系列的第2期视频。
创建 data1 如下：
data1 = pd.DataFrame(np.arange(12).reshape(4, 3), columns=list("abc"))
data1
创建 data2 如下：
data2 = pd.DataFrame(np.arange(12, 24).reshape(4, 3), columns=list("abc"))
data2
创建 data3 如下：
data3 = pd.DataFrame(np.arange(24, 36).reshape(4, 3), columns=list("abc"))
data3
后续，根据实际需要，还会创建其他的一些数据框。
在内容介绍过程中，主要是针对数据框介绍各种方法的应用。同时，也需要知道，其中有不少方法，对于 Series 也是适用的。
案例01
append 函数可以直观的理解为两个数据框沿 “0轴方向” 叠加。
这里，在合并后的结果中，可以看出 data1 在上面，data2 在下面。
案例02
append 函数还可以设置行索引的显示方式，设置 ignore_index 为 True ，则结果中行索引会重新设置。如下：
案例03
需要注意的是，使用 append 函数，在代码运行的结果中，会有一个警告，提醒我们，append 函数已经被替换，在以后的版本中将会被移除，建议使用 concat 函数。
FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
所以， append 函数即将成为过去式，后续也会减少使用频率。
至于为什么会被替代，主要是 concat 函数可以实现 append 的操作功能，并且效率更高。
首先来看 append 的运行效率，下面这个代码片段运行时间在 6 毫秒左右，如下：
而 concat 函数，同样的代码运行时间不到 1 毫秒，运行效率远远高于 append 函数。