2. 连接多个DataFrame

#  读取stocks_2016和stocks_2017两个数据集，用Symbol作为行索引名
 In[21]: stocks_2016 = pd.read_csv('data/stocks_2016.csv', index_col='Symbol')
         stocks_2017 = pd.read_csv('data/stocks_2017.csv', index_col='Symbol')
 In[22]: stocks_2016
Out[22]:

 In[23]: stocks_2017
Out[23]:

#  将两个DataFrame放到一个列表中，用pandas的concat方法将它们连接起来
 In[24]: s_list = [stocks_2016, stocks_2017]
         pd.concat(s_list)
Out[24]:

#  keys参数可以给两个DataFrame命名，该标签会出现在行索引的最外层，会生成多层索引，names参数可以重命名每个索引层
 In[25]: pd.concat(s_list, keys=['2016', '2017'], names=['Year', 'Symbol'])
Out[25]:

#  也可以横向连接。只要将axis参数设为columns或1
 In[26]: pd.concat(s_list, keys=['2016', '2017'], axis='columns', names=['Year', None])
Out[26]:

#  concat函数默认使用的是外连接，会保留每个DataFrame中的所有行。也可以通过设定join参数，使用内连接：
 In[27]: pd.concat(s_list, join='inner', keys=['2016', '2017'], axis='columns', names=['Year', None])
Out[27]:

更多

#  append是concat方法的超简化版本，append内部其实就是调用concat。前本节的第二个例子，pd.concat也可以如下实现：
 In[28]: stocks_2016.append(stocks_2017)
Out[28]:

#  原书没有下面三行代码
 In[29]: stocks_2015 = stocks_2016.copy()
 In[30]: stocks_2017
Out[30]: