在實際的資料分析過程中，我們常常會遇到來自不同來源的資料。例如，一份是顧客資料表，一份是訂單紀錄表；或者是不同月份的交易記錄。這時候，我們就需要把這些資料整合在一起，方便進一步分析。整合的方式主要有兩種：
- 縱向拼接（垂直疊加資料）
- 橫向拼接（左右並排欄位）
- 合併（類似 SQL 的 join 操作）
拼接 Dataframe #
縱向拼接 Dataframe #
如果你有兩份結構相同（也就是欄位名稱一樣）的資料，例如兩個月份的交易記錄，可以用 pd.concat() 直接把它們上下接起來：
pd.concat([df1, df2])
預設情況下，concat 會保留原本的 index。如果你不需要保留舊的 index，可以加上：
pd.concat([df1, df2], ignore_index = False)
這樣就會返回新的從零開始的位置索引。
橫向拼接 Dataframe #
當你想要把兩份資料「左右並排」放在一起時，可以這麼做：
pd.concat([df1, df2], axis = 1)
這個方法會根據 index 來對齊資料，因此需要確保 df1 和 df2 的 index 是對得上的。
若兩個 Dataframe 的 row 數量不一致，會自動補上 NaN，表示該位置無對應資料。
合併 Dataframe #
Merge #
如果你習慣使用 SQL 的 join 語法，pandas.merge() 就是類似的工具。舉個例子，如果你有「訂單資料 df_orders」和「顧客資料 df_customers」，兩邊都用 CustomerID 做鍵值，那你可以這麼做：
df_result = pd.merge(df_orders, df_customers, on="CustomerID", how="inner")
| 參數 | 功能 |
|---|---|
on |
指定兩邊共同的欄位名稱作為鍵 |
left_on / right_on |
如果兩邊鍵的欄位名稱不一樣，可以分別指定 |
how |
合併方式："inner"（交集），"outer"（聯集），"left"（左表為主），"right"（右表為主） |
Join #
如果你想根據 index 而不是欄位值來合併資料，可以用 df.join()：
df_result = df1.join(df2, how="left", lsuffix="_left", rsuffix="_right")
-
預設是按 index 合併
-
如果兩邊有相同欄位名稱，需要用
lsuffix和rsuffix指定區分用的字尾