【pandas04_拼接】
两种拼接：
级联pd.concat, pd.append
合并pd.merge, pd.join
0.回顾np级联
1. 使用pd.concat()级联
pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：
pd.concat(objs, axis=0, join=‘outer’, join_axes=None, ignore_index=False,
keys=None, levels=None, names=None, verify_integrity=False,
copy=True)
1) 简单级联
和np.concatenate一样，优先增加行数（默认axis=0）
可以通过设置axis来改变级联方向,这个axis的使用和np.concatenate一样的， 当axis = 0 的时候增加的行数， 如果不想有空值的出现，列应该是相同的
#当axis = 1的时候， 增加的是列数， 如果不想有空值的出现， 行索引应该是一样的
2)不匹配级联
不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致，横向级联时行索引不一致
有3种连接方式：
外连接;补NaN（默认模式）
内连接：只连接匹配的项
连接指定轴 join_axes
3) 使用append()函数添加
由于在后面级联的使用非常普遍，因此有一个函数append专门用于在后面添加
2. 使用pd.merge()合并
两个DataFrame一般要有两个相同的列名字， 才可以进行合并， 融合;
merge与concat的区别在于，merge需要依据某一共同的行或列来进行合并
使用pd.merge()合并时，会自动根据两者相同column名称的那一列，作为key来进行合并。
注意每一列元素的顺序不要求一致
1) 一对一合并
2) 多对一合并
3) 多对多合并
4) key的规范化:使用on=显式指定哪一列为key,当有多个key相同时使用
使用left_on和right_on指定左右两边的列作为key，当左右两边的key都不相等时使用
5) 内合并与外合并
内合并：只保留两者都有的key（默认模式）
外合并 how=‘outer’：补NaN
左合并、右合并：how=‘left’，how=‘right’，
6) 列冲突的解决
当列冲突时，即有多个列名称相同时，需要使用on=来指定哪一个列作为key，配合suffixes指定冲突列名
可以使用suffixes=自己指定后缀
【案例分析：美国加州人口数据分析】
