concat 与其说是连接，更准确的说是拼接。就是把两个表直接合在一起。于是有一个突出的问题，是横向拼接还是纵向拼接，所以concat 函数的关键参数是axis 。
函数的具体参数是：

concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False,keys=None,levels=None,names=None,verigy_integrity=False)

objs 是需要拼接的对象集合，一般为列表或者字典

axis=0 是按照行拼接，拼接之后行数增加，列数也根据join来定，join=’outer’时，列数是两表并集。同理join=’inner’,列数是两表交集。

在默认情况下为纵向拼接，即axis=0，此时有

concat([df1,df2]) 等价于 df1.append(df2)

在axis=1 时为横向拼接 ，此时有

concat([df1,df2],axis=1) 等价于 merge(df1,df2,left_index=True,right_index=True,how='outer')

以上转自： https://blog.csdn.net/qq_30718387/article/details/72152461

应用举例：

df=pandas.DataFrame()
df2=pandas.DataFrame()
df['id']=[1,2,3,4]
df['name']=['zhang','chen','lee','wang']
df2['id']=[2,3,4,5]
df2['place']=['Shenzhen','Hongkong','NewYork','London']

df3=pandas.DataFrame({'id':[]})

用法1 ：把来自两个不同DataFrame的列，纵向拼接到一起，赋值给另一个DataFrame的列。

df3['id']=pandas.concat([df['id'],df2['id']],axis=0,ignore_index=True)

df3['id']=[1,2,3,4,5,2,3,4,5]

用法2 ：两个DataFrame进行纵向拼接：

df4=pandas.concat([df,df2],axis=0,ignore_index=True)

执行后，df4=

用法3 ：两个DataFrame进行横向拼接：

df4=pandas.concat([df,df2],axis=1,ignore_index=True)

执行后，df4=