一、concat “拼接”
df = pd.concat([df1, df2], axis = 0, ignore_index = False, join = "outer
axis：指的是拼接的方向。axis = 0指的是拼接行（向下拼接），axis = 1指的是拼接列（向右拼接）。
ignore_index: 指的是拼接后是否忽视原df各自的索引。比如，假如我们按行拼接，原来df1和df2中各有五条数据，索引是0,1,2,3,4。
ignore_index=False，那么拼接后df的索引就是0,1,2,3,4,0,1,2,3,4。
ignore_index=True, 那么拼接后df的索引就是0,1,2,3,4,5,6,7...
join：表示“如何拼接”。其中，outer表示取并集，inner表示取交集。
二、merge “合并”
df = pd.merge(left, right, on =["ID", "ID"])
# 实战项目中，同一个企业的数据依据 year 竖向排列，要改为横向合并。
def merge_year(data):
temp = pd.merge(data[data['year'] ==2016], data[data['year'] ==2017], on=["ID", "ID"], suffixes=['.1', '.2'])
ret = pd.merge(data[data['year'] ==2015], temp, on=["ID", "ID"])
return ret
