concat()用于简单拼接，merge()用于关联合并。concat按轴方向堆叠或合并数据，适用于结构相同表格的上下或左右拼接；merge基于公共列实现类似SQL的JOIN操作，支持内连接、外连接等模式，适用于不同表间通过键列关联匹配数据。

在Python中处理表格数据时，pandas 是最常用的库。当我们需要将多个表格（如Excel、CSV文件或DataFrame）合并时，主要有两种核心方法：concat() 和 merge()。它们适用于不同的场景，下面分别介绍它们的用法和特点。

1. 使用 concat() 进行纵向或横向拼接

concat() 适用于简单地把多个表格“堆叠”在一起，无论是上下拼接（纵向），还是左右拼接（横向）。

常见用途：

• 多个结构相同的表格按行合并（比如不同月份的销售数据）
• 将一个表格的列添加到另一个表格（按列合并）

基本语法：

pd.concat([df1, df2, df3], axis=0, ignore_index=False)

参数说明：

• axis=0：沿行方向拼接（上下堆叠），结果行数增加
• axis=1：沿列方向拼接（左右合并），结果列数增加
• ignore_index=True：重新生成连续索引，避免重复索引问题

示例：

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
result = pd.concat([df1, df2], ignore_index=True)
结果是4行2列，上下拼接

2. 使用 merge() 基于关键列进行关联合并

merge() 类似于SQL中的JOIN操作，根据一个或多个公共列将两个表格连接起来。

常见用途：

• 根据用户ID将用户信息表和订单表合并
• 匹配不同来源但有共同键的数据

基本语法：

pd.merge(df_left, df_right, on='key', how='inner')

关键参数：

• on：指定用于连接的列名（两表都有）
• how：合并方式，包括 'inner'、'outer'、'left'、'right'
• left_on / right_on：当左右表的键列名不同时使用

示例：

user = pd.DataFrame({'id': [1, 2], 'name': ['Alice', 'Bob']})
order = pd.DataFrame({'id': [1, 2], 'amount': [100, 200]})
result = pd.merge(user, order, on='id', how='inner')
按id列合并，保留共有的记录

基本上就这些。concat适合拼积木，merge适合查关联。根据你的数据结构和目标选择合适的方法就行。不复杂但容易忽略细节，比如索引处理和连接方式。