python pandas dataframe 的按列或者按行合并

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，axis=0为纵向，按行拼接，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')

原文：https://blog.csdn.net/qq_30718387/article/details/72152461

详细参数参考：https://blog.csdn.net/zzpdbk/article/details/79232661

注：
一，concat：沿着一条轴，将多个对象堆叠到一起
concat方法相当于数据库中的全连接（union all），它不仅可以指定连接的方式（outer join或inner join）还可以指定按照某个轴进行连接。与数据库不同的是，它不会去重，但是可以使用drop_duplicates方法达到去重的效果。

二，
merge：通过键拼接列

  类似于关系型数据库的连接方式，可以根据一个或多个键将不同的DatFrame连接起来。该函数的典型应用场景是，针对同一个主键存在两张不同字段的表，根据主键整合到一张表里面。

详细简绍：https://www.jianshu.com/p/3ed379a2f846

三，
join：主要用于索引上的合并。

原文：https://blog.csdn.net/gdkyxy2013/article/details/80785361（文章较好）

四，使用apply函数实现group by 分组拼接。

最后4行合并为1行：

def ab(df):
return','.join(df.values)

df = df.groupby(['股票代码','股票简称'])['所属概念'].apply(ab)
df = df.reset_index()