有时候我们想要的数据合并结果是数据的轴向连接，在pandas中这可以通过concat来实现。操作的对象通常是Series。
Ipython中的交互代码如下：
In [17]: from pandas import Series,DataFrame
In [18]: series1 = Series(range(2),index = ['a','b'])
In [19]: series2 = Series(range(3),index = ['c','d','e'])
In [20]: series3 = Series(range(2),index = ['f','g'])
In [21]: import pandas as pd
进行三个Series的连接：
In [22]: pd.concat([series1,series2,series3])
Out[22]:
a 0
b 1
c 0
d 1
e 2
f 0
g 1
dtype: int64
默认情况下，pandas执行的是按照axis=0进行连接。如果进行axis=1的连接，结果如下：
In [24]: S1=pd.concat([series1,series2,series3],axis=1)
In [25]: S1
Out[25]:
0 1 2
a 0.0 NaN NaN
b 1.0 NaN NaN
c NaN 0.0 NaN
d NaN 1.0 NaN
e NaN 2.0 NaN
f NaN NaN 0.0
g NaN NaN 1.0
In [26]: type(S1)
Out[26]: pandas.core.frame.DataFrame
结果是一个DataFrame，回头再看一下前面的Series的连接后的最终类型：
In [27]: type(pd.concat([series1,series2,series3]))
Out[27]: pandas.core.series.Series
两种方式的结果并不相同，一个结果是Series，另一个则是DataFrame。
In [29]: series3 = Series(range(2),index = ['f','e'])
In [30]: pd.concat([series1,series2,series3])
Out[30]:
a 0
b 1
c 0
d 1
e 2
f 0
e 1
dtype: int64
从上面的一点测试中可以看出，concat的操作仅仅是单纯的连接，并没有涉及到数据的整合。如果想要进行整合，还是使用merge的方法。
