在Pandas中合并两张数据表主要通过concat、merge和join三种方法实现，具体选择取决于数据结构和合并需求：
一、纵向/横向堆叠（concat）
默认按行拼接：将表2的数据追加到表1下方，缺失值用NaN填充，通过pd.concat([df1, df2])实现。
按列拼接：设置axis=1横向合并，维度取最大值，例如pd.concat([df1, df2], axis=1)。
参数控制：
join='inner'仅保留共有索引，join='outer'保留所有索引（默认）。
ignore_index=True可重置索引。
二、键值关联合并（merge）
类似SQL连接：基于共同列合并，支持内连接（how='inner'）、左连接（how='left'）等。
多键合并：通过on=['列1','列2']指定多列作为连接键。
非同名列合并：使用left_on和right_on分别指定左右表的键列。
三、索引合并（join）
基于索引连接：默认按行索引合并，如df1.join(df2)。
列名冲突处理：通过suffixes=('_左', '_右')添加后缀区分。
四、性能优化建议
大数据集处理：使用chunksize分块读取或dtype优化内存。
替代方案：超大规模数据可考虑Modin库并行计算。
以下为完整代码示例：
import pandas as pd
# 示例数据
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'C': [7, 8]})
# 1. concat纵向合并
result_concat = pd.concat([df1, df2], ignore_index=True)
# 2. merge键值合并
result_merge = pd.merge(df1, df2, on='A', how='left')
# 3. join索引合并
result_join = df1.join(df2.set_index('A'), on='A')演示三种主要合并方法：
1.concat堆叠、merge键值关联、join索引连接。
2.包含参数设置示例：ignore_index重置索引、how指定连接方式。
3.展示不同合并策略的结果差异。
