无论是在学习还是平时的工作中，我们常会遇到多种信息放在不同的表里的情况，此时我们就需要将这些表格的信息合并到一起再进行操作。
首先我们建立两张学生基本信息表 ：
第一张表命名为table1，
import pandas as pd table1 = pd.DataFrame({ '序号':[1,2,3,4,5,6,7,8,9,10], '姓名':['甲','乙','丙','丁','戊','己','庚','辛','壬','癸'], '性别':['男','男','女','女','女','男','男','男','男','女'], })结果：
table1 序号 姓名 性别 1 甲 男 2 乙 男 3 丙 女 4 丁 女 5 戊 女 6 己 男 7 庚 男 8 辛 男 9 壬 男 10 癸 女第二张命名为 table2.
table2 = pd.DataFrame({ '序号':[11,12,13,14], '姓名':['张三','李四','王五','赵六'], '性别':['男','男','女','女'], })结果：
table2 序号 姓名 性别 11 张三 男 12 李四 男 13 王五 女 14 赵六 女表中的表头为序号,姓名,性别三列，每列中包含的数据不相同，此时对其直接进行合并。
df = [table1,table2] result = pd.concat(df) result 序号 姓名 性别 1 甲 男 2 乙 男 3 丙 女 4 丁 女 5 戊 女 6 己 男 7 庚 男 8 辛 男 9 壬 男 10 癸 女 11 张三 男 12 李四 男 13 王五 女 14 赵六 女可以看到，这种操作十分简单。
这个看似简单的操作在许多时候能够起到大作用。比如我们统计一些学生的高考成绩（刚好4列），这些学生的高考成绩按照学校、班级存在许多个不同的文件中。那么此时我们可以结合os的方法将所有表格依次读出再合并为一个表。想象一下比如有100张表格，那么我们只需要简单几句代码就能全部合并起来。而手动操作的话光是打开、复制、粘贴就至少得1-2个小时才能完成，如果每张表头的摆放顺序不一样还会花费更多的时间。
