今天同樣也是要講解concat合併的應用，
主要針對DataFrame結構的資料來做合併。
同樣也會運用到昨天的知識，
不清楚的話還是可以回上一篇看看。

範例

這裡簡單建立兩個DataFrame結構的資料，
這裡刻意讓資料欄位不一致，
兩個欄位差異在City欄位的有無。

studentsData1 = {
    'studentId': ['001', '002', '003'],
    'Name': ['A', 'B', 'C'],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
studentsData2 = {
    'studentId': ['004', '005', '006'],
    'Name': ['D', 'E', 'F'],
}
students1 = pd.DataFrame(studentsData1)
students2 = pd.DataFrame(studentsData2)
print(students1)
print(students2)

印出資料如下。
students1資料

  studentId Name         City
0       001    A     New York
1       002    B  Los Angeles
2       003    C      Chicago

students2資料

  studentId Name
0       004    D
1       005    E
2       006    F

合併資料

DataFrame結構資料的合併方式與Series結構資料相同，
複習一下，
語法pd.concat([資料1, 資料2], ignore_index=True)，
將資料1及資料2做合併，
並將index數值重新排序，
使用方式如下。

students = pd.concat([students1, students2], ignore_index=True)
print(students)

印出資料如下。
這裡要注意的是資料欄位就算沒有對齊，
仍然可以做合併，
而沒有的欄位資料則會掛上NaN（Not a Number）。

  studentId Name         City
0       001    A     New York
1       002    B  Los Angeles
2       003    C      Chicago
3       004    D          NaN
4       005    E          NaN
5       006    F          NaN

今日結語

今天進一步的使用DataFrame結構的資料來做合併，
可以看出欄位在合併上是具有彈性的，
如此一來便可將不同的資料做合併後再統一做資料處理，
以利後續的資料分析。