这一节，我们学习如何将“transaction_1.csv”文件和“transaction_2.csv”文件合并起来。观察这两个数据文件可以发现，数据文件的数据列都是一样的。这种情况下的所谓合并，就是相同结构下数据量的增加，好比原来是11层楼（transaction_1.csv），现在再增加盖5层楼（transaction_2.csv）的意思，也就是数据的纵向完全合并。
上一节中，我们已经将“transaction_1.csv”文件转换成了transaction_1 变量，接下来，再读取“transaction_2.csv”文件，转换成transaction_2 变量。代码如下：
transaction_2 = pd.read_csv('transaction_2.csv')
transaction = pd.concat([transaction_1,transaction_2],ignore_index=True)
transaction.head()
解释一下代码：
第1行：使用pandas中的read_csv函数，读取外部的“transaction_2.csv”文件，转换成pandas的处理数据对象，存储到transaction_2变量中。
第2行：使用concat函数，将transaction_1变量和transaction_2变量纵向合并。其中，参数ignore_index的含义是不保留连接轴上的索引，产生一组新索引。
第3行：使用head()函数，将transaction_2变量的前5行数据显示出来。
点击"运行"，执行效果如下图所示。
观察Out的结果，我们并不能知道transaction_1变量和transaction_2变量，是否已经完全合并了呢？
那么，我们可以通过计算合并前与合并后的行数的变化，来判断合并是否完全以及数量正确。
代码如下：
print(len(transaction_1)) print(len(transaction_2)) print(len(transaction))
点击"运行"，执行效果如下图所示。
解释一下代码：
len函数可以计算出每个变量的行数，从结果可以发现，5000+1786=6786。所以，数据合并是完整的。
按照同样的方法，我们再将“transaction_detail_1.csv”文件和“transaction_detail_2.csv”文件合并成一个对象。代码如下：
transaction_detail_2 = pd.read_csv('transaction_detail_2.csv')
transaction_detail = pd.concat([transaction_detail_1,transaction_detail_2],ignore_index=True)
transaction_detail.head()
点击"运行"，执行效果如下图所示。
数据完全合并后，相信你马上就会想到，能不能将 transaction 和 transaction_detail 也合并到一起呢？这就不是数据纵向的完全合并，而是横向的关联合并了。
下一节继续！
此处为语雀文档，点击链接查看：https://www.yuque.com/codeclub/yvmeco/friz9v