【python list.append与pd.concat共同使用的运行效率问题】

pandas.concat()通常用来连接DataFrame对象，默认情况下是对两个DataFrame对象进行纵向连接。

pandas.concat(objs, axis=0, join='outer', ignore_index=False, 
					keys=None, levels=None, names=None, 
					verify_integrity=False, sort=False, copy=True)

例如：

• 连接两个series

s1 = pd.Series(['a', 'b'])
s2 = pd.Series(['c', 'd'])
pd.concat([s1, s2])
0    a
1    b
0    c
1    d
dtype: object

• 连接两个具有相同列的DataFrame

df1 = pd.DataFrame([['a', 1], ['b', 2]],
                   columns=['letter', 'number'])
df1
  letter  number
0      a       1
1      b       2
df2 = pd.DataFrame([['c', 3], ['d', 4]],
                   columns=['letter', 'number'])
df2
  letter  number
0      c       3
1      d       4
pd.concat([df1, df2])
  letter  number
0      a       1
1      b       2
0      c       3
1      d       4

参考：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.concat.html?highlight=concat#pandas.concat

• 当在for循环中仅使用pd.concat()连接dataframe时，发现随着循环的进行，运行速度越来越慢，查阅资料后发现，这个方法的效率很低，不推荐使用；且pd.append()在1.4.0版后已移除。
• 当配合使用list.append(df)连接具有相同列的dataframe，在循环的最后再使用pd.concat()，发现运行速度快了很多。

参考：https://blog.csdn.net/qq_22238533/article/details/70050875
感觉解释的不是很清楚，还得参考以上链接~