本文将分为三部分：

1. reset_index函数：

修改排序，否则可能会产生错误，所以对DataFrame做完合并，或者做分组聚合（groupby,agg,transform等函数）后，最好做一个
reset_index处理。

2.drop参数的理解：

drop=True: 把原来的索引index列去掉，丢掉。
drop=False:保留原来的索引（以前的可能是乱的）

3. inplace参数的理解：

修改一个对象时：
      inplace=True：不创建新的对象，直接对原始对象进行修改；
      inplace=False：对数据进行修改，创建并返回新的对象承载其修改结果。

我相信如果你是刚刚接触到这个函数的话，会一脸懵逼的，特别是看到有的例子没有给inplace参数赋值，有的却给了，本文会结合代码给出合理的解释。

1. reset_index函数：

import pandas as pd
import sys

df1 = pd.DataFrame({\'A\': [\'A0\', \'A1\', \'A2\', \'A3\'],
                    \'B\': [\'B0\', \'B1\', \'B2\', \'B3\'],
                    \'C\': [\'C0\', \'C1\', \'C2\', \'C3\'],
                    \'D\': [\'D0\', \'D1\', \'D2\', \'D3\']})

df2 = pd.DataFrame({\'A\': [\'A4\', \'A5\', \'A6\', \'A7\'],
                    \'B\': [\'B4\', \'B5\', \'B6\', \'B7\'],
                    \'C\': [\'C4\', \'C5\', \'C6\', \'C7\'],
                    \'D\': [\'D4\', \'D5\', \'D6\', \'D7\']})

df3 = pd.DataFrame({\'A\': [\'A8\', \'A9\', \'A10\', \'A11\'],
                    \'B\': [\'B8\', \'B9\', \'B10\', \'B11\'],
                    \'C\': [\'C8\', \'C9\', \'C10\', \'C11\'],
                    \'D\': [\'D8\', \'D9\', \'D10\', \'D11\']})

frames = [df1, df2, df3]
result = pd.concat(frames)#合并，列不变。

先将就着看。。有空再更