append是一个在后台调用concat的方便方法。如果您查看append方法的实现，就会发现这一点。

def append(...
    ...
    if isinstance(other, (list, tuple)):
        to_concat = [self, *other]
    else:
        to_concat = [self, other]
    return concat(
        to_concat,
        ignore_index=ignore_index,
        verify_integrity=verify_integrity,
        sort=sort,
    )

至于表演。在循环中一遍又一遍地调用这两个函数在计算上都是昂贵的。你应该只创建一个列表，并在循环完成后进行一次连接。
docs：
迭代地将行附加到DataFrame可能比单个连接更耗费计算。更好的解决方案是将这些行追加到一个列表中，然后一次性将该列表与原始DataFrame连接起来。

由于其他答案都是旧的，我想补充一点，pd.append现在已经被弃用，而支持pandas 1.4的pd.concat。因此，以下内容对于今天遇到这个问题的人来说是有用的信息。
要连接多个 Dataframe ，您不应该使用带有for循环的append()，因为它可能会在计算上昂贵且缓慢。您应该创建一个数据框列表，然后在列表中使用concat()一次。例如：

# Create an empty list of data frames
df_list = []

# Loop over the files and append each data frame to the list
for file in file_folder:
    df_list.append(pd.read_csv(file))

# Concatenate the list of data frames into one data frame
df_all = pd.concat(df_list)

通过这种方式，可以避免创建 Dataframe 的中间副本，并减少内存使用量和执行时间。
| 示例|使用concat（）|使用append（）|
| - -----|- -----|- -----|
| 按行追加两个数据框|df = pd.concat（[df1，df2]，axis=0）|df = df1.append（df2）|
| 按列追加两个数据框|df = pd.concat（[df1，df2]，axis=1）|df = df1.join（df2）|
| 将多个数据框按行与不同的列连接起来|df = pd.concat（[df1，df2，df3]，axis=0，join='outer'）|df = pd.DataFrame（）对于[df 1，df 2，df 3]中的df_i： df = df.append（df_i）|
| 使用公共列按行连接多个数据框|df = pd.concat（[df1，df2，df3]，axis=0，join='inner'）|df = pd.DataFrame（）对于[df 1，df 2，df 3]中的df_i： df = df.append（df_i，join='inner'）|
| 使用分层索引连接多个数据框|df = pd.concat（[df1，df2，df3]，axis=0，keys=['one'，' two'，'three']）|df_dict = {} for key，df_i in zip（['one'，' two'，'three']，[df1，df2，df3]）： df_dict[key] = df_i df = pd.concat（df_dict.values（），axis=0，keys=df_dict.keys（））|
很明显，concat()使用更简洁的语法，速度更快。因此，没有理由使用append()。
即使您喜欢已弃用的pd.append，请记住pd.concat函数比pd.append函数更高效、更快，并且具有相同的选项和功能。就像Matus Dubrava提到的那样，append无论如何都会在后台调用concat。

1.**可以任意选择使用.append()或.concat()**例如，如果您必须在axis=1上合并两个 Dataframe ，则使用concat，另一方面，如果您必须在axis=0上合并两个 Dataframe ，则使用您喜欢使用或最适合您的任何选择！
1.**就我个人而言，我建议你使用pandas默认DF合并（concat），以避免任何延迟，延迟和最重要的代码中的错误。
希望这些信息对您有用，并回答您的问题！
编码快乐！