第九天，我們要解決資料分析中極為常見的需求——多表格整併（Data Merging & Concatenation）。在實際專案裡，數據很少單獨存放在同一張表，例如會員資料、訂單明細與商品目錄通常會分開儲存。今天我們建立純 Python 腳本 day09_pandas_merge.py，掌握類似 SQL JOIN 概念的 pd.merge() 與縱向/橫向拼接的 pd.concat()。

第一部分
新建 day09_pandas_merge.py。首先建立兩張具備關聯鍵（user_id）的資料表：訂單表與會員表，並使用預設的「內交集（Inner Join）」進行合併，僅保留雙方都存在的紀錄：

第二部分
實務上常需要以特定表格為主體，例如「保留所有訂單，即使查無會員名稱（Left Join）」，或是「列出所有會員，查看其消費紀錄（Right Join / Outer Join）」。我們可以透過調整 how 參數來實現：

第三部分
除了基於鍵值（Key）關聯的 Merge 之外，有時我們需要把結構相同的兩份資料「上下堆疊」起來（例如 1 月與 2 月的銷售紀錄）。此時可以使用 pd.concat() 進行軸向串接：

第四部分
在終端機輸入 python day09_pandas_merge.py 執行驗證，確認 Inner/Left/Outer 合併以及兩月份資料堆疊均正常輸出。按 Ctrl + S 儲存後推送到遠端儲存庫：

今日心得/遇到的問題
今天釐清了 merge() 與 concat() 的使用時機：merge 就像關聯式資料庫的 JOIN，依據共同欄位將兩張表的資訊橫向水平整併；而 concat 則常用於將不同批次、相同格式的檔案縱向堆疊在一起。在做 concat 堆疊時，記得加上 ignore_index=True，這樣產生的新表格索引才會重新從 0 排到最後，避免保留原始子表的重複 index。