如果你已经会用 Python 写循环和函数，但一碰到真实数据就卡住——表格里缺值、列名混乱、日期是字符串、几万行数据要按条件筛选汇总——那这门课正好对着这个场景。它不讲 Python 语法本身，而是把 Pandas 当成一件干活的工具，从读数据、洗数据到出结果，走一遍完整流程。是否值得学，取决于你现在缺的是"工具熟练度"还是"分析思路"：前者能补得比较扎实，后者这门课只给了一个量化交易的切入角度，不算全面。

先看哪几块，跳过哪几块

建议按"安装与数据结构 → 数据表清洗 → 筛选与分组聚合"的顺序推进，这三块是后面所有内容的地基。清洗部分占的比重最大，也是最能直接搬到工作里用的：处理缺失值、类型转换、列名规整、重复行去重，这些动作在任何一个数据分析岗的日常里都跑不掉。量化交易相关的章节可以放在后面看，它更像一个贯穿案例，用来演示怎么把前面学的操作串起来，而不是要求你懂金融。如果你对股票、行情接口完全陌生，先把它当练习题做，不必纠结业务含义；等 Pandas 用顺了再回头看，会轻松很多。

学完能独立做什么

比较现实的目标是：拿到一份 Excel 或 CSV，能自己读进来，判断哪些列需要清理，把脏数据整理成规整的表，然后按维度做分组统计、算同比环比、筛出符合条件的行，最后导出成一份能交出去的表格或一张简单的图。再进一步，能写一个接收参数的小函数，把重复的清洗步骤封装起来，下次换个数据源直接调用。这就是课程练习里那条"输入代码、拿到清洗后数据表"的思路。反过来，如果你的目标是做复杂的统计建模、机器学习特征工程，或者需要处理千万级以上的数据，这门课覆盖不到，得另外找资料。

资料怎么配合练习

视频和说明文档适合先过一遍，建立操作印象，但真正记住的是自己敲代码的过程。建议每看完一节，就用手边的任意一份表格数据把同样的操作重做一遍，哪怕只是把一份通讯录或账单整理干净，也比单纯跟着视频敲一遍有效。练习环节不要只跑通就结束，试着改条件、换数据、故意制造缺失值，看报错信息怎么读——Pandas 的报错往往直接告诉你哪一列类型不对。遇到卡住的地方，先查官方文档的对应函数，比反复看视频更能建立手感。整套资料适合当作操作手册反复翻，而不是一次性看完的连续剧。

课程目录

课程目录48 集
  • 📁 {3}--初识pandas和量化交易 {3}--初识pandas和量化交易说明.zip
  • [1.8 MB] [3.2]--量化交易及AKshare介绍.mp4
  • [119.9 MB] [3.1]--pandas安装及数据创建的保存.mp4
  • [133.0 MB] 📁 {5}--数据表清洗 {5}--数据表清洗说明.png [493.5 KB] [5.12]--练习：封装函数输入股票代码获取清洗后的数据表.mp4
  • [116.6 MB] [5.5]--删除空值.mp4
  • [32.9 MB] [5.4]--删除特定的行、列.mp4
  • [62.1 MB] [5.3]--值替换.mp4
  • [76.7 MB] [5.10]--按索引排序.mp4
  • [42.0 MB] [5.6]--填充空值.mp4
  • [40.1 MB] [5.2]--设置行索引.mp4
  • [39.7 MB] [5.1]--更改行列标签名称.mp4
  • [48.5 MB] [5.8]--重复值查看及删除.mp4
  • [64.4 MB] [5.11]--重置行索引.mp4
  • [153.9 MB] [5.7]--数据格式转换.mp4
  • [65.3 MB] [5.9]--按值排序.mp4
  • [76.1 MB] 📁 {1}--课程介绍 {1}--课程介绍说明.png [493.5 KB] [1.2]--Python、Pycharm安装.mp4
  • [69.7 MB] [1.1]--课程介绍.mp4
  • [70.4 MB] (1.3)--pandas学习手册（可从参考资料处下载）.pdf
  • [401.6 KB] 📁 {2}--初识numpy {2}--初识numpy必看.png [493.5 KB] [2.2]--numpy索引和切片.mp4
  • [44.1 MB] [2.1]--numpy安装及数据创建.mp4
  • [94.3 MB] 📁 {7}--matplotlib可视化 [7.6]--画图美化.mp4
  • [86.5 MB] [7.7]--图片本地保存.mp4
  • [48.4 MB] [7.5]--画组合图.mp4
  • [35.7 MB] [7.3]--画条形图.mp4
  • [47.4 MB] [7.4]--画折线图.mp4
  • [38.8 MB] [7.2]--画图数据处理及新增画布.mp4
  • [89.3 MB] [7.1]--可视化库的安装和导入.mp4
  • [76.3 MB] 📁 {6}--数据预处理 [6.14]--数据透视表pivot_table.mp4
  • [89.8 MB] [6.9]--数据表合并concat.mp4
  • [321.3 MB] [6.1]--添加行.mp4
  • [19.0 MB] [6.11]--给数据加上区间标签qcut.mp4
  • [100.9 MB] [6.4]--数据表加工apply.mp4
  • [51.3 MB] [6.2]--添加列.mp4
  • [40.0 MB] [6.6]--数据表加工transform.mp4
  • [120.3 MB] [6.12]--数据分组groupby.mp4
  • [123.3 MB] [6.3]--数组加工map.mp4
  • [65.7 MB] [6.13]--分类统计value_counts.mp4
  • [72.0 MB] [6.7]--数据表合并merge.mp4
  • [128.4 MB] [6.5]--匿名函数lambda.mp4
  • [73.7 MB] [6.10]--给数据加上区间标签cut.mp4
  • [183.6 MB] [6.8]--练习：封装函数通过股票代码汇总数据.mp4
  • [372.5 MB] 📁 {8}--课程回顾与展望 [8.1]--课程回顾与展望.mp4
  • [64.1 MB] 📁 {4}--股票季报数据获取及数据表检查 [4.4]--描述性统计及极值索引.mp4
  • [117.1 MB] [4.5]--查看唯一值及value.mp4
  • [49.2 MB] [4.1]--数据表查看.mp4
  • [90.3 MB] [4.3]--查看数据格式与空值.mp4
  • [46.4 MB] [4.2]--数据提取.mp4
  • [85.3 MB] 适合人群 数据分析初学者 Python程序员 量化交易爱好者 学习收获 熟练使用Pandas进行数据分析 掌握数据清洗和预处理方法 学会数据可视化技巧 应用于量化交易和商业分析 祝您学习愉快！ 学有所成，前程似锦！