finance-data-with-python-and-pandas

这门课的主题很明确：用 Python 里的 Pandas 处理金融数据。它不教你写交易系统，也不承诺帮你拿到量化岗位，解决的是一个更具体的工作场景——手上有一堆行情、财报或交易流水，用 Excel 打开就卡、公式一多就错、想按多个条件筛选和分组统计时特别费劲。学完之后，你至少能用代码把这些事做完，而不是靠手工拖表格。

适合什么基础，不适合什么基础

如果你完全没碰过 Python，这门课能跟上，但前提是你愿意在前期花时间熟悉基本语法，比如变量、列表、字典、函数和循环。它不会从"什么是编程"讲起，而是把 Python 当作工具直接用在数据上，所以零基础的人前期会觉得节奏偏快。相对而言，做过一点 Excel 数据分析、懂行和列、会写 VLOOKUP 或数据透视表的人学起来最顺，因为很多操作只是把熟悉的动作换成代码表达。不适合的是已经能熟练用 Pandas 做分组聚合、时间序列重采样和多表关联的人，那这部分内容对你偏基础。另外，如果你期待的是机器学习选股或自动交易策略，这门课不覆盖，它的重心在数据清洗、整理和统计这一层。

建议先看哪几块，学完能独立做什么

建议按这个顺序推进：先看数据结构部分，把 Series 和 DataFrame 的索引、切片、筛选弄明白，这是后面所有操作的地基；再看数据清洗，包括缺失值、重复值、类型转换和字段拆分，金融数据里这两步占的时间往往最多；然后是分组聚合与多表合并，对应的是按股票、按月份、按行业做汇总，以及把行情表和财务表拼到一起；最后看时间序列相关的处理，比如按日期索引、按周期重采样、计算收益率和滚动指标。学完这套，你能独立完成的事包括：读入一份杂乱的成交明细，清理掉无效记录，按标的和日期汇总出每日成交量与均价，算出区间收益率，并输出一张可以直接给别人看的汇总表。这些动作在运营、财务、投研助理这类岗位上是真实存在的日常需求。

资料怎么配合练习

光看演示很容易产生"我懂了"的错觉，实际一上手就卡在字段名和索引上。建议的做法是：每看完一个操作，就换一份自己的数据重做一遍，哪怕只是把示例里的股票代码换成你关心的几只。遇到报错先别急着找答案，读一遍错误信息，多数问题出在数据类型不匹配或索引没对齐上，这两类坑在金融数据里出现频率极高。课程里提到的借助对话工具提升效率，可以这样用：让它帮你解释一段看不懂的报错，或者把一段写得很啰嗦的循环改写成更简洁的写法，但结论要自己跑一遍验证，不要直接照搬。整门课学完，你不一定会成为数据分析师，但面对一份几万行的表格时，处理思路和手段会和以前明显不同。