这门课解决什么问题

日常工作中，只要数据量超过几万行，Excel 就会卡顿甚至无响应。这门 Pandas 课程解决的核心场景就是：如何用 Python 替代手工表格操作，把重复性的数据清洗、合并、聚合变成可复用的代码。它不教你写复杂的机器学习算法，而是聚焦于“把脏数据整理成可用数据”这一高频环节。如果你经常遇到多张表按条件拼接、按维度透视汇总、处理缺失值和异常格式等问题，这套资料能直接给出标准解法。资料前段从工具简介和开发环境配置讲起，说明它默认读者已经装好 Python，但对 Pandas 零基础，会从最基础的 DataFrame 结构开始讲。

适合什么基础与建议先看哪几块

这套资料适合两类人：一是写过简单 Python 脚本但没接触过数据处理库的转行者；二是长期用 Excel 做业务分析、想切到自动化处理的上班族。如果你连 Python 基础语法都不熟，建议先补完变量、循环、函数再来看，否则在理解索引和函数调用时会卡壳。拿到资料后，建议先看第一章的开发环境配置部分，把运行环境跑通；接着直接跳到数据读取与基础操作章节，对照视频在本地敲一遍读取 CSV 和基本筛选的代码。资料里提到了 Pandas 与 Dask 的对比，这部分对初学者属于扩展内容，如果当前只处理单机几十万行以内的数据，可以先跳过，等实际遇到内存瓶颈再回看。

学完能独立做什么与资料怎么配合练习

学完这套资料，你能独立完成一整套结构化数据处理流程：从读取多种格式的源文件，到清洗字段、合并多源数据、分组聚合计算，最后导出结果。具体来说，业务丢给你一份销售明细和一份客户名单，你能用代码按客户编号匹配关联，算出各区域的汇总指标，而不是靠 VLOOKUP 拖拽。练习时，不要只看视频，必须开着编辑器同步操作。建议自己找一份工作中的真实脱敏数据，或者公开数据集，每学一个操作就立刻在自己的数据上试跑一遍。遇到报错先查官方文档逻辑，再回视频找对应片段核对。这套资料的练习价值在于跟着敲代码，而不是听完理论就能会，手过一遍比看三遍视频管用。


欢迎来到几米课堂✨！这里是数据从业者夯实进阶分析能力的专属实训营，本次重磅推出的《数据分析进阶技能：Pandas》课程，将带你从Pandas基础操作到高级分析实战，一站式吃透这款Python数据分析核心工具，实现从数据处理新手到专业分析师的能力跃迁！

课程目录

*   01 第一章 数据分析必备技能：Pandas-课程简介/

  *   01 本章导学/

    *   01 1.1 本章导学 (19.35 MB), 02:11

  *   02 Pandas 简介/

    *   01 1.2 Pandas 简介 (83.92 MB), 09:43

  *   03 Pandas 开发环境/

    *   01 1.3 Pandas 开发环境 (97.53 MB), 10:28

  *   04 Pandas 与 Dask/

    *   01 1.4 Pandas 与 Dask (26.28 MB), 02:42

  *   05 本章总结/

    *   01 1.5 本章总结 (5.12 MB), 00:52

*   02 第二章 Pandas 基础知识/

  *   00 资料/

    *   01 《数据分析必备技能：Pandas》辅助学习资料.zip (37.91 MB)

  *   01 本章导学/

    *   01 2.1 本章导学 (31.66 MB), 02:56

  *   02 读取数据/

    *   01 2.2.1 CSV (110.33 MB), 13:24

    *   02 2.2.1 CSV-作业 (3.92 MB), 02:44

    *   03 2.2.2 JSON (137.23 MB), 12:55

    *   04 2.2.2 JSON-作业 (32.47 MB), 02:52

    *   05 2.2.3 Excel (102.66 MB), 15:14

    *   06 2.2.3 Excel-作业 (28.79 MB), 03:38

    *   07 2.2.4 数据库 (145.17 MB), 17:17

    *   08 2.2.5 小节总结 (16.91 MB), 01:57

  *   03 DataFrame 关键属性/

    *   01 2.3 DataFrame 关键属性 (150.58 MB), 16:40

    *   02 2.3 DataFrame 关键属性-作业 (12.73 MB), 02:05

  *   04 Pandas 的数据类型/

    *   01 2.4.1 基础数据类型 (164.96 MB), 17:45

    *   02 2.4.1 基础数据类型-作业 (41.28 MB), 03:54

    *   03 2.4.2 转换数据类型 (171.98 MB), 19:38

    *   04 2.4.2 转换数据类型-作业 (43.96 MB), 05:30

  *   05 保存数据/

    *   01 2.5 保存数据 (160.16 MB), 19:00

    *   02 2.5 保存数据-作业 (36.46 MB), 04:30

  *   06 使用 apply 处理每一行数据/

    *   01 2.6 使用 apply 处理每一行数据 (111.47 MB), 10:16

    *   02 2.6 使用 apply 处理每一行数据-作业 (59.93 MB), 05:18

  *   07 【实战案例】读取豆瓣电影 JSON 数据并保存到数据库/

    *   01 2.7.1 项目介绍 (13.13 MB), 04:06

    *   02 2.7.2 步骤一：分析豆瓣电影网站 (151.77 MB), 17:39

    *   03 2.7.3 步骤二：使用 requests 获取豆瓣电影数据 (209.08 MB), 17:53

    *   04 2.7.4 步骤三：保存到 JSON Lines 文件 (306.75 MB), 26:55

    *   05 2.7.5 步骤四：读取 JSON Lines 文件，并按行处理数据 (228.94 MB), 20:33

    *   06 2.7.6 步骤五：保存数据到MySQL数据库 (135.93 MB), 12:18

    *   07 2.7.7 项目总结 (10.66 MB), 01:24

  *   08 本章总结/

    *   01 2.8 本章总结 (27.19 MB), 03:06

*   03 第三章 DataFrame 核心分析方法/

  *   01 本章导学/

    *   01 3.1 本章导学 (23.47 MB), 02:20

  *   02 如何清洗数据/

    *   01 3.2.1 如何清洗数据（一） (82.79 MB), 10:04

    *   02 3.2.1 如何清洗数据（一）-作业 (11.74 MB), 01:45

    *   03 3.2.2 如何清洗数据（二） (68.94 MB), 08:40

    *   04 3.2.2 如何清洗数据（二）-作业 (14.65 MB), 01:56

  *   03 如何选择数据/

    *   01 3.3.1 如何选择数据-按列选择数据 (101.29 MB), 12:20

    *   02 3.3.1 如何选择数据-按列选择数据-作业 (15.45 MB), 02:06

    *   03 3.3.2 如何选择数据-按行选择数据 (104.97 MB), 11:51

    *   04 3.3.2 如何选择数据-按行选择数据-作业 (36.85 MB), 03:56

  *   04 如何对数据进行排序和计算/

    *   01 3.4.1 如何对数据进行排序 (97.04 MB), 10:37

    *   02 3.4.1 如何对数据进行排序-作业 (25.81 MB), 03:09

    *   03 3.4.2 如何计算数据 (82.93 MB), 10:20

    *   04 3.4.3 使用agg方法进行聚合计算 (12.37 MB), 05:47

    *   05 3.4.3 使用agg方法进行聚合计算-作业 (32.36 MB), 03:39

  *   05 常用数据分析计算方法/

    *   01 3.5 常用数据分析计算方法 (82.13 MB), 10:02

    *   02 3.5 常用数据分析计算方法-作业 (13.10 MB), 02:11

  *   06 如何对数据进行分组与聚合计算/

    *   01 3.6.1 使用groupby对数据进行分组 (225.73 MB), 22:49

    *   02 3.6.2 使用grpupby+agg进行聚合计算 (158.04 MB), 15:40

  *   07 【实战案例】人口数据分析/

    *   01 3.7.1 项目介绍&准备环境 (11.67 MB), 01:15

    *   02 3.7.2 分析理解数据 (28.59 MB), 03:29

    *   03 3.7.3 人口数据分析系列问题一 (42.04 MB), 05:17

    *   04 3.7.4 人口数据分析系列问题二 (272.92 MB), 25:48

  *   08 【实战案例】电影数据分析/

    *   01 3.8.1 项目介绍&准备环境 (17.14 MB), 01:57

    *   02 3.8.2 了解数据 (19.87 MB), 01:55

    *   03 3.8.3 准备数据 (26.62 MB), 02:01

    *   04 3.8.3.1 选择数据 (26.62 MB), 02:01

    *   05 3.8.3.2 改变数据类型 (106.34 MB), 10:46

    *   06 3.8.3.3 清洗数据 (77.90 MB), 10:24

    *   07 3.8.3.4 保存数据 (41.42 MB), 04:27

    *   08 3.8.5.1 电影数据分析问题一 (65.81 MB), 06:02

    *   09 3.8.5.2 电影数据分析问题二 (73.56 MB), 06:02

    *   10 3.8.5.3 电影数据分析问题三 (49.24 MB), 04:18

    *   11 3.8.5.4 电影数据分析问题四 (189.95 MB), 19:08

    *   12 3.8.5.5 作业及解析&总结 (78.43 MB), 06:32

  *   09 本章总结/

    *   01 3.9 本章总结 (16.63 MB), 01:55

*   04 第四章 数据可视化/

  *   01 本章导学/

    *   01 4.1 本章导学 (16.76 MB), 01:35

  *   02 Pandas 可视化图表简介/

    *   01 4.2 Pandas 可视化图表简介 (232.84 MB), 26:15

  *   03 Seaborn 绘制图表简介/

    *   01 4.3 Seaborn 绘制图表简介 (200.19 MB), 20:35

  *   04 本章总结/

    *   01 4.4 本章总结 (12.33 MB), 01:16

*   05 第五章 Dask 并行计算框架简介/

  *   01 本章导学/

    *   01 5.1 本章导学 (4.07 MB), 00:41

  *   02 Dask 并行计算框架简介/

    *   01 5.2 Dask 并行计算框架简介 (28.37 MB), 02:23

  *   03 安装 Dask/

    *   01 5.3 安装 Dask (6.65 MB), 01:32

  *   04 使用 Dask 进行数据分析/

    *   01 5.4 使用 Dask 进行数据分析 (86.24 MB), 10:08

  *   05 搭建 Dask 并行计算环境简介/

    *   01 5.5 搭建 Dask 并行计算环境简介 (49.10 MB), 05:15

  *   06 本章总结/

    *   01 5.6 本章总结 (8.08 MB), 01:13

*   06 第六章 数据分析必备技能：Pandas-课程总结/

  *   01 课程总结/

    *   01 第6章 课程总结 (24.62 MB), 02:58