值不值得学：先想清楚你的报表痛点在哪
这门课解决的是“数据量超出了普通表格处理极限，但又没大到必须上专业数仓”的尴尬区间。很多上班族每天面对几十万行的合并报表、多源数据清洗，用常规函数卡顿死机，写VBA又门槛太高且语法陈旧。Excel内置Python的定位，就是让你在熟悉的表格界面里直接跑Python脚本，利用pandas等库处理海量数据，再把结果无缝落回单元格。如果你目前的工作重度依赖Excel，且经常被多表合并、复杂格式清洗折磨，这门课值得看；如果你只是做简单的日常登记，或者完全不懂表格逻辑，建议先补基础再说。
适合什么基础与建议先看的重点
这套资料适合有一定表格操作经验、最好对Python语法有基本概念的人。它不是从零教编程，而是教你如何把Python能力接入Excel的工作流。建议先看环境简介与PY函数这两块，搞清楚代码在表格里到底写在哪、怎么触发运行；接着重点看基本操作示例，跟着做一次数据读取和输出；最后看它与VBA及PowerBI内置Python的区别。这节很关键，能帮你弄清不同工具的边界，避免学完不知道什么场景该用哪个。对于支持哪些外部包的内容也要留意，这决定了你能不能把现有的数据处理习惯直接搬过来。
学完能独立做什么及资料怎么配合练习
学完后，你应该能独立完成跨表数据合并、大规模文本拆分清洗、分组聚合统计等任务，并能把写好的脚本固化成自定义函数，供同部门同事直接调用。资料配合练习的方法是：不要只盯着视频看，打开你手头真实的工作表跟着操作。先拿一份日常处理的销售明细或考勤原始数据，尝试用课程里的方法替代原有的多重函数嵌套。遇到报错时，回头查环境配置和支持包的章节。把每个视频对应的操作在自己机器上跑通一遍，比单纯刷完所有视频有效得多。重点是把“看懂代码”变成“能改代码”，最终针对自己的业务表写出专属的自动化处理逻辑。
了解Excel内置Python
课程目录
* 01 内容简介/
* 01 内容简介.mp4 (20.45 MB), 04:33
* 02 Excel内置Python简介/
* 01 Excel内置Python编程环境简介.mp4 (49.73 MB), 09:42
* 02 PY函数.mp4 (8.19 MB), 02:17
* 03 编写Python代码.mp4 (14.06 MB), 04:11
* 04 举例：Excel内置Python的基本操作.mp4 (48.99 MB), 09:01
* 05 与SPSS和PowerBI内置Python的区别.mp4 (20.06 MB), 05:50
* 06 与ExcelVBA的区别.mp4 (17.19 MB), 05:05
* 07 Excel内置Python支持哪些包.mp4 (9.10 MB), 01:39
* 08 使用Excel内置Python的常见错误.mp4 (10.08 MB), 02:53
* 09 其他注意事项.mp4 (22.16 MB), 05:09
* 03 数据导入、引用和导出/
* 01 从Excel或Power Query导入数据.mp4 (35.90 MB), 06:38
* 02 导出计算结果.mp4 (22.60 MB), 06:39
* 03 引用数据：xl函数.mp4 (13.20 MB), 03:06
* 04 引用数据：引用单元格(区域)的数据.mp4 (72.07 MB), 15:59
* 05 引用数据：使用DataFrame引用数据.mp4 (15.08 MB), 03:15
* 06 引用数据：使用名称引用数据.mp4 (9.18 MB), 02:00
* 07 引用数据：引用Power Query导入的数据.mp4 (19.91 MB), 03:55
* 04 常见数据整理/
* 01 数据清洗概述.mp4 (31.87 MB), 07:20
* 02 列操作.mp4 (54.77 MB), 11:18
* 03 行操作.mp4 (14.22 MB), 03:40
* 04 数据排序.mp4 (29.16 MB), 05:16
* 05 数据筛选.mp4 (20.36 MB), 04:40
* 06 数据排名.mp4 (40.90 MB), 09:11
* 07 数据随机抽样.mp4 (32.67 MB), 05:20
* 08 宽表转长表.mp4 (18.32 MB), 04:20
* 09 爆炸.mp4 (15.00 MB), 03:59
* 10 合并多个表的数据.mp4 (49.14 MB), 09:48
* 05 文本数据的整理：常见整理/
* 01 数据分列.mp4 (28.37 MB), 06:11
* 02 查找和替换.mp4 (13.10 MB), 03:08
* 03 虚拟变量.mp4 (15.12 MB), 03:23
* 06 文本数据的整理：正则表达式/
* 01 正则表达式概述.mp4 (35.53 MB), 08:05
* 02 使用正则表达式：查找.mp4 (71.29 MB), 15:15
* 03 使用正则表达式：替换.mp4 (14.14 MB), 03:50
* 04 使用正则表达式：分割.mp4 (22.33 MB), 05:53
* 05 使用正则表达式：Match对象.mp4 (66.24 MB), 12:14
* 06 使用正则表达式：Pattern对象.mp4 (33.23 MB), 06:40
* 07 正则表达式的编写规则：元字符.mp4 (59.22 MB), 11:54
* 08 正则表达式的编写规则：重复.mp4 (33.56 MB), 07:03
* 09 正则表达式的编写规则：字符类.mp4 (32.75 MB), 06:33
* 10 正则表达式的编写规则：分支条件.mp4 (18.93 MB), 04:27
* 11 正则表达式的编写规则：分组.mp4 (83.54 MB), 16:45
* 12 正则表达式的编写规则：零宽断言.mp4 (31.66 MB), 06:55
* 13 正则表达式的编写规则：负向零宽断言.mp4 (46.34 MB), 10:57
* 14 正则表达式的编写规则：贪婪与懒惰.mp4 (22.03 MB), 05:05
* 15 在pandas中使用正则表达式.mp4 (38.71 MB), 07:18
* 16 综合实例1.mp4 (27.71 MB), 05:57
* 17 综合实例2.mp4 (26.87 MB), 06:15
* 18 综合实例3.mp4 (12.83 MB), 03:27
* 19 综合实例4.mp4 (18.00 MB), 04:28
* 20 综合实例5.mp4 (24.23 MB), 05:32
* 21 综合实例6.mp4 (9.62 MB), 02:35
* 07 日期时间数据的整理/
* 01 日期时间数据概述.mp4 (56.38 MB), 11:22
* 02 处理日期时间数据.mp4 (20.39 MB), 04:32
* 08 时间序列数据的整理/
* 01 时间序列数据概述.mp4 (50.98 MB), 10:45
* 02 数据偏移.mp4 (19.68 MB), 04:17
* 03 数据筛选.mp4 (13.73 MB), 02:43
* 04 数据重采样.mp4 (27.65 MB), 05:48
* 05 数据平滑.mp4 (35.57 MB), 07:15
* 09 数据预处理/
* 01 重复数据的处理.mp4 (49.42 MB), 08:43
* 02 缺失值的处理.mp4 (58.48 MB), 11:10
* 03 异常值的处理.mp4 (58.88 MB), 13:15
* 04 数据转换.mp4 (24.98 MB), 04:26
