这门课解决什么工作场景
很多职场人面对的数据困境是：Excel表格行数一旦突破几十万，数据透视表和多重函数就开始卡顿甚至崩溃；遇到多文件批量合并、复杂格式清洗、跨表关联匹配时，传统操作往往需要重复大量手工步骤。这门课聚焦的正是“在Excel软件中直接使用Python”这一具体场景。它不是教你脱离日常办公环境去另起炉灶写脚本，而是让你在熟悉的表格界面里，用Python处理庞大数据和自动化清洗流程。对于每天被报表、对账、数据提取填埋的上班族，这能直接缓解工具瓶颈，把原本需要手动折腾半天的脏活累活变成几行代码的事。
适合什么基础与建议先看哪几块
资料适合完全零基础的表格用户，只要你日常频繁使用Excel，哪怕没写过任何代码也能跟上。内容编排没有一上来堆砌复杂的开发理论，而是从最底层的环境运行逻辑讲起。建议初学者先看“如何在Excel中运行Python”这一基础板块，弄懂代码究竟在表格里怎么生效，这决定了你后续排错的基本思路。紧接着去学变量、数字字符串以及列表等容器类型。这部分是后续处理行列数据的地基，不要因为看着像基础语法就跳过。特别是无序集合等概念，在后续去重、多表比对时是极其常用的结构。建议按顺序把这几块基础打牢，不要直接往后翻找高级案例。
学完能独立做什么与资料怎么配合练习
掌握上述基础后，你能在实际工作表里独立完成几件事：用代码替代复杂的嵌套公式进行列数据批量清洗与提取；通过容器类型管理多张工作簿的维度数据，实现跨表快速比对与合并；把原本卡顿的透视分析交给Python运行，最后把结果直接落在Excel单元格里供同事继续查看。看资料时不要只用眼睛过一遍视频，必须打开Excel跟着操作。每看完一个语法点，立刻在表格里随便建几列测试数据，敲一遍变量定义和容器增删改查的代码，确认能跑通再进入下一段。代码缩进和注释的习惯要从第一天就养好，这在后续处理复杂逻辑时能帮你快速定位问题。
将Python写入在Excel中，做数据处理分析。
课程目录
* 01 Excel中使用Python基础/
* 01 1-2 怎样才能在Excel中使用Python.mp4 (33.12 MB), 05:57
* 02 1-3 Excel中的Python是如何运行.mp4 (45.37 MB), 07:50
* 03 1-4 Excel中编写Python代码基础.mp4 (48.61 MB), 08:49
* 02 Excel掌握的Python基础/
* 01 2-1 变量、注释、代码缩进.mp4 (41.53 MB), 07:50
* 02 2-2 Python中的数字与字符串.mp4 (70.42 MB), 12:09
* 03 2-3 容器类型-1（列表、元组）.mp4 (79.09 MB), 14:08
* 04 2-4 容器类型-2（无序集合）.mp4 (41.18 MB), 07:15
* 05 2-5 容器类型-3（Dictionary字典）.mp4 (74.25 MB), 12:44
* 06 2-6 容器类型-4（Numpy数组）.mp4 (92.78 MB), 15:47
* 07 2-7 容器类型-5（Series数据）.mp4 (61.63 MB), 10:20
* 08 2-8 容器类型-6（DataFrame数据帧）.mp4 (93.99 MB), 15:21
* 09 2-9 在Python中读取Excel数据.mp4 (56.54 MB), 09:11
* 10 2-10 综合应用（Excel与Python结合应用）.mp4 (90.74 MB), 14:56
* 03 循环分支语句及函数基础/
* 01 3-1 for in循环语句-常规写法（实例：循环求和）.mp4 (117.30 MB), 21:38
* 02 3-2 for in循环语句-嵌套写法（实例：九九乘法表）.mp4 (67.53 MB), 11:14
* 03 3-3 for in循环表达式-单行写法（生成返回值）.mp4 (46.47 MB), 07:58
* 04 3-4 while循环语句-常规写法（实例：数据累加）.mp4 (82.64 MB), 14:35
* 05 3-5 for in与while结合（实例：获取达标月分与金额）.mp4 (48.16 MB), 08:27
* 06 3-6 if else分支语句-常规写法（实例：数据分组）.mp4 (45.05 MB), 07:53
* 07 3-7 if else分支语句-多分支写法（实例：多等级判断）.mp4 (34.23 MB), 06:09
* 08 3-8 if else分支语句-三目运算（实例：同比业绩升降）.mp4 (42.71 MB), 07:40
* 09 3-9 自定义函数（实例：性别判断）.mp4 (62.35 MB), 11:05
* 10 3-10 匿名函数（实例：判断分数是否合格）.mp4 (74.46 MB), 13:30
* 11 3-11 Python高阶函数-1（筛选函数filter）.mp4 (51.68 MB), 08:22
* 12 3-12 Python高阶函数-2（归并函数reduce）.mp4 (67.36 MB), 11:34
* 13 3-13 Python高阶函数-3（排序函数sorted）.mp4 (51.75 MB), 08:06
* 04 第4章 表格管理技术/
* 01 4-1 表格属性的获取.mp4 (63.22 MB), 09:49
* 02 4-2 表格相关属性修改.mp4 (64.61 MB), 10:18
* 03 4-3 表格的行列选择-1（切片法）.mp4 (54.23 MB), 09:13
* 04 4-4 表格行列选择-2（筛选法）.mp4 (59.66 MB), 09:47
* 05 4-5 表格行列选择-3（loc切片法）.mp4 (53.31 MB), 08:20
* 06 4-6 表格行列选择-4（iloc切片法）.mp4 (62.46 MB), 10:34
* 07 4-7 添加表格的行（append方法）.mp4 (71.24 MB), 11:03
* 08 4-8 添加表格的列（assign方法）.mp4 (44.42 MB), 07:27
* 09 4-9 删除表格行列（drop方法）.mp4 (50.14 MB), 08:33
* 05 数据处理基础/
* 01 5-1 运算符与运算函数.mp4 (76.71 MB), 12:05
* 02 5-2 单值、Series、DataFrame之间的运算.mp4 (68.56 MB), 10:59
* 03 5-3 数据运算时的对齐特性.mp4 (49.39 MB), 08:14
* 04 5-4 Pandas分支（矩阵数据判断）.mp4 (40.38 MB), 07:38
* 05 5-5 Numpy双向分支（矩阵数据判断）.mp4 (42.03 MB), 07:50
* 06 5-6 遍历容器数据（Py中的map）.mp4 (50.34 MB), 10:02
* 07 5-7 遍历Series元素（Pandas中的map）.mp4 (34.27 MB), 06:23
* 08 5-8 遍历DataFrame表（循环读取行列）.mp4 (58.60 MB), 10:30
* 09 5-9 遍历DataFrame表（循环读取每个值）.mp4 (36.28 MB), 05:51
* 10 5-10 Excel中使用Python聚合函数.mp4 (92.23 MB), 14:49
* 11 5-11 Excel中使用Python逻辑函数.mp4 (90.84 MB), 13:46
* 12 5-12 Excel中使用Python极值统计.mp4 (46.76 MB), 07:19
* 13 5-13 Excel中使用Python做排名统计.mp4 (51.60 MB), 08:18
* 14 5-14 综合应用-1（对齐计算与筛选处理）.mp4 (62.51 MB), 09:35
* 15 5-15 综合应用-2（三个Python练习题）.mp4 (54.91 MB), 08:37
* 06 Excel中Python字符串清晰技术（正则表达式）/
* 01 6-1 Excel中使用Python正则表达式.mp4 (66.50 MB), 11:09
* 02 6-2 Excel & Python正则式-1（match匹配方法）.mp4 (91.39 MB), 14:29
* 03 6-3 Excel & Python正则式-2（search匹配方法）.mp4 (59.73 MB), 10:24
* 04 6-4 Excel & Python正则式-3（findall提取数据）.mp4 (44.62 MB), 07:44
* 05 6-5 Excel & Python正则式-4（sub替换操作）.mp4 (79.26 MB), 12:58
* 06 6-6 Excel & Python正则式-5（split拆分操作）.mp4 (72.04 MB), 10:53
* 07 6-7 Excel & Python正则式-6（标志位设置）.mp4 (88.22 MB), 14:17
* 08 6-8Excel & Python正则元字符-1（元字符）.mp4 (84.26 MB), 13:45
* 09 6-9 Excel & Python正则元字符-2（字符组）.mp4 (110.10 MB), 17:36
