飞豹客 · 课能看,资料也能带走
飞豹客软考考证 会员免费

用Python中的Pandas处理Excel数据 第2季 进阶篇

先分清:这门课不是给零基础看的 如果你还没写过 Python,或者连 import pandas 都没敲过,第 2 季会跟得很吃力。它接的是第 1 季的底子——读取文件、选列、简单筛选这些动作你应该已经做过。真正适合进来的是这样几类人:每天要手动合并十几张 Excel 月报的运营或财务;做数据分析但

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
9 人关注 更新于 2026-09-19 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

会员可免费下载本篇月会员可免费领取。

开通会员 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90

会员 · 按档位

永久免费可领
年免费可领
月免费可领

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

先分清:这门课不是给零基础看的

如果你还没写过 Python,或者连 import pandas 都没敲过,第 2 季会跟得很吃力。它接的是第 1 季的底子——读取文件、选列、简单筛选这些动作你应该已经做过。真正适合进来的是这样几类人:每天要手动合并十几张 Excel 月报的运营或财务;做数据分析但还在用「复制粘贴+透视表」硬扛的职场人;以及转行方向明确、想先把数据处理这一环补扎实的人。

反过来说,如果你期待的是「学完就能做机器学习」或者「直接拿高薪 offer」,这门课满足不了,它只解决一件事:把重复的表格处理从手工变成可复用的代码。

它真正对付的是哪些日常工作场景

第 2 季的重点不在「怎么读一张表」,而在多表、多条件、脏数据这些真实麻烦上。学完之后,下面这些活儿你应该能自己写脚本搞定,而不是求人:

  • 把十几个结构相同但表头略有差异的 Excel 拼成一张总表,自动对齐列名;
  • 跨表核对数据,比如订单表对账单表,找出金额对不上的记录;
  • 处理缺失值、重复行、格式混乱的日期和数字,让表格能直接进下一步分析;
  • 按部门、按月份做分组汇总,并且把结果写成一张格式规整的新表;
  • 用透视类的写法替代反复手动拖拽的数据透视表。

这些场景的共同点是:一次写对,以后每周都能用。这也是它比单纯学语法更值钱的地方。

学完你能独立做到什么程度

一个比较实际的判断标准是:给你一堆杂乱的工作表,你能在不看教程的情况下写出处理脚本,并知道哪里可能出错。具体来说,涉及多表连接、分组聚合、条件筛选、重命名与类型转换的常规需求,应该能独立完成;遇到报错,能看懂提示并自己排查,而不是卡在那里。

但要注意边界。这门课不会教你怎么搭一个数据看板或做可视化呈现,也不覆盖数据库和网络爬虫。它的定位是「表格处理的自动化」,把这块做透,已经能省下大量加班时间。

配套资料和笔记怎么用才不浪费

资料包里的章节笔记适合两种时机翻:一是刚看完一节,趁印象还在,用笔记快速过一遍关键写法和参数含义;二是隔一段时间忘了某个操作怎么写,直接查笔记比重新看视频快得多。

不建议的做法是「看完视频就收藏,笔记从不打开」。更有效的节奏是每完成两三节,自己找一份手边的真实表格练一遍,哪怕数据只有几十行。练习时故意留一列脏数据,逼自己想怎么清洗,比照着示例敲一遍收获大得多。

值不值得花时间,看你现在的状态

如果你每周都要花几个小时在复制粘贴、核对表格上,这门课基本上一两周就能回本。如果你目前的工作几乎不碰表格,只是觉得「学点数据技能总没坏处」,那优先级可以往后放一放,先想清楚要拿它解决什么问题。

最后提醒一句:Pandas 的写法更新较快,遇到版本差异导致的报错别慌,多数是参数名或默认行为变了,查一下官方文档就能对上。把基础逻辑学扎实,比死记某一行代码更抗变化。

视频目录(50 节)

用Python中的Pandas处理Excel数据 第2季 进阶篇

课程目录

*   【曾贤志】用Python中的Pandas处理Excel数据第2季进阶篇.zip

*   1-1 1.1根据判断结果做数据处理(mask、where)_ok.mp4

*   1-2 1.2 Pandas中应用if语句与np.where方法_ok.mp4

*   1-3 1.3 逻辑与all逻辑或any应用_ok.mp4

*   2-1 2.1 Pandas的加减乘除运算_ok.mp4

*   2-2 2.2 Pandas加减乘除运算的应用_ok.mp4

*   2-3 2.3 Pandas求模、乘幂运算(mod pow roun_ok.mp4

*   2-4 2.4 数据合并combine方法的应用_ok.mp4

*   3-1 3.1 Series极大、极小值应用_ok.mp4

*   3-2 3.2 DataFrame极大、极小值应用_ok.mp4

*   3-3 3.3 强大排名方法rank_ok.mp4

*   3-4 3.4独一值unique、nunique、is_unique_ok.mp4

*   3-5 3.5 众位数mode、中位数median、乘积prod_ok.mp4

*   4-1 4.1 合并数据利器cat_ok.mp4

*   4-2 4.2 字符串数据合并之join_ok.mp4

*   4-3 4.3 字符串数据拆分之split_ok.mp4

*   4-4 4.4 字符串数据分组提取之extract_ok.mp4

*   4-5 4.5 字符串数据分组提取之extractall_ok.mp4

*   4-6 4.6 字符串数据查找之Find、index、findall_ok.mp4

*   4-7 4.7 判断指定字符是否存在Endswith、Startsw_ok.mp4

*   4-8 4.8 字符串数据的计数len、count_ok.mp4

*   4-9 4.9 数据的查找替换replace_ok.mp4

*   4-10 4.10 字符串重复Repeat与修剪strip_ok.mp4

*   4-11 4.11 字符串补齐的各种方法Zfill、pad、just_ok.mp4

*   5-1 5.1 关于日期数据date_ok.mp4

*   5-2 5.2 关于时间数据time_ok.mp4

*   5-3 5.3 关于日期时间数据datatime_ok.mp4

*   5-4 5.4 日期时间数据的运算Timedelta_ok.mp4

*   5-5 5.5 常见pandaas dt访问器处理_ok.mp4

*   5-6 5.6 dt访问器实例应用_ok.mp4

*   6-1 6.1 filter索引筛选_ok.mp4

*   6-2 6.2 重置索引的值reindex_ok.mp4

*   6-3 6.3 重命名索引名称rename_ok.mp4

*   7-1 7.1 Pands数据与索引排序sort_ok.mp4

*   7-2 7.2 Pandas之以特定部分为排序依据_ok.mp4

*   7-3 7.3 Pandas之自定义排序(分类器)_ok.mp4

*   7-4 7.4 列表转换为行explode_ok.mp4

*   8-1 8.1 groupby之常规分组_ok.mp4

*   8-2 8.2 groupby之按分层索引分组_ok.mp4

*   8-3 8.3 groupby之按分段分组_ok.mp4

*   8-4 8.4 groupby之按日期单位分组_ok.mp4

*   8-5 8.5 groupby之分组其它相关设置_ok.mp4

*   8-6 8.6 分组数据转换应用transform_ok.mp4

*   8-7 8.7 分组数据筛选应用filter_ok.mp4

*   9-1 9.1 数据合并concat(1)_ok.mp4

*   9-2 9.2 数据合并concat(2)_ok.mp4

*   9-3 9.3 merge数据拼接之连接表类型_ok.mp4

*   9-4 9.4 merge数据拼接之连接键类型_ok.mp4

*   9-5 9.5 merge数据拼接之连接方式_ok.mp4

*   9-6 9.6 join数据拼接_ok.mp4