用Python中的Pandas处理Excel数据 第1季 入门篇

如果你每天的工作里有一项是「把几个 Excel 表合起来、按条件筛一遍、再出个汇总」，那这门课值得先花十分钟了解一下。它讲的不是 Python 语法课，而是用 Pandas 这一个库，把手工在 Excel 里反复点鼠标的活儿换成几行代码。第 1 季定位在入门，重心放在数据结构的理解上，不急着堆项目。

它对应的是哪些具体工作场景

典型的几类：每月从系统导出多张结构相同的表，需要纵向拼成一张再统计；一份几万行的明细表，要按部门、按月份分组算合计和均值；两张表靠工号或订单号对不上，需要做关联查询；以及每次都要重复的清洗动作——去掉空行、统一日期格式、处理重复记录。这些事在 Excel 里靠筛选、透视表、VLOOKUP 也能做，但数据量一大、步骤一多，就容易卡、容易错，而且下个月还得原样再点一遍。Pandas 的价值就在于把这一套流程写成脚本，改个文件名就能复用。

学完能独立做到什么程度

按入门篇的推进节奏，学完你应该能独立完成这样一件事：拿到一份或几份原始 Excel，用代码读进来，看清楚每一列的数据类型对不对，把不需要的列去掉、把缺失值和重复行处理掉，然后按某个字段分组求合计，最后把结果写成一张新的 Excel 交出去。中间遇到日期列被读成字符串、数字列混进了文本这类常见毛病，也知道去哪里查、怎么改。这个程度不足以做复杂的建模，但足以覆盖日常报表类的重复劳动。

为什么第 1 章要先啃 Series

这门课开头没有直接上「读取 Excel」，而是先讲 Series 的基本操作，这是有道理的。DataFrame 可以粗略理解成多个 Series 拼在一起，你对单列做的筛选、运算、替换、去重，本质上都是 Series 层面的操作。如果这一步靠死记硬背，后面一旦遇到列名对不上、索引错位、运算结果和预期不一样，就很难判断问题出在哪。反过来说，把 Series 的索引机制和常用操作弄顺了，后面处理整张表会轻很多。所以建议不要跳过开头去追「实战」，那部分恰恰是后面少踩坑的地方。

适合什么基础的人

• 会基本电脑操作、用过 Excel 的筛选和透视表，但没写过代码：可以学，前期需要多花点时间适应缩进、括号、报错信息这些新东西。
• 学过一点 Python，知道列表、字典、循环，但没接触过数据分析库：最合适，几乎不会有障碍。
• 已经能用 Pandas 做分组聚合、只差系统梳理：这门课偏基础，对你可能偏浅，可以直接看后续季。
• 完全没碰过编程、也不打算动手敲代码：只看不练的话，这类内容很难真正学会，建议先想清楚是否愿意每周留出固定练习时间。

怎么用这份资料效率更高

建议边看边开一个自己的 Excel 文件跟着敲，不要只用课程自带的示例数据——换成你工作里真实的表，印象会深得多。每学完一小节，合上视频自己重写一遍当天用到的操作，写不出来再回去看，这比反复看视频有效。另外，报错信息不要急着搜答案，先读一遍它在说什么，这是从「照抄代码」走向「自己能写」的关键一步。学到能独立跑通一次完整的读取—清洗—汇总—导出流程，再考虑进入下一季。