【曾贤志】用Python中的Pandas处理Excel数据 第1季 入门篇

这门课解决什么问题：把重复的Excel体力活交给代码

很多做运营、财务、销售或人事的上班族，日常面对的痛点高度一致：手里有几万行的明细表，需要按部门、按月份拆成几十个子表，或者把多张表按某个字段拼到一起，再做个简单的分组汇总。用Excel的筛选和复制粘贴，半天就耗进去了，还容易看错行。这门课的主题就是用Python里的Pandas库来接管这些机械操作。它不教你写复杂的底层算法，也不涉及网络爬虫或自动化测试，而是把Pandas当成一个更强大的Excel公式引擎来用。学完之后，面对那些原本需要手动拆表、合并表、清洗脏数据的场景，你能直接写十几行代码让电脑自动跑完，把原本半天的工作量压缩到几分钟。

适合什么基础与资料配合练习的方法

这套资料适合完全没写过代码但Excel操作已经比较熟练的转行者，以及学过一点Python基础语法但不知道怎么在工作中落地的上班族。课程从最基础的Series结构讲起，这是Pandas里类似单列数据的概念。建议在跟着视频学习时，不要只用眼睛看，一定要把课程里的数据源文件下载下来，在本地电脑上配好Python环境跟着敲。资料里的视频演示了从数据创建、属性修改、增删改查到最终导出文件的全过程。看第一部分时，重点跟着操作Series的增删改查，并在本地跑通导出文件的代码。当你能独立把一列数据按条件筛选出来并存成新文件时，就算真正把这部分资料吃透了。

建议先看哪几块以及学完能独立做什么

拿到资料后，建议先跳过开篇介绍，直接从Series的创建方式看起，重点看元素的增加、删除、查询和修改这几个操作。最后那个“按条件拆分表”的实例应用是核心，它把前面的零碎知识点串成了一个真实的工作任务，务必多看两遍并自己复现。学完这一季入门篇，你能独立完成几件具体的事情：用代码读取指定的数据文件，按照特定的业务条件（比如销售额大于某个数值、或者属于某个特定区域）把数据过滤出来，拆分成多个独立的工作簿，并自动命名保存到指定文件夹里。虽然这只是Pandas的基础操作，但已经足够应付日常办公中八成以上的表格搬运工作，让你从重复的体力劳动中抽身出来。