用Python中的Pandas处理Excel数据第2季进阶篇

软考考证

课程简介

《用Python中的Pandas处理Excel数据第2季进阶篇》用Python中的Pandas处理Excel数据第2季进阶篇【技能收获】学完可掌握：Python 编程、Vue / 前端工程化。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：相关领域工程师、技术专项人才、项目实战型开发者。系统学习并产出可展示的项目成果，是技术岗跳槽与晋升的有效路径；完整课程

已有 0 人浏览发布 2026-09-15 更新 2026-09-19

第1季讲的是怎么把 Excel 读进来、怎么选出想要的列，很多人学完就停在那儿了——能读能看，但一遇到多表合并、分组汇总、时间字段就卡住。第2季进阶篇就是冲着这些卡点去的，它的价值不在于又教了几个函数，而在于把「用 Pandas 做表级处理」这件事讲成了一条能落地的链路。

课纲的含金量在哪

进阶篇的编排思路明显区别于基础篇的「字典式教学」。基础篇是遇到一个函数讲一个函数，进阶篇则按数据处理的真实工序来排：先解决数据源不干净的问题，再解决表与表之间的关系，最后落到输出。这个顺序本身就是判断课程是否值得看的信号——按工序编排的课，学完能直接套到自己的表上；按函数罗列编排的课，学完只记得住函数名。

另一个值得留意的是它对「多表」场景的覆盖。Excel 用户的真实痛点很少是单表计算，而是每个月一张表、每个部门一张表，年底要把它们拼起来。进阶篇把这一块单独拿出来讲，说明编者清楚学习者的实际处境，而不是把进阶简单理解成「更复杂的函数」。

哪几个章节值得精看

数据清洗与类型规整：这一块建议反复看。很多入门者栽在日期列被读成字符串、数字列混了空白格上，后面所有计算全错。课程里对这类问题的处理手法，比记住某个参数重要得多。
表的连接与合并：这是进阶篇的核心章节。重点不是背函数签名，而是判断「该用哪种连接、连接键怎么选、连完行数对不对」。带着这个疑问去看，收获会明显不同。
分组与透视类操作：Excel 里做数据透视表是拖拽，Pandas 里是写代码。两种思路的对照理解，能帮你把已有的 Excel 直觉迁移过来。
批量与自动化部分：如果你手上有一堆结构相同的表要处理，这块是整季最省时间的内容，可以跳过前面的细枝末节直接切入。

相对而言，纯语法讲解的段落可以快进。Pandas 的 API 查文档比看视频快，把时间留给思路类章节更划算。

资料包该怎么拆开用

配套资料别当成「看完课的存档」一次性收好，那样基本不会再打开。更实际的做法是拆成两层：一层是随课练习用的样例数据，学的时候边看边敲，跑通了才算过；另一层是章节笔记和代码片段，专门留给复盘——隔一周回来，只看笔记能不能把一节的逻辑复述出来，能复述就说明真会了。

如果笔记里出现大量「某某函数的作用是……」这种句子，说明记法有问题，应该改成「遇到某类脏数据时先做什么、再做什么」。前者是抄，后者是判断，后者才是能带进工作的东西。

学这门课的几个提醒

第一，别把 Excel 思维硬套过来。Pandas 里很多看似绕的操作，是因为它面向的是「表」而不是「单元格」，理解了这个前提，很多写法就顺了。第二，动手时尽量换成自己的数据。用课程样例跑通只证明你认字，用自己的乱表跑通才证明你会用。第三，遇到报错先别急着搜，读一遍报错信息，Pandas 的报错通常已经指明了是哪一列、哪一步出的问题，这个习惯比多学一个函数值钱。

整体看，这一季适合已经能用 Pandas 读写单表、但处理多表和不规整数据时没把握的人。如果你还停在「读进来、选几列」的阶段，先把基础篇的操作练熟再进来，效果会更好。

用Python中的Pandas处理Excel数据第2季进阶篇

课程推荐

视频目录（50 节）

用Python中的Pandas处理Excel数据第2季进阶篇

* 【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

用Python中的Pandas处理Excel数据 第2季 进阶篇

课纲的含金量在哪

哪几个章节值得精看

资料包该怎么拆开用

学这门课的几个提醒

用Python中的Pandas处理Excel数据第2季进阶篇