用Python中的Pandas处理Excel数据第1季入门篇

软考考证

课程简介

《用Python中的Pandas处理Excel数据第1季入门篇》第1章讲解Pandas中Series数据的各种基本操作，为后面顺利做数据分析打基础。【技能收获】学完可掌握：Python 编程。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：Linux 运维工程师、SRE、云计算工程师、DevOps 工程师。云原生与自动化运维仍是企业 IT 刚需方向，认证 +

已有 0 人浏览发布 2026-09-15 更新 2026-09-15

这套课的名字起得挺直白——用 Pandas 处理 Excel。但别被"入门篇"三个字骗了，它第一章只讲 Series，连 DataFrame 的边都没摸到。这意味着什么？意味着它把"数据结构底子"这件事看得很重，而不是上来就教你读 Excel 文件、画个图交差。对收藏型学习者来说，这种编排思路值得单独拎出来说。

先看清它的定位：不是 Excel 自动化教程

市面上大量"Python 处理 Excel"的内容，核心其实是 openpyxl 或 xlwings 那一套——批量改单元格、合并工作簿、生成报表。它们解决的是"替代手工操作"。而这门课的重心在 Pandas，Excel 只是数据的来源和出口。换句话说，它训练的是"把表格读进来之后怎么算"，而不是"怎么把表填得好看"。

这个区别决定了它更适合谁：如果你日常的痛点是几百个 Excel 手动复制粘贴，那这类课帮不到你太多；但如果你需要从表格里做筛选、分组、统计、透视，那 Pandas 才是正路。选课前先把这一点对齐，比看目录页数有用得多。

第一章只讲 Series，是减配还是故意

把整整一章给到 Series，乍看像是凑时长。但真实的入门卡点就在这里：很多人第一次用 Pandas 出错，不是不会调函数，而是没搞清索引——位置索引和标签索引混用、切片结果和预期不符、赋值时对不上号。Series 正是这套索引机制的最小载体，在它身上把 loc、iloc、对齐、缺失值这些概念过一遍，等进了 DataFrame 会顺很多。

所以这一章的正确用法不是"刷完"，而是"较真"。建议边看边在 REPL 里手动构造几个带自定义索引的 Series，故意制造索引错位，看看结果怎么变。这类手感在后面的多表合并里会直接兑现。

资料包怎么拆：笔记当索引，不当替代品

课程配了章节笔记，这类东西最容易变成"存了等于学了"。比较实际的拆法是三层：

第一层，当查表用。不看视频时，靠笔记里的函数签名和参数说明快速定位，省去重新拖进度条。
第二层，当错题本用。笔记上补齐自己踩过的坑，比如某个操作返回的是视图还是副本，改一个值为什么原数据没变。这些才是你独有的内容。
第三层，留空。别把笔记抄满，留白给后面 DataFrame、分组聚合时回头补。入门篇的笔记注定要在下一季被覆盖，一开始就写死反而碍事。

谁适合现在看，谁可以再等等

有一定 Python 语法基础、能看懂列表推导和函数定义的人，可以直接进来。如果你连变量和循环都还没写过，Pandas 的报错信息会让你很痛苦，先去补基础更划算。

另外，别把入门篇当成终点。Series 学得再透，不做一次真实的读表—清洗—分组—导出流程，知识还是散的。等第一季收尾时，自己找一份乱糟糟的 Excel，从头走一遍，比多刷两章视频管用。

至于摘要里提到的那些运维岗位方向，看看就好。Pandas 处理表格是通用数据处理能力，和具体岗位的绑定没那么强——它更像是一块可以带走的底层积木，放在哪条路上都用得上。

第1章讲解Pandas中Series数据的各种基本操作，为后面顺利做数据分析打基础。

课程推荐

视频目录（33 节）

* 1-1 Pandas数据分析利器开篇.mp4

* 1-2 1.1 Series的创建方式.mp4

* 1-3 1.2 Series属性获取与修改.mp4

* 1-4 1.3 Series导出的文件类型.mp4

* 1-5 1.4 Series元素的增加.mp4

* 1-6 1.5 Series元素的删除.mp4

* 1-7 1.6 Series元素的查询.mp4

* 1-8 1.7 Series元素的修改.mp4

* 1-9 1.8 实例应用（按条件拆分表）.mp4

* 2-1 2.1 DataFrame新建的几种方法.mp4

* 2-2 2.2 DataFrame属性获取与修改.mp4

* 2-3 2.3 DataFrame导出为Excel类型.mp4

* 2-4 2.4 DataFrame的行列查询（切片）.mp4

* 2-5 2.5 DataFrame的数据修改.mp4

* 2-6 2.6 DataFrame的行列增加.mp4

* 2-7 2.7 DataFrame的行列删除.mp4

* 2-8 2.8 实例应用1（将工作簿拆分到多工作表）.mp4

* 2-9 2.9 实例应用2（将达标数据标记为优）.mp4

* 3-1 3.1 行的分层索引设置.mp4

* 3-2 3.2 列的分层索引设置.mp4

* 3-3 3.3 将列数据设置为行索引.mp4

* 3-4 3.4 将行索引转换为列数据.mp4

* 3-5 3.5 行列索引互转.mp4

* 3-6 3.6 二维表转一维表.mp4

* 4-1 4.1 Pandas常见统计函数.mp4

* 4-2 4.2 agg对Series统计.mp4

* 4-3 4.3 agg对DataFrame统计.mp4

* 4-4 4.4 Groupby分组解析.mp4

* 4-5 4.5 Groupby分组的普通汇总.mp4

* 4-6 4.6 Groupby分组的agg汇总.mp4

* 4-7 4.7 Pivot_table基本用法.mp4

* 4-8 4.8 Pivot_table进阶用法.mp4

* 4-9 4.9 综合实例应用（拆分工作簿大全）.mp4

用Python中的Pandas处理Excel数据 第1季 入门篇

先看清它的定位：不是 Excel 自动化教程

第一章只讲 Series，是减配还是故意

资料包怎么拆：笔记当索引，不当替代品

谁适合现在看，谁可以再等等

用Python中的Pandas处理Excel数据第1季入门篇