正版资源用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》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
支付成功后自动发货，可在「我的订单」查看网盘链接；链接失效可联系客服免费补链。
这门课在第 1 季之后补了什么
第 1 季解决的是「会读会写」：read_excel、to_excel、列筛选、简单聚合。但真正落到工作场景里，卡人的往往不是这些。多张工作表要拼成一张总表、表头不在第一行、一个 Excel 里混着合并单元格和空行、几十个格式相同的文件要批量汇总、月报口径要对齐日历而不是自然月末——这些才是进阶篇展开的内容。它假设你已经能写出基本的 DataFrame 操作，把重心放到数据入口清洗、跨表对齐和结果落盘这三个环节上。
技术栈与结构
核心依赖仍是 pandas，读取层会用到 openpyxl 与 xlrd 两个引擎的差异，涉及公式与格式时需要 openpyxl 直接操作工作簿对象。进阶部分会引入更贴近工程化的处理方式：用read_excel的sheet_name=None一次性读入全部工作表再合并，用header与skiprows定位真实表头，用 MultiIndex 处理双层表头，用melt/pivot在宽表和长表之间转换，用merge的 how 参数控制多表拼接的保留策略，用groupby加agg做多列多口径统计，用ExcelWriter一次写出多个 sheet 并保留部分格式。日期处理会涉及to_datetime、resample与周期偏移，这是月报类需求绕不开的一块。
可复用的几个模块
- 批量读取与合并：把同目录下结构一致的多份报表读成列表再
concat，附加上来源标识列。 - 脏数据定位：空行、重复表头、类型串行（数字被读成字符串）的检测与批量修正。
- 透视与逆透视：面向业务口径的宽表输出，以及为后续分析准备的长表结构。
- 多表关联：主数据与维度表的连接，处理键值不一致和一对多膨胀。
- 分组汇总与写出：一次生成多张结果表，落到同一个 Excel 文件的不同 sheet。
这几块拆开看都不复杂，但串起来就是一条完整的处理流水线：读入 → 清洗 → 变换 → 汇总 → 落盘。把这套结构抄进自己的脚本，比记住某个 API 参数更有用。
怎么用它自学
不要只看，边看边把示例数据换成自己手头的一份真实表格。每学完一个模块，试着把那段逻辑抽成一个函数，参数化输入路径和输出路径，让它能被下一个脚本直接调用。遇到读进来类型不对、合并后行数变多、日期解析报错这类问题，先自己打印中间结果的 shape 和 dtypes 定位，再回头看讲解是怎么规避的。进阶篇的价值在于它给的是处理思路和取舍理由，而不是一段可以照抄的代码。建议准备一份自己的「踩坑记录」，把每个报错和对应的解决方式写下来，这比章节笔记更贴近你实际会遇到的场景。
适合谁对照实践
如果你日常要从 Excel 里出报表、做数据核对，或者在做数据相关岗位的准备工作，需要把零散的表格操作整理成可复用的脚本，这门课的结构正好对上。它不涉及前端和 Web 框架，纯粹围绕表格数据的处理展开，适合拿来对照自己的脚本做一次重构：看看同样的需求，用 pandas 写出来能不能更短、更稳、更容易改。学完一轮之后，拿一份自己积压很久的手工汇总任务重做一遍，是检验是否真正吸收的最直接方式。
用Python中的Pandas处理Excel数据 第2季 进阶篇
课程推荐
《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；完整课程目录有助于制定阶段性学习计划并在简历中体现技术深度。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
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
