课程定位

把多份工作表合在一起时，日期可能被当成文本，同一个门店也可能有两种写法。脚本即使能够跑完，最后的分组结果也会因类型或口径错误而失真。本专题围绕Pandas导入、清洗、转换和聚合，学习怎样判断清洗规则，以及如何保存能复查的处理证据。

课程内容与学习重点

先记录数据结构与输入异常

导入样表后，核对表头、列类型、缺失值与常用字段，了解输入来自哪个系统和时间段。日期、金额和编号在不同导出文件里可能用不同格式。可将业务上无值、字段没有采集和格式无法解析分开标记，再决定哪些需要向原记录补查。以一张销货表为例，先保留原始编号和一组异常样本，观察日期解析、字符整理和数值转换是否改变了原本有效的信息。

分组前先对照字段与统计口径

选择门店、类别或日期作为分组条件，明确每个结果代表合计、独立记录数量还是其他计算方式。若存在重复行，先区分重复导入和真实的多次业务，再决定是否去重。遇到某门店不见了，可以核对字段统一、空值分组和时间边界。分组前后分别保留记录量、缺失数和关键总额，遇到变化可以回看哪条转换规则改变了样本。对多级索引或按时间汇总的结果，同样需保存分组条件供他人查看。

用样本和处理日志复核输出

选几条已知记录与边界案例，写明应该保留、转换、归组还是转入待查。执行后分别检查正常样本和异常清单，再将汇总数与原始表和人工计算的示例对照。可以将列类型检查、字段转换、异常输出和结果保存拆成步骤，让另一名同事按相同输入重现。对于未解决的问题，标注数据来源、涉及记录及影响范围，课后可据此搭建自己的表格清洗台账。

适合人群

适合用电子表格处理经营数据的运营、分析、行政人员，以及想从基础脚本切入数据处理的学习者。建议带一份仅含几行的脱敏样表，包含可正常转换、无法识别和需要核查的记录。已有Python基础的学员可重点准备平时最难解释的统计差异。如同时使用多个数据来源，可预先标出每张表的采集日期、字段含义与可能冲突的业务编码。

开课与报名咨询

单专题开课时间、授课城市、学习时长、费用及参加方式详询。咨询时可写明手头的数据类型以及正在处理的字段问题。

表格里空白值很多，要先补零吗？先确认空白代表未采集、确实无值还是其他情况。补零可能改变汇总，处理前可把不同状态标记出来。

处理完只需要保存最终报表吗？建议同时保留输入版本、规则、差异和待查记录。重新导入或变更统计规则时，有记录更容易复核。

温馨提示：课程内容为拟定，具体实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。