4. Python in Excel 2025 数据科学大师班 - Udemy
Alexander Hagmann 在 Udemy 上的 Python in Excel 2025 数据科学大师班，适合想在不离开工作簿的情况下使用 Python 的分析师。
- 难度： 需要具备基础的 Excel 与 Python 编码技能
- 时长： 共 7 小时 34 分钟
- 费用： $19.99
- 最佳适用对象： 在 Excel 单元格中运行 pandas 和 scikit-learn
课程使用微软的 Python in Excel 功能，直接在单元格里编写 pandas、seaborn 和 scikit-learn 代码，项目涵盖电影收入、道琼斯股价和奥运奖牌表。其 Udemy 页面显示来自 261 个评分的 4.2/5 评分，我们在 2026 年 11 月 12 日查看时，美国区标价为 $19.99。
限制在于使用要求：需要一台订阅了 Microsoft 365 的 Windows 桌面设备（不支持 Mac 或 Linux），并在开始前具备基础 Python 技能。零基础的 Excel 用户应先学习 Introduction to Python。
我们的推荐： 先学 DataCamp 的 Introduction to Python，这是 Associate Data Scientist in Python 学习路径的第一门课。若您的工作以查找为主，可加学 Pandas Joins for Spreadsheet Users。
最佳 pandas、NumPy 和 scikit-learn 课程
学习 pandas、NumPy 和 scikit-learn 的最佳顺序是按实际使用来：先用 pandas 清洗与整形数据，再学支撑其下的 NumPy 数组，最后用 scikit-learn 建模。有一条学习路径几乎全部涵盖，另外 3 门单课可分别学习每个库。
1. Associate Data Scientist in Python - DataCamp
DataCamp 的 Associate Data Scientist in Python 学习路径，是从第一个 DataFrame 到第一个机器学习模型的最佳单一路径。
- 难度： 23 门课程
- 时长： 90 小时
- 费用： 包含于 Premium
- 最佳适用对象： 将 pandas 与 scikit-learn 作为一体化计划学习
该学习路径串联了 Data Manipulation with pandas、Joining Data with pandas、统计学、Matplotlib 与 seaborn，再到 Supervised Learning with scikit-learn 与 Unsupervised Learning in Python。它还为您备考 DataCamp 的 数据科学家认证的 Associate 级别。
2. Data Manipulation with pandas - DataCamp
DataCamp 的 Data Manipulation with pandas 是最适合已具备一点 Python 基础的分析师的单门 pandas 课程。
- 难度： 初级
- 时长： 4 小时
- 费用： 第一课免费，之后包含于 Premium
- 最佳适用对象： 以 pandas 替代筛选、排序和数据透视表的技能
您将导入与清洗数据、计算汇总统计并绘制快速图表，涵盖分析师每周在 Excel 中的大多数工作。Data Manipulation with pandas 也可搭配 DataCamp 的 AI 导师学习，依据每位学习者的角色、水平与目标定制独特课程。
3. Introduction to NumPy - DataCamp
DataCamp 的 Introduction to NumPy 是理解支撑 pandas 与 scikit-learn 的数组的最佳课程。
- 难度： 初级
- 时长： 4 小时
- 费用： 第一课免费，之后包含于 Premium
- 最佳适用对象： 数组与向量化计算
您将使用纽约市树木普查数据创建、排序、筛选与更新数组，这种逐列处理的大数据表体验与使用大型工作表很接近。多数 Excel 分析师会在第一门 pandas 课程之后学习它，当数组开始出现在 pandas 代码中时。
4. Supervised Learning with scikit-learn - DataCamp
DataCamp 的 Supervised Learning with scikit-learn 是想要做预测而不仅是做报表的分析师的最佳首门 scikit-learn 课程。
- 难度： 中级
- 时长： 4 小时
- 费用： 第一课免费，之后包含于 Premium
- 最佳适用对象： 您的首个分类与回归模型
课程使用真实世界数据集，由 Wayflyer 的高级数据分析师 George Boorman 授课，因此示例更偏向商业问题而非研究问题。当您对 pandas 已经驾轻就熟时再学习本课。
若要在没有目标列的情况下对客户或产品进行分组，Unsupervised Learning in Python 涵盖使用 scikit-learn 与 SciPy 的聚类与降维。
我们的推荐： 如果您想要一条可遵循的单一路径，选择 DataCamp 的 Associate Data Scientist in Python。若更喜欢自由组合，先学 Data Manipulation with pandas，再学 Supervised Learning with scikit-learn，是通往可运行模型的最短路径。
最佳带认证的 Python 数据科学课程
带认证的最佳 Python 数据科学课程，取决于您是想要 DataCamp 的基于岗位的考试，还是带有提供方品牌的证书。DataCamp 的学习路径面向限时与实操考试，IBM 与 Google 则通过 Coursera 颁发职业证书。
1. Data Analyst in Python - DataCamp
DataCamp 的 Data Analyst in Python 学习路径，是想继续做分析师但换用 Python 的 Excel 分析师的最佳认证路径。
- 难度： 9 门课程
- 时长： 36 小时
- 费用： 包含于 Premium
- 最佳适用对象： 想获得 Python 资质的分析师
该学习路径为 DataCamp 的数据分析师认证做准备：限时考试 DA101（2 小时）与 DA201（1 小时），以及需在 30 天内完成的实操考试 DA601P。认证包含于 Premium，并在 2 年内有效。
若想先拿一个更小的入门资质，Python Data Fundamentals 为 Python Data Associate 认证做准备，包括限时考试（PY101）与实操考试（PY501P）。
2. Data Scientist in Python - DataCamp
当 pandas 与 scikit-learn 已不再陌生时，DataCamp 的 Data Scientist in Python 学习路径是最佳认证路径。
- 难度： 9 门课程
- 时长： 26 小时
- 费用： 包含于 Premium
- 最佳适用对象： 以数据科学家岗位为目标的分析师
它为 DataCamp 的数据科学家认证的 Data Scientist 级别（DS101、DS201 与实操 DS601P）做准备，并补充分析岗位少见但有用的技能：SQL、Git、Python 包与面向机器学习的预处理。若您对相关库仍较生疏，请先学习 Associate Data Scientist in Python 路径。
3. IBM 数据科学职业证书 - IBM
IBM 在 Coursera 上的数据科学职业证书是知名的入门资质，涵盖这 3 个库。
- 难度： 初级，无需经验
- 时长： 每周 10 小时，共 4 个月
- 费用： 包含于 Coursera Plus
- 最佳适用对象： 来自 12 门课程系列的品牌证书
其 Coursera 页面列出该 12 门课程系列所涵盖的库包括 pandas、NumPy、Matplotlib、seaborn、scikit-learn 与 SciPy，且无需任何先修经验。相较单一学习路径，这一选择投入更大，页面显示每周 10 小时、共 4 个月。
4. Google 高级数据分析职业证书 - Google
Google 在 Coursera 上的高级数据分析职业证书，如果您已持有 Google 的入门级证书，对分析师来说是一个不错的资质选择。
- 难度： 高级，建议具备相关经验
- 时长： 每周 10 小时，共 6 个月
- 费用： 包含于 Coursera Plus
- 最佳适用对象： 正在转向回归与机器学习的分析师
其 Coursera 页面称该证书面向 Google Data Analytics Certificate 的毕业生而设计，涵盖统计分析、Python、回归模型与机器学习，共 7 门课程。缺乏此背景的 Excel 用户会觉得起步较陡，且课程互动性不如 DataCamp。
我们的推荐： 对于从 Excel 转向 Python 的分析师，DataCamp 的 Data Analyst in Python 是最直接的资质选择。若您更看重品牌证书而非基于考试的能力证明，可选择 IBM 的数据科学职业证书。
最佳免费 pandas、NumPy 与 scikit-learn 课程
最好的免费 pandas 课程是 Kaggle Learn 的 Pandas，之后的最佳免费进阶是 Kaggle 的 Intro to Machine Learning。DataCamp 的 Python 入门课程均提供免费第一课，足以判断这种学习形式是否适合您。
1. Pandas - Kaggle Learn
Kaggle Learn 的 Pandas 课程是在浏览器中练习 pandas 的最佳免费方式。
- 难度： 假设具备基础 Python 知识
- 时长： 4 小时
- 费用： 免费，Kaggle Learn 课程均为免费
- 最佳适用对象： 免费的 pandas 练习并可获取证书
6 节课每节都包含简短教程与练习笔记本，内容从读写数据到分组、排序与合并表格。默认您已先学习 Kaggle 自家的 Python 课程，且不会帮您将 Excel 习惯迁移到 pandas。
2. Intro to Machine Learning - Kaggle Learn
Kaggle Learn 的 Intro to Machine Learning 是构建并验证模型的最佳免费入门。
- 难度： 中级
- 时长： 3 小时
- 费用： 免费，Kaggle Learn 课程均为免费
- 最佳适用对象： 在学习 pandas 之后免费完成第一个模型
7 节课内容涵盖模型工作原理、模型验证、欠拟合与过拟合到随机森林。课程较短，因此请期待完成第一个模型，而非系统掌握 scikit-learn。
3. Introduction to Python 与 Python for Spreadsheet Users，第 1 课 - DataCamp
DataCamp 的 Introduction to Python 与 Python for Spreadsheet Users 的第一课均可免费学习，无需订阅。
- 难度： 初级
- 时长： 每节免费课约 1 小时
- 费用： 免费
- 最佳适用对象： 试用互动式学习是否适合您
免费第一课并非整门课程，但足以让您写出第一行 Python 代码，并判断互动式学习是否合适您。DataCamp 的免费教程可补充其余内容，从 Python in Excel 教程 到上文链接的 pandas 指南。
我们的推荐： Kaggle Learn 的免费 Pandas 课程是最佳免费选项，其次是 Intro to Machine Learning。使用 Introduction to Python 与 Python for Spreadsheet Users 的免费第一课，体验面向电子表格习惯设计的课程。
我们如何挑选这些 Python 数据科学课程
此清单专为从 Excel 迁移到 Python 的分析师编写，而非为给程序员增加新库。
- 我们在上述日期现场核验了每个评分、评价数量与学习者数据。
- 少于 200 条评价的课程不显示分数；此类课程标注为 "New"。
- 学习路径评分按路径内课程的评价数加权平均计算，而非采用学习路径页面自身评分。
- 我们优先选择过去 18 个月内更新过内容的课程。
- 排序先按针对目标的相关性，其次按新鲜度，而非评分或人气。
- 当其他平台的课程更合适时，我们也将其纳入并予以说明。
- 我们更偏好从电子表格任务（数据透视表、查找、Excel 文件）切入的课程，而非通用编程课程。
结语
如果您来自 Excel 且没有编程基础，请从 DataCamp 的 Introduction to Python 开始，并继续学习 Associate Data Scientist in Python 学习路径。该路径以这门课程起步，因此两者合在一起可覆盖完整的问题域：先学 Python 基础，再在同一计划中学习 pandas 与 scikit-learn 建模，并配套 Introduction to NumPy。若电子表格类比有助于您学习，可在其前或同时学习 Python for Spreadsheet Users。
需要资质证明的分析师应选择 Data Analyst in Python，而预算为零的学习者应从 Kaggle Learn 的免费 Pandas 课程入手。无论从哪里开始，挑一份您工作中的真实工作簿，并在学习过程中用 pandas 重建它。这比任何单独一门课都更有收获。
常见问题
对于来自 Excel 的分析师，学习 pandas、NumPy 和 scikit-learn 的最佳课程是什么？
DataCamp 的 Associate Data Scientist in Python 学习路径是 Excel 分析师的最佳选择，从其首门课 Introduction to Python 开始。该路径在一个计划中涵盖 pandas 与 scikit-learn，而 Introduction to NumPy 解释底层数组。若您更看重免费选项，Kaggle Learn 的 Pandas 与 Intro to Machine Learning 是最佳无成本替代。
不了解 Python 可以学 pandas 吗？
您需要一点 Python 基础，但不多。DataCamp 的 Introduction to Python 覆盖基础内容，Python for Spreadsheet Users 则通过熟悉的电子表格任务来引入 Python。当基础掌握后，Data Manipulation with pandas 是自然的下一门课。
我应该先学 NumPy 还是 pandas？
多数 Excel 分析师应从 pandas 开始，因为它与工作表、筛选和数据透视表直接对应。接着学习 DataCamp 的 Introduction to NumPy，掌握创建、排序、筛选与更新数组——pandas 与 scikit-learn 均构建其上。等到在 pandas 中的数据清洗已成日常，再学习 scikit-learn。
有没有免费的 pandas、NumPy 和 scikit-learn 课程？
有。Kaggle Learn 的 Pandas 与 Intro to Machine Learning 课程均为免费、基于浏览器，并在完成后提供证书。DataCamp 的 Introduction to Python 与 Python for Spreadsheet Users 各自都有免费第一课，此外 DataCamp 关于 pandas 与 Python in Excel 的教程也可免费阅读。
哪些 Python 数据科学课程提供认证？
DataCamp 的 Data Analyst in Python 学习路径为其数据分析师认证做准备，Data Scientist in Python 学习路径则为其数据科学家认证的 Data Scientist 级别做准备。两种认证均包含于 Premium，并在 2 年内有效。在 Coursera 上，IBM 的数据科学职业证书与 Google 的高级数据分析职业证书是最知名的替代选项。
Excel 用户学习 pandas、NumPy 与 scikit-learn 需要多长时间？
DataCamp 关于 pandas、NumPy 与 scikit-learn 的单门课程各约 4 小时，因此每个库的核心内容用几周晚间时间即可掌握。完整的 Associate Data Scientist in Python 学习路径包含 23 门课，共需 90 小时。结合您工作中的真实工作簿进行练习，将显著缩短达到熟练所需的时间。
学习这些课程 DataCamp 要花多少钱？
本清单中的 DataCamp 课程与学习路径包含于 Premium 方案，其美国标价为每月 $30.84（按年计费）；促销活动常常会降低价格。此处列出的每门课程也都有免费第一课，您可先在付费前体验课程形式。
Tom 是 DataCamp 的数据科学编辑，负责撰写与编辑 AI 教程、比较最新的 LLM 版本，并构建 AI 驱动的工作流程。在此之前，他曾在德国电信从事数据科学工作。工作之余，他利用机器学习预测足球比赛结果。
对于 Excel 分析师来说，学习 pandas、NumPy 和 scikit-learn 的最佳课程路径是 DataCamp 的“Associate Data Scientist in Python（Python 助理数据科学家）”学习路径，从其 Introduction to Python（Python 入门）课程开始。该路径会带您从第一个 DataFrame 出发，经由 pandas 和 scikit-learn 走到第一个预测模型；而 DataCamp 单独的 Introduction to NumPy（NumPy 入门）课程则讲解底层数组。
Excel 用户的起点往往不同：有人从未写过代码，也有人想在现有工作簿中直接用 Python。本文按照这种分法，从 Excel 到 Python 的课程开始，依次介绍 3 大库、认证与免费选项。想要先睹为快，免费的初学者 pandas 教程展示了 DataFrame 长什么样。
课程评分、评论数与学习人数最后核验于。
适合 Excel 用户的最佳 Python 数据科学课程对比表
下表对比了本文提到的每个 DataCamp 课程与路径的评分、学习人数、时长与级别。
您该选哪门 Python 数据科学课程？
适合 Excel 用户的最佳 Python 课程
对于 Excel 用户，最佳的 Python 课程应当能让您在第一小时内就开始用 Python 处理数据，并把它与您熟悉的公式、数据透视表与查找相衔接。下面这些课程覆盖了从工作簿到 Python 代码的第一步。
1. Introduction to Python - DataCamp
DataCamp 的 Introduction to Python 是从 Excel 转来的分析师学习 Python 的最佳第一门课。
课程会介绍 Python 界面及数据分析师所依赖的包，它也是“Associate Data Scientist in Python”学习路径的第一门课，因此若您继续深造，所学不会浪费。课程不以电子表格为框架，适合想按编程语言本来面目去学习的分析师。
2. Python for Spreadsheet Users - DataCamp
DataCamp 的 Python for Spreadsheet Users 是零基础且希望每个 Python 概念都能映射到表格任务的学习者的最佳替代选择。
课程借助您对常见电子表格函数的理解来引入 Python，其中一个最早的练习就是用 pandas 的
read_excel()函数加载 Excel 文件。完整的一章“Pivoting in Python（在 Python 中做透视）”用 DataFrame 方法重现数据透视表，这一刻往往能让大多数 Excel 用户理解为何值得学习 pandas。若表格类比对您有帮助，可在 Introduction to Python 之前或同时学习本课程。3. Pandas Joins for Spreadsheet Users - DataCamp
DataCamp 的 Pandas Joins for Spreadsheet Users 最适合日常工作离不开用 VLOOKUP 或 XLOOKUP 匹配表格的分析师。
课程教您用 pandas 连接表格数据集，并提出 Excel 用户最有共鸣的一点：pandas 可以处理数百万行数据，远超电子表格的大小限制。其评价数尚不足 200 条，因此暂不显示评分。
如果您想学习相同技能而不需要与电子表格做对比，Joining Data with pandas 会更深入地讲解合并、拼接与过滤式连接。