【从零开始学excel办公自动化】第十三课:2分钟 vs 2天!用 pandas 如何分级搞定100万数据的日期维度分析

前面方老师带大家学习了：安装python和pandas以及番外篇1安装开发工具vscode。

前面学了【从零开始学excel办公自动化】第十二课：1分钟 vs 8小时！用 pandas 分分钟就搞定100多个工作表的清洗和合并的操作，大家可以去回顾一下。

ps：后台回复：“excel课程”获取到目前为止课程的测试文件（失效的话，在留言区留言

）。

大家在日常工作里有没有遇到小王这样事情。

周一下午 5点，销售部实习生小王被部门王经理叫到办公室。“

”小王，这份用户行为数据报告明天早会要用，你今晚加个班处理一下。“说完，不等小王反应过来，就给他一个U盘。

然后告诉他，主要是要做下面的处理：

1. 统一所有日期格式为 YYYY-MM-DD HH:MM:SS

2. 筛选出 2025 年 11 月 1 日至 12 月 31 日的数据

3. 按周统计用户活跃度

”好的“小王接过u盘，转身离开办公室，毕竟怎么说也改变不了什么。

回到工位上，他打开u盘，里面有两个excel文件，大概其中一个，有80万条数据，另一个20多万数据，算下来差不多要100多万。

然后他粗略的看了下日期，大致有这么些格式的。

• 2025/12/25

• 2025-12-25

• 25-12-2025

• 2025年12月25日

• 2025/12/25 14:30:00

这个用excel怎么弄，小王先尝试使用excel的手段。

• 先用 "文本分列向导" 处理不同分隔符

• 用TEXT()函数转换格式：=TEXT(A2,"YYYY-MM-DD HH:MM:SS")

• 进度： 2 小时只处理了 1 万条数据

因为数据量大了以后，每次筛选差不多都要2-3分钟才能反应过来，一遇到问题就可能要重做。

如果还这样弄下去，100万数据，起码要2-3天。根本不可能在明天早上完成。

”唉，怎么办呢？“，小王坐在位置上，抓着头发发出叹息。正好被路过的公司技术拿平叔听到了。

”怎么了，小王“

”是平叔呀，就是要处理100万excel记录中的日期，然后再进行必要的分析。excel太慢了，而且格式处理比较麻烦，你有办法吗？“小明简略地说了下问题，然后期盼地问道。

”这样啊，听上去没啥问题！”平叔平静地说道。

“我们来处理第一件事情，就是标准化日期格式”平叔边说边拿来自己的电脑，开始输入代码。

df['event_time'] = pd.to_datetime(df['收集日期'],                         errors='coerce')

这样，pandas就会自动帮我们把日期转成标准的日期，如果有错误就会标空。这个时候，只要打开excel看一下’event_time'为空的字段，然后再手工改一下就ok了。

然后我们来处理一下日期范围。

处理也很简单，也是一段代码的问题。

# 3. 时间范围筛选start_date = '2025-11-01'end_date = '2025-12-31'filtered_df = df[(df['event_time'] >= start_date)           & (df['event_time'] <= end_date)]

这样，filtered_df 就是11月和12月份的数据集，只要对这个数据集进行处理就可以了。

然后又是一行代码，就得出按‘周’的活跃人数。

# 4. 按周统计weekly_stats = filtered_df.resample('W', on='event_time')                      ['user_id'].count()

这里除了’W'之外，还支持

D (天)、W (周)、M (月)、Q (季度)

就这样一会，100万条记录就处理完了，差不多使用了2分钟就搞定。

欢迎在评论区分享你的想法！

🎉 同学们，看到这里，你学会了吗！

方老师说：

🚀 现在屏幕前的你已经比90%的同龄人领先一步了！

接下来可以：

• 用pandas实现如何进行excel数据分组与聚合分析的处理（下期教程教！）

• ⚠️ 遇到问题？评论区甩截图，方老师尽量在24小时内回复！