如果你曾经使用过Excel,那么你可能已经经历了选择不正确的公式来分析数据集的痛苦。也许你花了几个小时来研究它,但因为数据输出错误、或者功能太复杂了,最终还是以失败告终。如果听起来像你,那么接下来Excel15种数据分析功能很可能适合你。

Excel中有数百种功能,试图将正确的公式与正确的数据分析进行匹配可能会让人不知所措。最有用的功能不必太复杂。十五个简单的功能将提高你分析数据的能力!

1.连接

CONCATENATE是进行数据分析时最容易学习但功能最强大的公式之一。将多个单元格中的文本,数字,日期和更多内容组合为一个。这是创建API端点,产品SKU和Java查询的出色功能。

式:

= CONCATENATE(选择要合并的单元格)

在此示例中:

= CONCATENATE(A2,B2)

2. LEN

LEN快速提供给定单元格中的字符数。如上例所示,可以使用= LEN公式确定两种不同类型的产品库存单位(SKU),以查看该单元格包含多少个字符。LEN在尝试确定不同的唯一标识符(UID)之间的差异时特别有用,这些标识符通常很长且顺序不正确。

式:

= LEN(选择单元格)

在此示例中:

= LEN(A2)

3. COUNTA

COUNTA标识单元格是否为空。在数据分析师的生活中,每天都会遇到不完整的数据集。COUNTA允许评估数据集可能存在的任何空白,而无需重新组织数据。

式:

= COUNTA(选择单元格)

在示例中:

= COUNTA(A10)

4. DAYS / NETWORKDAYS

DAYS正是它的含义。此功能确定两个日期之间的日历天数。这是根据服务时间评估产品,合同和运行评级收入的生命周期的有用工具——数据分析必不可少。

= NETWORKDAYS更加有用。此公式确定两个日期之间的“工作日”数以及考虑假期的选项。甚至工作狂也需要不时休息!使用这两个公式比较时间范围对于项目管理特别有用。

公式:

= DAYS(选择单元格,选择单元格)
要么

= NETWORKDAYS(SELECT CELL,SELECT CELL,[节假日数])
注意:[numberofholidays]是可选的,

在示例中:

=天(C8,B8)
要么

= NETWORKDAYS(B7,C7,3)

5. SUMIFS

SUMIFS是数据分析师的“必备知识”公式之一。常用的公式是= SUM,但是如果您需要基于多个条件对值求和怎么办?SUMIFS是它。在下面的示例中,SUMIFS用于确定每种产品对收入的贡献。

式:

= SUMIF(RANGE,CRITERIA,[sum_range])
注意:[sum_range]是可选的,

在示例中:

= SUMIF($ B $ 2:$ B $ 28,$ A $ 2:$ A $ 28,$ F2)

6.平均

与SUMIFS一样,AVERAGEIFS允许你基于一个或多个条件取平均值。

式:

= AVERAGEIF(SELECT CELL,CRITERIA,[AVERAGE_RANGE])
注意:[average_range]是可选的,

在示例中:

= AVERAGEIF($ C:$ C,$ A:$ A,$ F2)

7. VLOOKUP

VLOOKUP是最有用且可识别的数据分析功能之一。作为Excel用户,可能有时需要将数据“结合”在一起。例如,应收帐款可能知道每种产品的成本,但是运输部门只能提供装运的单位。这是VLOOKUP的完美用例。

在下图中,我们将参考数据(A2)与定价表结合使用,以使excel在第一列中查找匹配条件并返回相邻的值。

式:

= VLOOKUP(LOOKUP_VALUE,TABLE_ARRAY,COL_INDEX_NUM,[RANGE_LOOKUP])

在示例中:

= VLOOKUP($ A2,$ G $ 1:$ H $ 5,2,0)

8.查找/搜索

FIND / = SEARCH是用于隔离数据集中特定文本的强大功能。由于= FIND将返回区分大小写的匹配项,因此在此处都列出了这两者,即,如果你使用FIND查询“ Big”,则只会返回Big = true结果。但是,“ Big”的= SEARCH将与Big或big匹配,从而使查询范围更广。这对于查找异常或唯一标识符特别有用。

式:

= FIND(TEXT,WITHIN_TEXT,[START_NUMBER])或= SEARCH(TEXT,WITHIN_TEXT,[START_NUMBER])
注意:[start_number]是可选的,用于指示要搜索的文本中的起始单元格。

在示例中:

=(FIND(“大”,A2,1)“”)

9.错误

IFERROR是任何主动提供数据的分析师都应利用的东西。使用前面的示例,在数据集中查找特定文本或值将不会返回匹配项。这会导致#VALUE错误,并且尽管无害,但会分散注意力并引起目眩。

使用= IFERROR将#VALUE错误替换为任何文本或值。在上面的示例中,该单元格为空白,以便数据使用者可以轻松地选择哪些行返回了匹配值。
式:

= IFERROR(FIND“ VALUE”,SELECT CELL,VALUE_IF_ERROR)

在示例中:

= IFERROR(FIND“ BIG”,A6,1),“”)

10. COUNTIFS

COUNTIFS是计算数据集满足一组条件的实例数的最简单方法。在上面的示例中,产品名称用于确定哪个产品最畅销。COUNTIFS功能强大,因为您可以输入无限的条件。

式:

= COUNTIFS(RANGE,CRITERIA)

在示例中:

= COUNTIFS($ A:$ A,$ F9)

11.左/右

LEFT,= RIGHT是从单元格中提取静态数据的有效而直接的方法。= LEFT将返回单元格开头的“ x”个字符,而= right将返回单元格结尾的“ x”个字符。在下面的示例中,= LEFT用于从用户的电话号码中提取消费者的区号,而= RIGHT用于提取后四位数字。

式:

= LEFT(SELECT CELL,NUMBER)
要么

= RIGHT(选择手机号码,NUMBER)

在此示例中:

=左(A6,3)

=右(A6,4)

12.排名

RANK是一个古老的excel函数,但是并没有低估它在数据分析中的有效性。= RANK使你可以快速表示值如何在数据集中以升序或降序排列。在该示例中,使用RANK来确定哪些客户订购的产品最多。

式:

= RANK(SELECT CELL,RANGE_TO_RANK_AGAINST,[ORDER])
注意:[order]是可选的,

在示例中:

= RANK($ B7,$ B $ 2:$ B $ 7,0
注意:0返回排名第一的最大值

13. MINIFS

MINIFS与min函数非常相似,不同之处在于它允许取一组值中的最小值,并与条件进行匹配。在示例中,= MINIFS用于查找每种产品的最低售价。

式:

= MINIFS(RANGE1,CRITERIA1,RANGE2)

在此示例中:

= MINIFS($ B $ B,$ A:$ A,$ E5)

14. MAXIFS

MAXIFS与其对应的minifs一样,允许你根据条件进行匹配,但这一次它将查找最大数目。
式:

= MAXIFS(RANGE1,CRITERIA1,RANGE2)

在此示例中:

= MAXIFS($ B $ B,$ A:$ A,$ E5)

15. SUMPRODUCT

SUMPRODUCT是计算平均回报,价格点和利润率的出色功能。SUMPRODUCT将一个值范围乘以其对应的行对应项。这是数据分析的黄金。在下面的示例中,我们通过使用sumproduct乘以Price除以数量,然后除以总销量,计算出所有产品的平均售价。

式:

= SUMPRODUCT(RANGE1,RANGE2)/选择单元格

在此示例中:

= SUMPRODUCT(B2:B9,C2:C9)/ C10

掌握以上15种EXCEL的基本操作,就是数据分析的入门操作啦~赶紧学起来吧

数据分析入门:15种EXCEL数据分析功能相关推荐

  1. 数据分析入门之三种核心思维

    数据分析入门 如何简单数据 有哪种核心思维来分析数据 作为一名程序员如何分析数据 来一一解答 数据分析入门 学习数据分析第一需要理解数据分析思维 为什么思维重要? 不知道问题有没有发生 不知道问题在哪 ...

  2. 数据分析入门必看|数据分析到底应该学什么?

    数据分析在工作和学习中用到的越来越多,以前也成体系的分享了一些内容,详情参考链接:数据分析系列 1/32 | 数据分析入门理解.在之前的分享内容里,是为了让大家更快上手入门去学习使用的,本次内容合计里 ...

  3. 数据分析入门:如何训练数据分析思维?

    本文由  网易云 发布. 作者:吴彬彬(本篇文章仅限知乎内部分享,如需转载,请取得作者同意授权.) 我们在生活中,会经常听说两种推理模式,一种是归纳 一种是演绎,这两种思维模式能够帮助数据分析师完成原 ...

  4. python 数据分析入门教程(三)_Python数据分析入门教程(三):数据选择——AIU人工智能学院-经管之家官网!...

    https://p1.pstatp.com/large/pgc-image/a6743a84f13a4f07a7ec3e9405467c6a 在上面的代码中,iloc后的方括号中逗号之前的部分表示要获 ...

  5. python大数据分析入门实例-Python大数据分析与机器学习商业案例实战

    大数据分析与机器学习技术已成为各行各业实现数字化变革的关键驱动力.本书以功能强大且较易上手的Python语言为编程环境,全面讲解了大数据分析与机器学习技术的商业应用实战.全书共16章,讲解了线性回归模 ...

  6. 数据分析入门,深入浅出的数据分析

    很多朋友选择从事数据分析,主要是看到这个岗位的发展前景和薪资待遇. 时下正值大数据与人工智能高速发展的时刻,相信很多对数据分析感兴趣的朋友想要转行.但是有些小白并不知道数据分析到底是什么?需要掌握哪些 ...

  7. python做大数据分析入门_独家|Python数据分析入门指南 - 大数据123 | 大数据导航网...

    有一个朋友最近问到这个问题,我觉得把它公开出来对其他人也会有帮助.这是给完全不了解Python而想找到从零到一的最简单的路径的人的建议: 1. 在这里(https://www.continuum.io ...

  8. python数据分析方法五种_python数据分析与算法之五 算法

    5.1线性回归算法模型 机器学习 人工智能和机器学习之间的关系 机器学习是实现人工智能的一种技术手段 算法模型 概念:特殊对象.该对象内部封装了某种还没有求出解的方程! 作用: 预测:天气预报 分类: ...

  9. 数据分析笔记 七种基础数据分析思维方法

    以上是学习笔记,视频链接点此

  10. python数据分析入门【二】 --- 数据处理

    python数据分析入门[二] - 数据处理 上一章内容python数据分析入门[一] - DataFrame & Series 下一章内容python数据分析入门[三] - 数据分析 文章目 ...

最新文章

  1. 【深度学习】DIY 人脸识别技术的探索(一)
  2. 文本分类(一)EWECT微博情绪分类大赛第三名Bert-Last_3embedding_concat最优单模型复现
  3. MyBatis传入参数为List对象
  4. 【题意+分析】1043 Is It a Binary Search Tree (25 分)
  5. html文字简单动画效果,CSS3一个简单的按钮悬停波浪文本动画效果
  6. 一道很熟悉的前端面试题,你怎么答?
  7. python项目构建_通过构建4个项目来学习Python网络
  8. Android 使用数据库 SQlite
  9. 数据结构期末复习之平衡二叉树
  10. python 颜色空间转换_python opencv入门 颜色空间转换(9)
  11. 写给科技公司项目经理的一封警告书
  12. R语言︱机器学习模型评价指标+(转)模型出错的四大原因及如何纠错
  13. 校外实习-第三周总结
  14. Matlab学习第一部分:基础知识
  15. 虚拟机怎么制作镜像文件
  16. 放映机服务器型号,巴可Barco SP4K-20CS4激光系列智能影院放映机投影机
  17. python两种方法实现从1000万个随机数中找出top n元素(附c语言版)
  18. capacity和capability的区别
  19. Netflix和它的混世猴子
  20. Sublime Text3 配置LaTex编辑器

热门文章

  1. [NOI Online 2021 入门组] 切蛋糕
  2. mysql 参数嗅探_一次存储过程参数嗅探定位流程总结
  3. 【安信可首款4G模组CA-01直连阿里物联网平台②】一机一密认证方式连接
  4. 彩灯控制电路设计 -- 流水灯双花型(附Multisim)
  5. puppet on windows
  6. 倒计时c#/unity
  7. 【提供代码获取方式】matlab使用风羽法画大气环流
  8. mfs网络分布式文件系统、高可用、iscsi存储方式的mfs、fence
  9. Edge 被 hao123 劫持解决方法
  10. 2015中考计算机考试时间,2015年中考考试科目安排