DSML_用Excel实现按行排序后按列排序，最后高亮重复值

记录一个刚刚用本‘笨’办法解决的数据清洗和数据整理问题

前几天收到邮件，对之前我一篇论文的方法进行测试的时候有些疑问。我在复现的时候遇到了以下的问题：

我现在有三个结果，res1， res2 和 res3，他们的结构基本是一致的，都是两列：

N8   N84
N18 N4
N22 N64
N10 N17
...
M0P1 M0P2
...

如果不用 Python，只用 Excel，如何找出三个结果中的重复值？（N2-N1视为与N1-N2等同）

我的笨办法（不用 VBA）

首先，分别按照编号大小左右排序，再从小到达按列排序，最后拼接字符串。然后只要找出三个结果中的重复值并高亮就行了。

首先，将数据清理一下。因为 M0P 开头的数据只有 M0P1 和 M0P2，我直接通过查找替换将所有 M0P1 换为 1001，M0P2换为1002（1001是因为N*中没有大于500的值，所以1001可以保证 unique）。

然后，我们将第二列向右移动一列，因为空出的这一列要放分列的输出。我们通过文本分列向导（数据->分列）将所有N*拆分成N和数字。如果选择按数据的“分隔符”进行拆分并将N设置为分隔符，则可以直接提取数字（这个在窗口预览的时候就能看到。具体可以参考微软的这个教程）。由于之前已经把M0P*转换为数字了，所以分列后这些1001、1002不会动；对于这两列，我们分别进行分列操作，这时所有N*中的数字则会以一个新列的形式出现在列旁。之后我们只要所有处理好的数据归回成完整的两列，我们的数据清理就完成了。

数据现在长这样：

之后，我们需要进行按行排序，这一步直接做的话我试了一些方案，都不行，除非用 VBA，否则都不能自动化操作。因为我的每行就两个数字，所以我们可以使用LARGE来实现类似排序的效果。假设我们第一列为excel的A列，第二列为B列，则使用=LARGE(A1:B1,2)就可以找出二者中小的数字，=LARGE(A1:B1,1)则找出二者中大的数字（具体参考这篇微软的教程：“If n is the number of data points in a range, then LARGE(array,1) returns the largest value, and LARGE(array,n) returns the smallest value.”）

这步完成后大概数据变成这样：

A   B        C    D
8   84      8   84
18  4       4  18
22  64       22  64
10  17      10  17
...
1001 1002   1001  1002
...

A   B        C    D
18  4       4  18
8   84      8   84
10  17      10  17
22  64       22  64
...
1001 1002   1001  1002
...

最后一步，为了比较重复值，我们需要将CD列挤成一列，这里是用拼接函数=CONCATENATE(C1,"_",D1)然后一样拉到底使其apply到所有行:

A   B        C    D      E
18  4       4  18   4_18
8   84      8   84  8_84
10  17      10  17  10_17
22  64       22  64 22_64
...
1001 1002   1001  1002  1001_1002
...

将三个结果粘进一个 Excel 文件中，假设拼接字符串的列在E、J、O，则全选这三列，选择“条件格式”->“重复值”，所有重复出现的字符串就会被高亮出来了！（具体参考这篇微软教程）。

以上。

visitor tracker