多学5个实用Excel技巧，工作早做完，比同事早下班

于 2019-08-27 17:02:56 发布
阅读量71 收藏
点赞数
原文链接：http://blog.51cto.com/14456145/2433017
版权

1、输入打勾打叉

Excel里面需要输入打勾打叉的时候，我们可以将字体先调整成windings2

然后输入大写的字母OPQR，分别代表叉，勾，带框的叉，带框的勾
多学5个实用Excel技巧，工作早做完，比同事早下班

2、金额以万元显示

表格中的销售额是以元为单元的，我们让它变现万元的单位，需要除以1万，我们在任意空白的单元格中输入1万，然后复制它，在金额中进行选择性的粘贴，运算里面选择除即可，效果如下所示：
多学5个实用Excel技巧，工作早做完，比同事早下班

3、处理VLOOKUP的错误

如果VLOOKUP函数查找不到值的时候，会很难看，这个时候我们可以用IFERROR函数，强制的将错误值，转换成空白

IFERROR(公式,"")，公式正确的时候显示公式的值，错误的时候，显示第2个参数，两个双引号表示空白。
多学5个实用Excel技巧，工作早做完，比同事早下班

4、快速把重复值找出来

首先使用条件格式，突出重复值，那么重复的值都会被标记一个颜色，然后我们使用筛选功能，按颜色进行筛选，就可以把重复的值给找出来了。
多学5个实用Excel技巧，工作早做完，比同事早下班

5、行列快速转换

有的数据，行和列的方向需要换一个，这个时候，复制好数据后，选择性粘贴，然后将转置前面的勾进行选中
多学5个实用Excel技巧，工作早做完，比同事早下班

今天的技巧，你都学会了么？自己动手试试吧~

bianshu2376
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Datacom-HCIA认证全套课件
07-30
Datacom-HCIA认证全套课件 完整的，不错 HC110110001 传输介质简介.pptx HC110110002 以太网帧结构.pptx HC110110003 IP编址.pptx HC110110004 ICMP协议.pptx HC110110005 ARP协议.pptx HC110110006 传输层协议.pptx HC110110007 数据转发过程.pptx HC110110008 VRP基础.pptx HC110110009 命令行基础.pptx HC110110010 文件系统基础.pptx HC110110011 VRP系统管理.pptx HC110110012 交换网络基础.pptx HC110110013 STP原理与配置.pptx
基于tp5的校园生活系统.zip
07-30
基于tp5的校园生活系统.zip
C++技术资料分享17重要培训技术资料.zip
07-30
C++技术资料分享17重要培训技术资料.zip
第十三届恩智浦智能汽车竞赛---三轮电磁组.zip
07-30
毕业设计是高等教育阶段学生完成学业的一个重要环节，通常在学士或硕士学业即将结束时进行。这是学生将在整个学业中所学知识和技能应用到实际问题上的机会，旨在检验学生是否能够独立思考、解决问题，并展示其专业能力的一项综合性任务。 毕业设计的主要特点包括： 独立性： 毕业设计要求学生具备独立思考和解决问题的能力。学生需要选择一个合适的课题，研究相关文献，进行实地调查或实验，并提出独立见解。 实践性： 毕业设计是将理论知识应用到实际问题中的一次实践。通过完成毕业设计，学生能够将所学的专业知识转化为实际的解决方案，加深对专业领域的理解。 综合性： 毕业设计往往要求学生运用多个学科的知识，综合各种技能。这有助于培养学生的综合素养，提高他们的综合能力。 导师指导： 学生在毕业设计过程中通常由一名指导老师或导师团队提供指导和支持。导师负责引导学生确定研究方向、制定计划、提供建议，并在整个过程中监督进展。 学术规范： 毕业设计要求学生按照学术规范完成研究，包括文献综述、研究设计、数据采集与分析、结论和讨论等环节。学生需要撰写一篇完整的毕业论文，并进行答辩。
nurbsMATLAB中，NURBS（非均匀有理B样条）是一种强大的数学工具，用于
07-30
在MATLAB中，NURBS（非均匀有理B样条）是一种强大的数学工具，用于表示和处理复杂的曲线和曲面。NURBS在计算机图形学、CAD（计算机辅助设计）、CAM（计算机辅助制造）等领域有着广泛的应用。下面将详细探讨MATLAB中NURBS的绘制方法以及相关知识点。 我们需要理解NURBS的基本概念。NURBS是B样条（B-Spline）的一种扩展，其特殊之处在于引入了权重因子，使得曲线和曲面可以在不均匀的参数空间中进行平滑插值。这种灵活性使得NURBS在处理非均匀数据时尤为有效。 在MATLAB中，可以使用`nurbs`函数创建NURBS对象，它接受控制点、权值、 knot向量等参数。控制点定义了NURBS曲线的基本形状，而knot向量决定了曲线的平滑度和分布。权值则影响曲线通过控制点的方式，大的权值会使曲线更靠近该点。 例如，我们可以使用以下代码创建一个简单的NURBS曲线： ```matlab % 定义控制点 controlPoints = [1 1; 2 2; 3 1; 4 2]; % 定义knot向量 knotVector = [0 0 0 1 1 1]; % 定义权值（默认为1，如果未指定） weights = ones(size(controlPoints,1),1); % 创建NURBS对象 nurbsObj = nurbs(controlPoints, weights, knotVector); ``` 然后，我们可以用`plot`函数来绘制NURBS曲线： ```matlab plot(nurbsObj); grid on; ``` `data_example.mat`可能包含了一个示例的NURBS数据集，其中可能包含了控制点坐标、权值和knot向量。我们可以通过加载这个数据文件来进一步研究NURBS的绘制： ```matlab load('data_example.mat'); % 加载数据 nurbsData = struct2cell(data_example); % 转换为cell数组 % 解析数据 controlPoints = nurbsData{1}; weights = nurbsData{2}; knotVector = nurbsData{3}; % 创建并绘制NURBS曲线 nurbsObj = nurbs(controlPoints, weights, knotVector); plot(nurbsObj); grid on; ``` MATLAB还提供了其他与NURBS相关的函数，如`evalnurbs`用于评估NURBS曲线上的点，`isoparm`用于生成NURBS曲面上的等参线，以及`isocurve`用于在NURBS曲面上提取特定参数值的曲线。这些工具对于分析和操作NURBS对象非常有用。 MATLAB中的NURBS功能允许用户方便地创建、编辑和可视化复杂的曲线和曲面。通过对控制点、knot向量和权值的调整，可以精确地控制NURBS的形状和行为，从而满足各种工程和设计需求。通过深入理解和熟练掌握这些工具，可以在MATLAB环境中实现高效的NURBS建模和分析。
TP-UART 2-IC.pdf
07-30
TP-UART 2-IC.pdf
安卓Android快递代拿跑腿APP设计可升级Studio毕业源码案例设计.zip
07-30
安卓Android快递代拿跑腿APP设计可升级Studio毕业源码案例设计.zip
基于Android的人脸门禁系统.zip
07-30
基于Android的人脸门禁系统.zip
零基础入门转录组数据分析-机器学习算法之lasso（筛选特征基因） 配套资源
07-30
零基础入门转录组数据分析——机器学习算法之lasso（筛选特征基因） https://blog.csdn.net/weixin_49878699/article/details/140700239 教程配套的原始数据+代码+处理好的数据文件
libmodbus开源代码
07-30
libmodbus
【SCI顶级】飞蛾扑火算法MFO-CNN-LSTM-Multihead-Attention温度预测【含源码 5727期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Mutilhead-Attention回归预测
【JCR一区级】白鲸算法BWO-CNN-LSTM-Attention故障诊断分类预测【含Matlab源码 5659期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Attention分类系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Attention分类 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Attention分类 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Attention分类 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Attention分类 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Attention分类
【SCI顶级】狮群算法LSO-CNN-LSTM-Multihead-Attention温度预测【含源码 5757期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Mutilhead-Attention回归预测
风驰电掣：大模型硬件加速技术全解析
07-30
大型机器学习模型，通常简称为“大模型”，是指具有数十亿甚至数千亿参数的深度神经网络模型。这些模型因为其庞大的参数量和复杂的计算结构，能够处理非常复杂的任务和数据，展现出强大的表达能力和预测性能。大模型在自然语言处理、计算机视觉、语音识别和推荐系统等多个领域都有广泛的应用。 大模型的设计目的是通过训练海量数据来学习复杂的模式和特征，从而具备强大的泛化能力，能够对未见过的数据做出准确的预测。与参数较少、层数较浅的小模型相比，大模型虽然需要更多的计算资源和时间来训练和推理，但它们展现出了一种被称为“涌现能力”的特性，即从原始训练数据中自动学习并发现新的、更高层次的特征和模式。 大模型的发展历程可以分为几个阶段，从早期的卷积神经网络模型发展到以Transformer为代表的全新神经网络模型，再到当前以GPT为代表的预训练大模型阶段。Transformer架构因其自注意力机制而成为大模型的核心技术，它使得模型能够更好地理解和处理文本数据中的长距离依赖关系。 大模型的分类主要包括语言大模型（NLP）、视觉大模型（CV）和多模态大模型。语言大模型专注于处理文本数据和理解自然语言，而视觉大模型用
源代码-xml ASP统计系统 v1.0.zip
07-30
源代码-xml ASP统计系统 v1.0.zip
面向对象+深度学习”遥感信息提取技术在水利行业应用PPT(51页).pptx
最新发布
07-30
水利大数据助力智慧水利 智慧水利是现代水利管理的重要发展方向，它不仅仅是一种技术或产品，而是一个涉及理论框架、政策、资金、人才、技术、商业模式和各业务系统的全面创新的复杂巨系统工程。智慧水利的核心是以水利信息化服务为基础，通过监测、传输、存储、分析、预警和智能应用等系统服务，全面提升水资源管理、防汛抗旱、水土保持和水务一体化管理等水利现代化业务的能力。 智慧水利现状与挑战 目前，智慧水利建设在全国范围内尚未全面展开，许多地区仍停留在传统水利信息化的基础上。面临的主要难题包括筹建自主权弱、发展不均衡、建设周期长、数据孤岛严重、泄密安全和建设失控等。政策理念落后、资金问题、行业封闭和技术储备不足也是制约智慧水利发展的重要因素。此外，系统设计更新不及时、商业模式不明显等问题也亟待解决。 智慧水利技术路线 智慧水利的技术路线涉及实体网络、管理网络和信息网络的整合。通过物联感知技术，如山洪灾害监测、取水口监测、闸门远程测控等，实现数据信息的自动采集、传输、处理、存储及应用。业务应用方面，涵盖水行政执法监督、水资源信息服务、水资源业务管理、多元汛情旱情监测预报等多个领域，推动水利管理向智能化、精细化发展。 水利大数据平台 水利大数据平台是智慧水利建设的关键支撑。它通过激光、遥感、GIS、BIM、传感网和射频技术等现代化信息化技术，整合多源、多维、大量和多态的水利数据。平台不仅整合水利行业各部门的基础数据库和生产监测数据，还涉及跨部门跨行业的涉水数据和涉水社会情况数据。通过行政手段、经济手段和技术手段，实现数据的抽取、整合和共享，为智慧水利提供强大的数据支持。
细胞分割计数matlab程序 附GUI .zip
07-30
细胞分割计数matlab程序 附GUI
About 基于Springboot+Vue+Python深度神经网络学习算法水质管理预测系统.zip
07-30
About 基于Springboot+Vue+Python深度神经网络学习算法水质管理预测系统.zip
提升Excel技能：早做完，不加班的工作秘籍
"《Excel效率手册 早做完，不加班》是关于提升Excel技能和工作效率的手册，适合自我学习和提升。书中强调了养成良好习惯、向有经验者学习的重要性，并详细介绍了Excel的基础操作和实用技巧。" 在Excel的学习和应用...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值