5.21 将表格恢复到排序前的状态 [原创Excel教程]

原文:http://coolketang.com/staticOffice/5a97f32b128fe1189bd51869.html

1. 本节课将为您演示,如何将经过排列后的数据,恢复到原来的顺序。首先需要创建一列数据作为辅助列,点击选择I2单元格。 



2. 然后按下键盘上的数字键1,输入数字1。 


3. 按下键盘上的回车键,完成数字的输入。 


4. 接着输入数字2。 


5. 按下键盘上的回车键,完成数字的输入。 


6. 鼠标按下并向下方拖动,以选择两个单元格。 


7. 然后在单元格右下方的十字图标上按下鼠标,并向下方拖动,将计算公式快速填充到其它单元格。 


8. 在I列中的数字,表示了当前表格的排列顺序。点击选择H3单元格,您将对该列的单元格进行排序。 


9. 接着点击[排序和筛选]按钮,打开排序命令菜单。 


10. 选择列表中的[降序]选项,对部分数据列进行降序排列。 


11. 进行排序后,表格中的数据顺序被打乱,但是辅助列保存了所在行原来的顺序。点击左上角的保存按钮,保存排序后的工作表。 


12. 然后点击[浏览]按钮,指定工作簿保存的文件夹。 


13. 在文件名输入框内,输入工作簿保存后的名称。 


14. 最后点击保存按钮,保存当前的工作簿。 


15. 点击右上角的关闭图标,关闭工作簿。 


16. 点击左上角的文件选项卡,进入工作簿信息页面。 


17. 然后在右侧的历史工作簿列表中,点击打开刚刚关闭的工作簿。 


18. 现在为您演示如何恢复表格最初的排列顺序。首先点击选择I列中的任意单元格。 


19. 接着点击[排序和筛选]按钮,打开排序命令菜单。 


20. 选择列表中的[升序]选项,对辅助列的数据进行升序排列,以恢复辅助列左侧表格的顺序,并结束本节课程。 


本文整理自:《Excel 2016互动教程》,真正的[手把手]教学模式,用最快的速度上手Excel电子表格,苹果商店App Store免费下载:https://itunes.apple.com/cn/app/id1090726089,或扫描本页底部的二维码。课程配套素材下载地址:资料下载



深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

李发展

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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