【excel处理技巧】如何在Excel中快速辨别两列数据是否一致的五种方法介绍

近来,工作中需要对一些数据进行比对稽核,从数据库中不同的表导出excel之后,还要进行汇总比对。

问题的起源是这样的:

两列数字,A列是一组数字;B列是另外一组数字,如下图所示:

我想得到的结果是:B列中的每一行数据是否在A列中出现?

如果10行,直接肉眼比对即可,加入是65535,全满列,那岂不是累死宝宝了!


考虑到excel函数也能实现这个功能,比手工比对要省事很多,于是借助强大的Internet,搜集了网上的一些方法,亲自验证,确实方便。

现在,汇总如下:

我们以下表的数据为例,具体的介绍一下操作方法。


方法一:

  Excel分别对AB列两列数据对比,比如A2=B2,就返回相同,否则返回不相同。

  D2公式为:=IF(C2=B2,"相同","不同"),这样就可以实现excel两列对比,判断C2和B2是否相同,如果相同就返回值“相同”,反之则显示不同。


同样的方法比较其它数据,结果如下图:


不过细心的朋友会发现,B5和C5实质上有大小写区分的,因此使用这个公式不是完全准确。Excel中exact函数可以完全区分大小写,因此C2公式可以更改为:=IF(EXACT(A2,B2)=TRUE,"相同","不同"),然后下拉复制公式,完成excel两列数据对比。


 这样我们就很准确的判断两列数据是否相同了,各位朋友按这方法试试。

方法二、

  AB两列都是客户的姓名,需要找到两列重复的客户名称,并标示出来。

  C1单元格输入数组公式:=IF(COUNTIF(A:A,B1)=0,"不重复",""),然后下拉完成excel两列数据对比。



方法三、

  在Excel中通过比较两列中的数据来查找重复项。如果A列的数据没有在B列出现过,就保留单元格为空。如果A列的数据在B列出现过,就返回A列对应的数据。

  C1输入公式:=IF(ISERROR(MATCH(A1,$B$1:$B$5,0)),"",A1)。Match部分得到的结果是#N/A或者数字,然后用ISERROR函数,将#N/A错误值进行处理,ISERROR(#N/A)得到TRUE,ISERROR(数字)得到false,最外面用IF函数来进行判断,如果第一参数是true,就执行第二参数,否则执行第三参数。这个应用是巧用excel两列对比,完成查找重复项。



方法四、

  Excel中用vlookup函数来对比两列。

  B1单元格公式为:=IF(ISNA(VLOOKUP(A1,$C$1:$C$6,1,)),"←A有C无","←AC共有")

  D1单元格公式为:=IF(ISNA(VLOOKUP(C1,$A$1:$A$6,1,)),"←C有A无","←CA共有")

  然后下拉复制公式,完成Excel两列对比。







方法五、

=IF(ISNA(LOOKUP(1,0/FIND(B1,A$1:A$5))),"不包含","包含")




  • 1
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当然可以!以下是一个使用PyTorch的超分辨率代码示例,该代码将从1000个Excel文件读取数据。 首先,确保已安装所需的库,包括`pytorch`、`torchvision`和`pandas`。 ```python import os import pandas as pd import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import Dataset, DataLoader from torchvision.transforms import ToTensor # 定义超分辨率模型 class SuperResolutionModel(nn.Module): def __init__(self): super(SuperResolutionModel, self).__init__() # 定义你的模型结构 ... def forward(self, x): # 定义前向传播逻辑 ... # 定义自定义数据集类 class ExcelDataset(Dataset): def __init__(self, excel_dir): self.excel_dir = excel_dir self.excel_files = os.listdir(excel_dir) def __len__(self): return len(self.excel_files) def __getitem__(self, idx): excel_path = os.path.join(self.excel_dir, self.excel_files[idx]) # 读取Excel数据并进行预处理,返回输入和目标数据 data = pd.read_excel(excel_path) input_data = ... # 根据需要进行数据处理 target_data = ... # 根据需要进行数据处理 return input_data, target_data # 创建超分辨率模型实例 model = SuperResolutionModel() # 定义损失函数和优化器 criterion = nn.MSELoss() optimizer = optim.Adam(model.parameters(), lr=0.001) # 创建数据加载器 excel_dataset = ExcelDataset('path/to/excel/directory') dataloader = DataLoader(excel_dataset, batch_size=32, shuffle=True) # 训练模型 num_epochs = 10 for epoch in range(num_epochs): for inputs, targets in dataloader: optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, targets) loss.backward() optimizer.step() print(f'Epoch {epoch+1}/{num_epochs}, Loss: {loss.item()}') # 保存模型 torch.save(model.state_dict(), 'super_resolution_model.pth') ``` 请将代码的`SuperResolutionModel`类和数据处理部分替换为您自己的超分辨率模型和数据处理逻辑。此代码假设Excel文件数据已经准备好并可以直接读取。您需要将`'path/to/excel/directory'`替换为包含Excel文件的目录路径。 请注意,这只是一个基本示例,您可能需要根据您的具体要求进行修改和调整。希望对您有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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