Excel 建立合并计算【xpghost】

个公司内可能有很多的销售地区或者分公司,各个分公司具有各自的销售报表和会计报表,为了对整个公司的所有情况进行全面的了解,就要将这些分散的数据进行合并,从而得到一份完整的销售统计报表或者会计报表。在Excel中系统提供了合并计算的功能,来完成这些汇总工作。
    所谓合并计算是指,可以通过合并计算的方法来汇总一个或多个源区中的数据。Microsoft Excel 提供了两种合并计算数据的方法。一是通过位置,即当我们的源区域有相同位置的数据汇总。二是通过分类,当我们的源区域没有相同的布局时,则采用分类方式进行汇总。
    要想合并计算数据,首先必须为汇总信息定义一个目的区,用来
迅雷大全 显示摘录的信息。此目标区域可位于与源数据相同的工作表上,或在另一个工作表上或工作簿内。其次,需要选择要合并计算的数据源。此数据源可以来自单个工作表、多个工作表或多重工作簿中。
    在Excel 2000中,可以最多指定255个源区域来进行合并计算。在合并计算时,不需要打开包含源区域的工作簿。
11.1.1 通过位置来合并计算数据
    通过位置来合并计算数据是指:在所有源区域中的数据被相同地排列,也就是说想从每一个源区域中合并计算的数值必须在被选定源区域的相同的相对位置上。这种方式非常适用于我们处理日常相同表格的合并工作,例如,总公司将各分公司的合并形成一个整个公司的报表。再如,税务部门可以将不同地区的税务报表合并形成一个市的总税务报表等等。
    下面我们以一个实例来说明这一操作过程,建立如图11-1所示的工作簿文件。

    在本例中我们
暴风影音 将对工作表济南、青岛进行合并操作,其结果保存在工作表天津中,执行步骤如下:
    (1)为合并计算的数据选定目的区,如图11-2所示。

    (2)执行“数据”菜单中的“合并计算”命令,出现一个如图11-3的对话框。

    (3)在“函数”框中,选定我们希望 Microsoft Excel 用来合并计算数据的汇总函数,求和(SUM)函数是默认的函数。
    (4)在“引用位置”框中,输入希望进行合并计算的源区的定义。如果想不击键就输入一个源区域定义,先选定“引用位置”框,然后在工作表选项卡上单击“济南”,在工作表中选定源区域。该区域的单元格引用将出现在“引用位置”框中,如图11-4所示。

    (5)按下“添加”按钮。对要进行合并计算的所有源区域重复上述步骤。可以看到合并计算对话框如图11-5所示。

    最后按下“确定”按钮。我们就可以看到合并计算的结果,如图 11-6所示。

    (6)对于合并计算,我们还可以将保存在不同工作簿中的工作表进行合并操作,其操作步骤是在我们执行上述步骤2时,如果需要的工作表没有被打开,选择“浏览”按钮,之后出现一个如图11-7的浏览对话框,我们可以从中选定包含源区域的工作簿。

    当我们选择了“确定”按钮后,Microsoft Excel 将在(引用位置)框中插入文件名和一个感叹号(!)。下一步我们可以键入单元格引用或源区域的名字,也可以为源区域键入全路径,工作簿名字和工作表名字。然后在工作表名字后面键入一个感叹号(!),并键入单元格引用或源区域的名字。
    如果不能确定单元格引用区域,也可以先将该工作簿文件打开,然后利用“窗口”菜单,选择该工作簿文件,按上例中的步骤3完成选定工作。
    重复上例中的步骤2到5,最后按下“确定”按钮完成合并计算的工作。图11-8显示了一个引用不同工作簿的实例。

11.1.2 通过分类来合并计算数据
    通过分类来合并计算数据是指:当多重来源区域包含相似的数据却以不同方式排列时,此命令可使用标记,依不同分类进行数据的合并计算,也就是说,当选定的格式的表格具有不同的内容时,我们可以根据这些表格的分类来分别进行合并工作。举例来说,假设某公司共有两个分公司,它们分别销售不同的产品,如图11-9的显示,总公司要得到完整的销售报表时,就必须使用“分类”来合并计算数据。

    下面我们就以汇总这两个分公司的销售报表事例来说明这一操作过程。在本例中我们将对工作簿XS1、XS2进行合并操作,其结果保存在工作簿XS3中,执行步骤如下:
    (1)为合并计算的数据选定目的区。执行“数据”菜单中的“合并计算”命令,出现一个合并计算对话框。在“函数”框中,选定用来合并计算数据的汇总函数。求和(SUM)函数是默认的函数。
    (2)在“引用位置”框中,输入希望进行合并计算的源区的定义。如果想不击键就输入一个源区域定义,先选定“引用位置”框,然后在“窗口”菜单下,选择该工作簿文件,在工作表中选定源区域。该区域的单元格引用将出现在“引用位置”框中。
    对要进行合并计算的所有源区域重复上述步骤。
    如果源区域顶行有分类标记,则选定在“标题位置”下的“首行”复选框。如果源区域左列有分类标记,则选定“标题位置”下的“最左列”复选框。在一次合并计算中,可以选定两个选择框。在本例中我们选择“最左列”选项,如图11-10所示。

    按下“确定”按钮。我们就可以看到合并计算的结果,如图 11-11所示。
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. **前馈神经网络(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
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