list获取重复数据_Excel实战技巧62: 获取不重复的值作为数据验证列表项

学习Excel技术,关注微信公众号:

excelperfect

“数据验证”(在Excel 2013以前称为“数据有效性”)是Excel中的一项重要功能,它能够提供下拉列表供用户选择输入项,也能限制用户输入符合设定的数据。

选择要设置数据验证的单元格或单元格区域,在功能区“数据”选项卡中,选取“数据验证——数据验证…”命令,弹出“数据验证”对话框,在“允许”下拉列表中选择相应项,在“来源”中输入数据条件,如下图1所示。

bd913cd92f770e79948ad2107f704f4a.png

图1

设置好的数据验证如下图2所示,本例中给单元格H1设置数据验证。

6297e3ceaa9a00d6956ab06dee0ad905.png

图2

这样,在单元格H1中,我们可以从下拉列表中选择输入项了。

然而,细心的朋友可能注意到,在单元格H1的下拉列表中,原原本本地照搬了列A中的数据,其中有很多重复项,这显然是我们所不需要的。

如何基于已有数据在数据验证列表中填充不重复的数据项呢?下面介绍几种方法。

方法1:使用公式获取不重复值

如下图3所示,选择单元格E2,输入用于获取不重复值的数组公式,然后下拉至数据末尾,得到不重复项列表。

662dcf74bf4850b013619504d20b0fc6.png

图3

定义一个命名公式NameByFormula:

=Offset(Sheet1!$E$2,0,0,counta(Sheet1!$E$2:$E$50),1)

如下图4所示。

02c31aee327d6b4f3a7bf84c2a43d8b0.png

图4

选择单元格H1,打开上图1所示的“数据验证”对话框,在序列来源中输入:=NameByFormula。单击“确定”按钮,数据验证设置完成。

方法2:利用数据透视表获取不重复值

选择单元格E1,插入数据透视表,数据源为数据区域A1:A14,得到结果如下图5所示。

521f8f03f27717edd43ff1baea829802.png

图5

参见上图4,定义一个命名公式NameByPivot:

=Offset(Sheet1!$E$1,1,0,CountA(Sheet1!$E$2:$E$50),1)

选择单元格H1,打开上图1所示的“数据验证”对话框,在序列来源中输入:=NameByPivot。单击“确定”按钮,数据验证设置完成。

方法3:使用Office365中的新功能—动态数组

选择单元格F1,输入公式:

=SORT(UNIQUE(表1[名称]))

此时,Excel会自动将列中的不重复值分别输入到下面相邻的单元格中,如下图6所示。

c135d9304a3c8dbdd0783a6f2224fe3d.png

图6

参见上图4,定义一个命名公式NameByDA:

=Offset(Sheet1!$F$1,0,0,CountA(Sheet1!$F$1:$F50),1)

选择单元格H1,打开上图1所示的“数据验证”对话框,在序列来源中输入:=NameByDA。单击“确定”按钮,数据验证设置完成。

实际上,对于Office 365来说,在定义命名公式时还有一种更简单的方法,如下图7所示,直接在“引用位置”输入:=F1#,告诉Excel想要获取该列完整的数据。

f1eb661dfe3e118a0e2cc2a62994d5f0.png

图7

甚至可以不定义命名公式,直接选择单元格H1,打开上图1所示的“数据验证”对话框,在序列来源中输入:=F1#,如下图8所示。

22d1b1c5d5f96f2541991d5d122c8725.png

图8

Office365推出了很多方便的功能,看来确实是需要好好探究一下了!

afc9494ba30b1f7db54840fdbd5ab9e3.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价,并且正在改变我们的生活和工作方式。

“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