excel笔记

Excel笔记

整列交换 选中整列 鼠标移动选中的左边界或者右边界 按住shfit 拖拽

整列替换 选中整列 鼠标移动选中的左边界或者右边界 按住ctrl拖拽

ctrl+shfit+: 当前时间快捷键

ctrl+;当前日期

日期转星期 设置单元格格式 自定义 aaaa 代表星期几

aaa 代表星期几中的几

excel中*通配符表示任何的值一个或者多个

?通配符表示任何的值一个

~* 通配符*不生效

~?通配符?不生效

定位常用操作

定位快捷键ctrl+g

在这里插入图片描述

实现所有空格填充上一个关键词步骤:

先选中北京对应的整列定位按照空格选取,在北京下面那个关键词输入=然后按方向上键按住ctrl进行回车

excel中批量删除图片

ctrl+G 选择对象 按del键

分类汇总

数据–>分类汇总

使用分类汇总必须做数据的排序

数据有效性

按照指定的规则输入单元格的内容(使用基本都是针对整列进行操作)

数据–>有效性

利用数据有效性做选择框的下拉列表

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

excel公式与函数

在这里插入图片描述

每一列都增加固定的50 E3单元格输入=D3+A2 按f4变成$A$2回车

if逻辑判断

iserror函数使用

在这里插入图片描述

if 中 or 和 and 的训练

在这里插入图片描述

countif函数

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

用到条件格式 为符合条件的单元格加颜色:
在这里插入图片描述

countifs函数使用

在这里插入图片描述

sumif函数使用

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

sumifs函数使用

在这里插入图片描述

vlookup函数使用

原理:从查找区查找然后在引用区引用

查找取回函数(通过左侧查找区查找右侧的引用区)

match和index的结合相当于一个vlookup函数 可以解决从(通过右侧查找区查找左侧引用区的数据弥补vlookup函数的短板)

注:如果查找区是重复的 只会找到第一个 进行匹配 所以查找区尽量是唯一id

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

跨表引用注意事项:引用后直接补逗号

注意公司名称中进行模糊匹配的操作 不是把函数的匹配条件改成模糊匹配

在这里插入图片描述

数值转文本进行处理

在这里插入图片描述

文本强转数值

在这里插入图片描述

isna函数使用

不考虑数值还是文本

在这里插入图片描述

vlookup 模糊匹配使用范围

在使用数值找范围时才可能近似匹配 匹配原则为小于等于查找值的查找区间

在这里插入图片描述

HlookUP函数使用

和vlookup方向正好相反

在这里插入图片描述

vlookup 中嵌套match index函数

match和index的结合相当于一个vlookup函数 可以解决从(通过右侧查找区查找左侧引用区的数据弥补vlookup函数的短板)

match只负责找的工作

在这里插入图片描述

index只负责引用

在这里插入图片描述

表格中混合引用

在这里插入图片描述

在这里插入图片描述

match 高级应用

函数中的每个参数都要仔细阅读 都有需要注意的点

在这里插入图片描述

column函数使用

返回当前单元格的列号

在这里插入图片描述

日期与时间运算

数字和天对等;数字1除以24得到小时

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

datedif 函数的使用

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

和周有关系的日期函数

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

text函数使用

在这里插入图片描述

在这里插入图片描述

条件格式

开始->条件格式

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

切片器(筛选器)使用

切片器可以按del键进行删除

在这里插入图片描述

文本函数

left,right和mid函数截取字符串

left 和right函数

mid函数(从中间开始截取)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

find,len(字符长度),lenb(字节长度)函数获取文本中的信息

在这里插入图片描述

多个“-”的解决方式

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

身份证处理

地区

在这里插入图片描述

生日

在这里插入图片描述

性别

在这里插入图片描述

数学函数

round,roundup,rounddown,int,mod(去余)函数

row ,column 函数

转置 实现行转列

在这里插入图片描述

跳跃

在这里插入图片描述

分列

在这里插入图片描述

数组

快捷键f9可以查看数组中的内容 按esc键退出
ctrl+shift+enter 输出数组的结果
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210120112513153.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMjA0NA==,size_16,color_FFFFFF,t_70

sumproduct函数(主要是针对数组的加和)

使用sumproduct函数 写完函数直接回车就可以

lookup函数使用

lookup没有精确匹配条件 是采用模糊匹配的原理变相进行精确匹配
利用0除以0报错的原理模糊匹配(模糊匹配原理:小于等于要查找的值)到结果给0的数据
在这里插入图片描述多条件查找是lookup的优势

在这里插入图片描述

indirect(间接)函数使用

在这里插入图片描述
在这里插入图片描述

跨表引用

在这里插入图片描述在这里插入图片描述
在这里插入图片描述

图表处理

图表中的元素

在这里插入图片描述

在这里插入图片描述

主次坐标轴

在这里插入图片描述在这里插入图片描述在这里插入图片描述

### 回答1: Pandas是Python一个强大的数据分析库,它可以轻松地读取、处理和分析各种数据类型,包括Excel表格。本文将介绍如何使用Pandas来操作Excel文件,并提供相应的笔记PDF文件进行参考。 要使用Pandas操作Excel文件,首先需要安装Pandas库。在安装完Pandas之后,我们可以使用"pandas.read_excel"函数来读取Excel文件。该函数可以接受Excel文件路径作为参数,并返回一个Pandas的DataFrame对象,以便我们进行后续的数据操作和分析。 一旦我们读取了Excel文件,就可以使用Pandas提供的各种函数来对数据进行处理和分析。例如,我们可以使用"head"函数来查看数据的前几行,使用"describe"函数来获取数据的统计信息,或者使用"sort_values"函数数据进行排序等等。这些函数可以帮助我们更好地理解和掌握数据,从而做出更准确的分析和决策。 此外,Pandas还提供了一些函数来进行数据的筛选、修改和计算。我们可以使用"loc"和"iloc"函数来选择特定的行和列,使用"fillna"函数来填充空值,使用"apply"函数对某一列数据进行自定义计算等等。这些函数的使用可以帮助我们快速地完成数据的处理和分析任务。 最后,我们可以将Pandas的DataFrame对象转换为PDF文件,以便记录我们的数据处理和分析过程。可以使用"df.to_pdf"函数将DataFrame对象保存为PDF文件,该文件可以作为笔记使用,方便我们回顾和分享。 总之,Pandas提供了丰富而强大的功能,可以帮助我们轻松地操作Excel文件,并进行相关的数据处理和分析。同时,我们可以将操作过程记录为PDF文件,方便日后参考和分享。 ### 回答2: pandas操作Excel的方法非常方便,可用于读取、写入和操作Excel文件。下面是关于pandas操作Excel笔记。 1. 读取Excel文件:可以使用`pandas.read_excel()`函数来读取Excel文件,并将其转换为DataFrame对象。可以通过指定文件路径、工作表名称和其他参数来读取不同的工作表和数据。 2. 数据筛选和操作:我们可以使用pandas的各种函数和方法对Excel数据进行筛选和操作。例如,`df.drop()`可以删除指定的行或列,`df.loc()`可以按条件选择数据等。这些方法可以帮助我们根据需要对Excel数据进行处理和分析。 3. 数据写入Excel:使用`pandas.DataFrame.to_excel()`函数可以将DataFrame对象写入到Excel文件。可以通过指定文件路径和其他参数来实现对Excel文件的写入操作。 4. 数据统计和计算:pandas提供了许多内置函数和方法来进行数据的统计和计算操作。例如,`df.mean()`可以计算平均值,`df.sum()`可以计算总和等。这些函数和方法可以帮助我们快速计算和分析Excel数据。 总之,pandas是一个强大的工具,可以方便地操作Excel文件。它提供了许多函数和方法,可以帮助我们读取、写入和处理Excel数据。通过使用pandas,我们可以更高效地进行数据分析和处理工作,在处理大量数据时尤其有用。无论是初学者还是有经验的数据分析师,都可以受益于pandas在Excel操作的优势。 ### 回答3: pandas是一个在Python用于数据分析和操作的强大库。它提供了大量的函数和方法,方便我们对Excel文件进行读取、写入和处理。下面是关于pandas操作Excel的一些笔记: 1. 读取Excel文件: 我们可以使用pandas的`read_excel()`函数来读取Excel文件。只需要传入Excel文件的路径或URL即可。读取后的数据可以保存在DataFrame对象,方便后续的操作和分析。 2. 写入Excel文件: 利用pandas,我们可以使用`to_excel()`函数数据从DataFrame对象写入Excel文件。我们可以指定文件的输出路径和文件名,还可以设置写入的sheet名称和是否包含行索引。 3. 数据操作和处理: pandas提供了丰富的数据处理功能。我们可以对读取的Excel数据进行选取、过滤、排序、合并、拆分等操作。比如可以使用`df.head()`来获取数据的前几行,使用`df.describe()`来获取数据的基本统计信息。 4. 数据筛选和过滤: 在pandas,我们可以使用布尔索引来筛选和过滤数据。比如可以使用`df[df['列名'] > 值]`来获取满足条件的数据行。 5. 数据统计和分析: pandas提供了丰富的数据统计和分析函数,可以方便地进行数据聚合、求和、平均值等操作。比如可以使用`df.groupby('列名').mean()`来对数据进行分组并计算平均值。 6. 缺失值处理: 如果Excel文件存在缺失值,我们可以使用pandas的函数来处理缺失值。比如使用`df.dropna()`来删除包含缺失值的行,使用`df.fillna(value)`来填充缺失值。 总之,pandas提供了丰富的函数和方法,方便我们对Excel文件进行读取、写入和处理。它不仅简化了数据操作的流程,还可以高效地处理大量的数据。通过对pandas的学习和应用,我们可以更好地处理和分析Excel数据
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