精华内容
下载资源
问答
  • 求大神给编写个公式或是给段代码: ...我现在的方法是先手动筛选出数据然后通过if函数每三个数据比大小,找出所有的peak点,再copy出来,相邻两个peak相减再找出最大最小值,每分析依次数据要花很长时间;
  • EXCEL中对自动筛选的结果部分求和、平均最大最小值等,示例见附件。
  • excel中有大量的数据的时候,如果要求你找出其中的最大值最小值,你可能非常的苦恼,如果单个进行查找那是很麻烦的,而且也浪费时间,那怎样才能快速的找到最大值最小值呢? (常见问题)Excel如何选取特定...

    要找出某个区域中数值最大的几项,利用条件格式是最方便的。
    当excel中有大量的数据的时候,如果要求你找出其中的最大值和最小值,你可能非常的苦恼,如果单个进行查找那是很麻烦的,而且也浪费时间,那怎样才能快速的找到最大值和最小值呢?

    Excel如何利用条件格式找出数据区域中最大的几项

    (常见问题)
    Excel如何选取特定区域最大值_
    Excel如何快速标注每行中最大的几个数
    excel怎么筛选出一列数据中的几个最大值、

    【解决方法,教程视频资料如下】
    资料来源:http://edu.51cto.com/course/15224.html

    完整博客资料:https://blog.51cto.com/13172026/2292179

    完整视频资料:http://edu.51cto.com/lecturer/13162026.html

    转载于:https://blog.51cto.com/13172026/2293836

    展开全文
  • Excel中,如果想对一个一维的数组(只有一行或者一列的数据)进行排序的话(寻找最大值最小值),可以直接使用Excel自带的数据筛选功能进行排序,但是如果要在二维数组(存在很多行和很多列)的数据表中排序的话...

    在Excel中,如果想对一个一维的数组(只有一行或者一列的数据)进行排序的话(寻找最大值和最小值),可以直接使用Excel自带的数据筛选功能进行排序,但是如果要在二维数组(存在很多行和很多列)的数据表中排序的话,就要巧用函数来实现了。

    • 先如今要对下面的表进行排序,并将其按顺序排成一个一维数组

      这里写图片描述

    • 另起一块区域,比如说R列,在R列的起始位置,先寻找该二维数据的最大值,MAX(A$1:P$16),确定后再R1处即会该二维表的最大值
      这里写图片描述
    • 然后从R列的第二个数据开始,附加IF函数 MAX(IF(A$1:P$300 < R1,A$1:P$300)),然后在输入完公式后使用Ctrl+shift+Enter进行输入(非常重要
      这里写图片描述
    • 然后即可使用excel拖拽功能来在R列显示出排序后的内容了
    展开全文
  • Pandas: Python界的Excel

    2019-11-18 18:14:19
    Pandas基本概念导入数据表格行列单元格基本操作插入行插入列删除行删除列数据操作筛选排序唯一值删除重复值空值处理函数数据透视表(分类统计)分类求和:分类计数:分类平均值:分类最大值:分类最小值:参考文档 ...

    Pandas: Python界的Excel

    前言

    在日常工作中使用Excel可以非常方便地进行数据分析,但是在数据量变大时(超过10000行)时Excel会变得很慢,并且Excel分析出来的数据难以给其它程序(比如用于机器学习的模型训练)使用。

    本文以Excel的角度来对照Pandas的相应功能,以帮助快速掌握Pandas进行数据分析。

    Excel vs. Pandas

    在Jupyter Notebook中引入Pandas库:

    import pandas as pd
    from pandas import DataFrame, Series
    

    基本概念

    导入数据

    # 默认UTF-8编码
    df = pd.read_csv('./data.txt')
    
    # 打开中文乱码时,可尝试通过指定编码来解决
    df = pd.read_csv('./汽车销量.csv', encoding='GB18030')
    

    样例数据:汽车销量.csv

    当数据中含有长编码时,Pandas会将该字段作为数值来处理,如果数据中含有空数据的行,Pandas会将该字段作为float64,从而导致长编码后面加上.0
    解决该问题的方法是导入数据时,指定列的数据类型:

    # 将code列设置为字符串(np.object_),将num列设置为浮点数(np.float64)
    df = pd.read_csv('./data.txt', 
    				dtype={'code1':pd.np.object_, 'code2':pd.np.object_, 'code3':pd.np.object_, 'num1':pd.np.float64, 'num2':pd.np.float64 })
    

    导入数据后,执行df.info()检查列的格式是否正确。

    在导入数据时也可以通过usecols参数指定只导入特定的列:

    df = pd.read_csv('./data.txt', usecols = ['code1', 'code3'])
    

    重命名列:

    df = df.rename(columns={'code1': '代码1', 'num1': '数值1'}, errors='raise')
    

    设置索引列:

    df = df.set_index('车型', drop=False)
    

    如果不指定索引列,默认索引列为一个从0开始递增的自然数数列。

    导出数据

    # 默认使用UTF-8编码
    df.to_csv('./out.csv', index=None)
    
    # 指定GB18030编码
    df.to_csv('./out.csv', index=None, encoding='GB18030')
    
    # 遇到小数导出后精度问题,可以通过指定保留的小数位数来解决,比如保留5位小数
    df.to_csv('./out.csv', index=None, float_format='%.5f')
    

    表格

    Excel中的”表格“对应Pandas库的DataFrame:

    查看表格头10条记录:

    df.head(10)
    

    查看表格尾10条记录:

    df.tail(10)
    

    查看表格10条抽样记录:

    df.sample(10)
    

    查看表格缩略数据:

    df
    

    查看表格统计数据:

    df.describe()
    

    查看表格的行数和列数:

    df.shape
    # 行数
    df.shape[0]
    # 列数
    df.shape[1]
    

    Excel中的”行“对应Pandas的DataFrame的一个切片(Slice):

    df[row_index_slice | bool_array]
    # 或根据索引列的行标签选取
    df.loc[row_label | row_label_array | row_label_slice]
    # 或根据索引列的行号选取,行号从0开始
    df.iloc[row_index | row_index_array | row_index_slice]
    

    注意:Pandas的行号从0开始。

    根据行标签选取行:

    “车型”为“丰田卡罗拉”的行:

    df[df['车型'] == '丰田卡罗拉']
    # 或
    df.loc['丰田卡罗拉']
    

    "车型“为”大众朗逸“和”大众速腾“的行:

    df[df['车型'].isin(['大众朗逸','大众速腾'])]
    # 或
    df.loc[['大众朗逸','大众速腾']]
    

    根据行号选取行:

    第1行:

    df[:1]
    # 或
    df.iloc[0]
    

    前3行:

    df[:3]
    # 或
    df.iloc[:3]
    

    第5行到第10行:

    df[4:10]
    # 或
    df.iloc[4:10]
    

    第8行:

    df[7:8]
    # 或
    df.iloc[7]
    

    后3行:

    df[-3:]
    # 或
    df.iloc[-3:]
    

    Excel中的”列“对应Pandas的Series:

    df[column_label | column_label_array]
    # 或根据列名选取列
    df.loc[: , column_label | column_label_array | column_label_slice]
    # 或根据列号选取列
    df.iloc[: , column_index | column_index_array | column_index_slice]
    

    根据列名选取列:

    ”车型“一列:

    df['车型']
    # 或
    df.车型
    # 或
    df.loc[:, '车型']
    

    ”车型“和”销量“两列:

    df[['车型','销量']]
    # 或
    df.loc[: , ['车型','销量']]
    

    从”车型“到”销量“的所有列:

    df.loc[: , '车型':'销量']
    

    根据列号选取列

    第1列:

    df.iloc[:, :1]
    

    从第2到第3列:

    df.iloc[:, 1:3]
    

    最后1列:

    df.iloc[:, -1:]
    

    单元格

    Excel中的”单元格“对应Pandas的DataFrame的一个切片(Slice):

    # 根据行标签和列名选取一个或多个单元格
    df.loc[row_label | row_label_array | row_label_slice, column_label | column_label_array | column_label_slice ]
    
    # 根据行号和列号选取一个或多个单元格
    df.iloc[row_index | row_index_array | row_index_slice, column_index | column_index_array | column_index_slice ]
    

    根据行标签和列名选取一个或多个单元格:

    "吉利博瑞"的”销量“:

    df.loc['吉利博瑞','销量']
    

    "吉利博瑞"的"厂商"和”销量“:

    df.loc['吉利博瑞',['厂商','销量']]
    

    "大众迈腾"和"大众捷达"的"厂商"和”销量“:

    df.loc[['大众迈腾','大众捷达'],['厂商','销量']]
    

    "吉利博瑞"的从"厂商"到”销量“列:

    df.loc['吉利博瑞','厂商':'销量']
    

    根据行号和列号选取一个或多个单元格:

    第1行第2列:

    df.iloc[0,1]
    

    第5行到第10行的第2列到第3列:

    df.iloc[4:10, 1:3]
    

    基本操作

    插入行

    复制“DS 5”行,插入到最后:

    df2 = df.append(df.loc['DS 5'])
    

    插入列

    复制”销量“列,插入到最后,新列名为”备注“:

    df['备注'] = df['销量']
    

    在最前面新增一列”排名“,从1开始自动填充该列:

    df.insert(0, "排名", range(1, len(df) + 1))
    

    删除行

    删除”DS 5"行:

    df.drop('DS 5', axis=0)
    

    删除列

    删除”备注“列:

    df.drop(columns='备注')
    # 或
    df.drop('备注', axis=1)
    

    数据操作

    筛选

    厂商为“东风日产”的记录:

    df[df['厂商'] == '东风日产']
    

    厂商为“东风日产”的总销量:

    df[df['厂商'] == '东风日产']['销量'].sum()
    

    厂商为“东风日产”的平均销量:

    df[df['厂商'] == '东风日产']['销量'].mean()
    

    厂商为“东风日产”的计数:

    df[df['厂商'] == '东风日产']['销量'].count()
    

    厂商为“东风日产”的最大销量:

    df[df['厂商'] == '东风日产']['销量'].max()
    

    厂商为“东风日产”的最小销量:

    df[df['厂商'] == '东风日产']['销量'].min()
    

    多选:厂商为“一汽大众”和“一汽丰田”的记录:

    df[df['厂商'].isin(['一汽大众', '一汽丰田'])]
    

    反选:厂商不为“上汽通用”的记录:

    df[df['厂商'] != '东风日产']
    

    反选:厂商不为“一汽大众”和“一汽丰田”的记录:

    # Python使用波浪号~表示“非”操作
    df[~df['厂商'].isin(['一汽大众', '一汽丰田'])]
    
    # 或
    df[df['厂商'].isin(['一汽大众', '一汽丰田']) == False]
    

    排序

    升序排序:

    df.sort_values('销量', ascending=True, inplace=True)
    

    降序排序:

    df.sort_values('销量', ascending=False, inplace=True)
    

    唯一值

    ”厂商“列的唯一值:

    # unique array
    df['厂商'].unique()
    
    # size of unique array
    len(df['厂商'].unique())
    

    删除重复值

    先故意插入两个重复行:

    df2 = df.append(df.iloc[-2:])
    

    重复记录数:

    df2.duplicated().sum()
    

    显示重复记录:

    df2[df2.duplicated()]
    

    删除重复记录:

    df2.drop_duplicates(inplace=True)
    

    空值处理

    空字符串:

    先故意将“DS 5"和"一汽骏派A70E"的厂商设为空字符串''

    df2.loc['DS 5', '厂商'] = ''
    df2.loc['一汽骏派A70E', '厂商'] = ''
    

    空字符串记录数:

    (df2['厂商'].astype(bool) == False).sum()
    

    查找空字符串记录:

    df2[df2['厂商'].astype(bool) == False]
    

    空值:

    替换空字符串为NaN:

    df2['厂商'].replace('', pd.np.nan, inplace=True)
    

    替换后NaN记录数:

    df2['厂商'].isna().sum()
    

    查找NaN记录数:

    df2[df2['厂商'].isna()]
    

    删除NaN记录:

    df2.dropna(subset=['厂商'], inplace=True)
    

    替换NaN记录:

    df2['厂商'].fillna(value='Unknown', inplace=True)
    

    转换数据类型

    查看各列的数据类型:

    df.dtypes
    

    转换成数值:

    s = pd.Series(['apple', '1.0', '2', -3])
    
    # 忽略不是数值的值
    s2 = pd.to_numeric(s, errors='ignore')
    
    # 将不是数值的值替换成NaN
    s2 = pd.to_numeric(s, errors='coerce')
    
    # 转换时作类型转换(降低精度)
    s2 = pd.to_numeric(s, errors='coerce', downcast='float')
    

    转换成日期:

    s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000'])
    
    # 将不是日期的值替换成NaT
    s2 = pd.to_datetime(s, errors='coerce')
    

    转换成字符串:

    s3 = s2.astype(str)
    

    函数

    新增”销量过万车型“列,对销量过万的车型该列值为Y:

    def sales_flag(value):
        if value >= 10000:
            return 'Y'
        else:
            return 'N'
    
    df2['销量过万车型'] = df2['销量'].apply(sales_flag)
    

    查看销量过万车型:

    df2[df2['销量过万车型'] == 'Y']
    

    数据透视表(分类统计)

    分类求和

    按”厂商“统计销量:

    df.groupby('厂商')['销量'].sum()
    # 或
    df.pivot_table(index='厂商', values='销量', aggfunc='sum')
    

    分类计数

    按”厂商“统计记录数:

    df['厂商'].value_counts()
    # 或
    df.groupby('厂商')['销量'].count()
    

    分类平均值

    按”厂商“统计平均销量:

    df.groupby('厂商')['销量'].mean()
    

    分类最大值

    按”厂商“统计最高销量:

    df.groupby('厂商')['销量'].max()
    

    分类最小值

    按”厂商“统计最低销量:

    df.groupby('厂商')['销量'].min()
    

    TODO: 更多的分类统计场景

    Pandas教程

    参考文档

    展开全文
  • EXCEL函数公式集

    热门讨论 2010-03-16 03:26:38
    怎样求最大值最小值或中间值)平均数怎么弄 去掉其中两个最大值和两个最小值的公式 去一行最高分最低分求平均值 在9个数值去掉最高与最低然后求平均值 求最大值(n列) 如何实现求平均值时只对不等于零的数求...
  • 怎样求最大值最小值或中间值)平均数怎么弄 去掉其中两个最大值和两个最小值的公式 去一行最高分最低分求平均值 在9个数值去掉最高与最低然后求平均值 求最大值(n列) 如何实现求平均值时只对不等于零的数求...
  • Excel百宝箱8.0

    2011-06-07 21:32:17
    计算参数区域去除最大值最小值之再求平均,参数个数有255个(Excel2003是1到30个)。 函数名称:hesum 函数功能与参数:左右合并再求和。将1/2类型的数字换算成1.5类型数据后再求和;若为12则按12计算,若为1...
  • 技巧97 最大值最小值 技巧98 涨跌图 技巧99 波士顿矩阵与麦肯锡矩阵 技巧100 卧式折线图 技巧101 多轴折线图 技巧102 层迭折线图 技巧103 双轴股价图 技巧104 步进图 技巧105 箱体图 技巧106 甘特图 技巧107 柏拉图 ...
  • EXCEL集成工具箱V6.0

    2010-09-11 01:44:37
    【综合计算显示】 综合计算并显示选中区域存储格的最大值最小值、平均值、求和、存储格个数、筛选状态下的的加总求和,以及显示选区包含的数字、字符、汉字的个数等信息。 【GB2转BIG5】 将选中区域存储格的简体...
  • Excel VBA实用技巧大全 附书源码

    热门讨论 2010-10-08 18:59:24
    01015获取在Excel主窗口一个窗口所能占有的最大高度和宽度 01016获取当前打印机名称 01017获取MicrosoftExcel剩余内存 01018获取MicrosoftExcel的总内存 01019获取计算机被Excel占用的内存 01020改变Excel窗口大小...
  • EXCEL百宝箱8.0终极版

    2011-11-05 16:48:02
    计算参数区域去除最大值最小值之再求平均,参数个数有255个(Excel2003是1到30个)。 函数名称:hesum 函数功能与参数:左右合并再求和。将1/2类型的数字换算成1.5类型数据后再求和;若为12则按12计算,若为1...
  • 11.11 使用求和、平均值、计数、最小值最大值等 261 11.12 创建报表百分比 262 11.12.1 占总量百分比 263 11.12.2 月增长率 263 11.12.3 特定项的百分比 263 11.12.4 汇总 264 11.13 使用Excel 2007...
  • 11.11 使用求和、平均值、计数、最小值最大值等 261 11.12 创建报表百分比 262 11.12.1 占总量百分比 263 11.12.2 月增长率 263 11.12.3 特定项的百分比 263 11.12.4 汇总 264 11.13 使用Excel 2007...
  • 11.11 使用求和、平均值、计数、最小值最大值等 261 11.12 创建报表百分比 262 11.12.1 占总量百分比 263 11.12.2 月增长率 263 11.12.3 特定项的百分比 263 11.12.4 汇总 264 11.13 使用Excel 2007...
  • 11.11 使用求和、平均值、计数、最小值最大值等 261 11.12 创建报表百分比 262 11.12.1 占总量百分比 263 11.12.2 月增长率 263 11.12.3 特定项的百分比 263 11.12.4 汇总 264 11.13 使用Excel 2007...
  • 计算参数区域去除最大值最小值之再求平均,参数个数有255个(Excel2003是1到30个)。 函数名称:hesum 函数功能与参数:左右合并再求和。将1/2类型的数字换算成1.5类型数据后再求和;若为12则按12计算,若为...
  • 计算参数区域去除最大值最小值之再求平均,参数个数有255个(Excel2003是1到30个) hesum左右合并再求和。将1/2类型的数字换算成1.5类型数据后再求和;若为12则按12计算,若为1/2则按1.5计算 NOWW不改变的当前...
  • 【综合计算显示】 综合计算并显示选中区域存储格的最大值最小值、平均值、求和、存储格个数、筛选状态下的的加总求和,以及显示选区包含的数字、字符、汉字的个数等信息。 【GB2转BIG5】 将选中区域存储格的简体...
  • 【综合计算显示】 综合计算并显示选中区域存储格的最大值最小值、平均值、求和、存储格个数、筛选状态下的的加总求和,以及显示选区包含的数字、字符、汉字的个数等信息。 【GB2转BIG5】 将选中区域存储格的简体...
  • 【综合计算显示】 综合计算并显示选中区域存储格的最大值最小值、平均值、求和、存储格个数、筛选状态下的的加总求和,以及显示选区包含的数字、字符、汉字的个数等信息。 【GB2转BIG5】 将选中区域存储格的简体...
  • 【综合计算显示】 综合计算并显示选中区域存储格的最大值最小值、平均值、求和、存储格个数、筛选状态下的的加总求和,以及显示选区包含的数字、字符、汉字的个数等信息。 【GB2转BIG5】 将选中区域存储格的简体字...
  • 中文版Excel.2007图表宝典 1/2

    热门讨论 2012-04-06 18:49:24
    8.4.7 识别系列最大值最小值/236 8.4.8 折线图两个系列之间的阴影/237 8.5 创建时间线/238 8.6 通过堆积和重叠方法来创建“不可能的”图表/239 8.6.1 堆积图表/239 8.6.2 重叠图表/240 8.6.3 模拟一个“断裂...
  • 中文版Excel.2007图表宝典 2/2

    热门讨论 2012-04-06 19:01:36
    8.4.7 识别系列最大值最小值/236 8.4.8 折线图两个系列之间的阴影/237 8.5 创建时间线/238 8.6 通过堆积和重叠方法来创建“不可能的”图表/239 8.6.1 堆积图表/239 8.6.2 重叠图表/240 8.6.3 模拟一个“断裂...
  • ├─第2篇-基本功能 │ ├─第10章-打印 │ │ line.bmp │ │ Thumbs.db ...│ │ 技巧305 始终突出显示最大值最小值.xls │ │ 技巧306 画趋势线并显示趋势线公式.xls │ │ 技巧307 动态图表——辅助列....
  •  4.1.9 设置数据轴的最小值最大值 62  4.1.10 处理丢失数据 63  4.1.11 添加趋势线 65  4.1.12 更改数据系列的显示方式 67  4.2 美化图表 67  4.2.1 美化图表标题 67  4.2.2 美化数据系列 69  4.2.3 在...
  • 通用列表功能使用方法和API 通用列表功能使用方法 ...如求最大值最小值、次数、求和等等。 筛选  功能同Excel筛选功能;在查询结果继续筛选符合的数据。 冻结  功能同Excel的冻...

    通用列表功能使用方法和API

    通用列表功能使用方法

    • 分组

       功能同Excel的分类汇总功能;根据选择的列进行分类;并且可以结合∑功能实现分类汇总功能。

    • ∑功能

       功能同Excel的∑功能;如求最大值、最小值、次数、求和等等。

    • 筛选

       功能同Excel的筛选功能;在查询结果中继续筛选符合的数据。

    • 冻结

       功能同Excel的冻结功能;便于在界面中查看数据。

    • 自定义列

       自定义列为根据业务需要设置计算列;计算列可以根据记录集的字段整合运算;也可以根据提供的函数进行整合运算。

    • 查找替换

       系统中右键启动菜单;查找指定列符合数据的记录并替换之。

    • 方案管理
      • 显示方案保存

         保存设计列表的显示方案

      • 显示方案删除

         删除保存的显示方案(前提是具备删除的权限)

      • 显示方案共享

          设计或者业务人员可以把保存的显示方案共享给其他用户或者角色。

    • 批量输入数据

       从其他系统复制数据(Ctrl+C)到业务界面批量导入到系统数据;快捷键为Ctrl+V。

    • 显示/隐藏列

       设置列面的显示或者隐藏的数据列。

    • 导出

       把显示的数据导出到Excel文件中。

    • 自动报表

       系统可以根据显示的数据列自动配置打印报表。

    系统列表API

    • 初始化通用列表

       UGrid.InitGrid(UltraGrid1,True)

       True表示是否开通编辑功能。

    • 初始化通用列表按键

       UGrid.GridKeyDown(UltraGrid1,True)

       True表示开通批量导入功能。

    • 初始化通用列表行当前信息

       UGrid.GridAfterRowActivate(UltraGrid1)

    • 通用列表加载数据字典

       UGrid.LoadGridCol(UltraGrid1.DisplayLayout.Bands[0],TableCol)

    • 通用列表导出

       UGrid.GridExcel(UltraGrid1,UGrid.ExcelFile.MessageBox)

       ExcelFile类型

        1.Open:导出后系统自动打开导出文件。

        2.MessageBox:导出后系统提示是否打开导出文件;由用户决定。

        3.NotOpen:导出后系统不打开导出文件。

    • 通用列表打印

        UltraGrid1.Text="单 位 信 息"
        Rpt=appcs.GridReport(UltraGrid1,"单位信息")
        Rpt.MdiParent=this.MdiParent
        Rpt.Show()

    功能截图如下

     

     

    转载于:https://www.cnblogs.com/DesignIvan/archive/2012/08/10/Grid.html

    展开全文
  • 在用Excel做数据统计时,常见有关于求和、平均值、计数和最大值最小值等函数,但是这些函数解决不了筛选和隐藏的问题。 今天介绍的 Subtotal函数在计算时是可以忽略不包括在筛选结果的行,也就是说函数结果会...

空空如也

空空如也

1 2 3
收藏数 51
精华内容 20
关键字:

excel中筛选最大值最小值