场景，需要通过和公司提供名单进行对比，统计谁提出了建议，提了多少条建议，以及谁没提建议

1.在空白列C列，先使用=countif(B:B,B1)计算出B列名单中有多少人的名字重复（重复次数表明提交建议的数量）

2.然后将C列+号下拉的结果，复制，仅黏贴数值至空白列D列

3.删除C列，然后选择B,D列，“数据”中选择“删除重复项”

4.将A列和C列结果在“开始” 中的“条件格式”中选择“突出显示单元格规则”，然后点击“重复值”  

最后就可以将两列名单中没对上的那些人员名单的背景色标红

 

今后可以研究一下如何提取这些数据，现在人少，我可以一个个去输入，如果有成百上千的人时，如何拉出这些没匹配上的人就很重要了。

sklearn实战-乳腺癌细胞数据挖掘（博主亲自录制视频）
https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share

A列在B列中不存在的值
 


# -*- coding: utf-8 -*-
"""
Created on Thu Jun 23 10:33:27 2016

@author: Administrator
"""

import xlrd
fileName="省份处理.xlsx"

#获取一个excel内首页表格
def Get_sheet1_from_oneExcel(excelFileName):
    wb=xlrd.open_workbook(excelFileName)
    sheet=wb.sheets()[0]
    return sheet
    
    
sheet=Get_sheet1_from_oneExcel(fileName)
list_columnA=sheet.col_values(0)
list_columnB=sheet.col_values(1)

diffrence_list=[]
for i in list_columnA:
    if i=="":
        continue
    if i not in list_columnB:
        diffrence_list.append(i)
        
'''
diffrence_list
Out[47]: ['总局']

'''

print(diffrence_list)


　　


python风控评分卡建模和风控常识
 



https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share


转载于:https://www.cnblogs.com/webRobot/p/5610070.html

实验室的师弟给了两个材料，36个基因表达的数据，其中一个材料的所有基因表达的量都比另一个材料所有基因的表达量要高，而且在这36个基因中，有几个基因表达量在两个材料中都远大于其他基因。 如何有差别的做出这两列基因数据的heatmap呢？ 如果采用传统的pheatmap包中的pheatmap函数，在对行进行标准化的时候，发现每个材料中的基因表达量都是相同的，表达量高的那个材料全是红色，表达量低的那个材料全是蓝色。 达不到区分不同的基因表达有差异的效果。 因此，采用以下标准化的方法，可以有效的展示材料之间的差异，也可以展示不同基因之间的差异。 

数据如下：

 
			
Col
			
h3
		
gene1
			
0.818075197
			
2.398748858
		
gene2
			
0.480627491
			
0.926058452
		
gene3
			
0.213218511
			
0.408803941
		
gene4
			
61.79509635
			
137.4037627
		
gene5
			
4.985920179
			
10.09193546
		
gene6
			
16.01706302
			
24.19177474
		
gene7
			
2.641230651
			
4.721488137
		
gene8
			
2.460139283
			
14.49196975
		
gene9
			
0.290186472
			
1.103608313
		
gene10
			
0.360995519
			
0.808775839
		
gene11
			
0.928863409
			
1.491343848
		
gene12
			
2.359084408
			
5.967281796
		
gene13
			
3.05767779
			
5.005372632
		
gene14
			
0.229088313
			
0.585076526
		
gene15
			
0.659311953
			
1.871574262
		
gene16
			
8.77451154
			
16.48388491
		
gene17
			
39.88990698
			
62.90271955
		
gene18
			
0.9597624
			
2.790069555
		
gene19
			
4.648151688
			
11.4454019
		
gene20
			
0.229843484
			
0.924642942
		
gene21
			
0.338031549
			
0.668446401
		
gene22
			
11.14846849
			
19.54088284
		
gene23
			
0.510737569
			
0.897929633
		
gene24
			
0.919022625
			
1.646921958
		
gene25
			
0.245724982
			
0.430445958
		
gene26
			
5.832228686
			
17.82051493
		
gene27
			
6.656722213
			
30.58322923
		
gene28
			
8.506724235
			
16.65287171
		
gene29
			
0.28035487
			
0.618129318
		
gene30
			
2.728988303
			
6.424190218
		
gene31
			
1.28509406
			
2.285384937
		
gene32
			
1.284149244
			
1.95134906
		
gene33
			
0.689166751
			
1.078235097
		
gene34
			
2.593251311
			
6.273472703
		
gene35
			
1.571382479
			
3.177707529
		
gene36
			
0.91827417
			
1.837563294
		
 

采用pheatmap, scale = "row" 得到的图如下：



很明显，两个材料差别很大，基因之间没有差异。 如果对每行只进行标准化，而不进行中心化，则可以区分出来基因之间的差异。

代码如下：

library(pheatmap)
data = read.table(file="~/Downloads/Col.txt",header = T)
plot_data = apply(as.matrix(data),1,function(x) scale(x,center = F,scale = T))
plot_data2 = t(plot_data)
dimnames(plot_data2) <- list(row.names(data), c("Col","h3"))
pheatmap(plot_data2,scale = "none",show_colnames = T,show_rownames = T)



因此，如果要展示的是差别较大的两列数据时，可以对数据只进行标准化，而不进行中心化，这样能避免以上所有基因在一个材料中都是一样的情况。

 

平时的工作难免要接触到Excel表格数据，有时候数据杂乱需要核对，你是不是还在一个一个的慢慢对比核对呢？其实，用对了方法3秒就能搞定哦！学会从此不加班。下面我来给大家介绍一下三种数据核对的情况。
1. 两列数据对比
当遇到两列数据对比不同的时候核对比较简单，只需要先用鼠标同时选中两列数据，然后按快捷键Ctrl+，这样不同的数值就找出来了，再填充一个颜色进行区分就好了。
2. 两个数据表格对比
当我们遇到两个表格对比的时候，我们首先选中表一的数据部分，右击复制，再选中表二的数据部分，右击-选择性粘贴，选择减，点击确定，这样不为零的地方就是数据不一样的地方了。
3. 两个错乱数据表对比
当我们遇到两个错乱的表格数据需要核对的时候，我们首先选中一个表格的内容，点击数据下面的高级筛选，列表区域是我们已经选中的，条件区域选中另一张表格内容，点击确定。
这样设置以后不同的数据就自动被删除了，我们将已经选中的剩下表格内容填充一个颜色，点击开始，填充颜色。
然后点击数据里面的清除选项，就完成了，这个时候没有颜色填充的地方就是数据不一样的地方了。你学会了吗？
更多Excel实用小技巧欢迎关注我哦，每天为你更新一个最实用的技巧，学会一定有用，建议收藏哦。