日常工作中我们可能经常要对数据进行跨表汇总求和，今天就给大家分享一下如何对多个格式相同的工作表进行汇总求和
 
 
 
 
一、
 
1.如下图，是某手机卖场1月到4月的手机销售表，这四张销售表格式相同只是销售数据不同，现在我们想要快速得出这四个月手机的总销售表
 
 
 
 
2.点击方方格子
 
 
 
 
3.点击汇总拆分
 
 
 
 
4.点击汇总工作表
 
 
 
 
5.在汇总区域中输入销售表单元格区域A1:F11，区域样式选择二维表，汇总方式选择求和，最后点击确定
 
 
 
 
6.完成效果如下图
 
 
 
 
二、
 
1.新建一个工作表，命名为汇总表
 
 
 
 
2.将标题行与标题列复制到汇总表中
 
 
 
 
3.在B2单元格输入公式=SUM('1月:4月'!B2)即可快速汇总四张表格的B2单元格数据
 
 
 
 
4.将B2单元格下拉填充整个表格，即可完成四个月手机销售表汇总
 
 
 

 
多个EXCEL表格求和
 
在EXCEL汇总表中点击数据/合并计算，函数选择求和，引用位置选择第1张表，进行添加，再选择第2张表，进行添加，以此类推。根据表的样式选择首行、最左列，可二者全选，确定。
 
怎样在EXCEL中做到多个表中的相同内容在另一个表中...
 
第一种：如果多个单元格的数量比较多，你可以用函数sum求和进行，在格式工具栏上有一个“∑”自动求和的符号，选择sum自动求和这个选项，出现选择区域后，你去选择你想求和的多个单元格即可，然后按回车键进行确认，计算机完毕。
 
你会看到单元格里显示为：=sum(a1:a10)
 
第二种：如果多个单元格的数量没有超过5个的话，可以进行手动计算机，在想求结果的单元格里输入等号“=”后，用鼠标点一下数字的单元格，按一个加号，再用鼠标点一下数字单元，再按一个加号，依次进行到最后，然后按回车进行确认，计算机完毕。
 
你会看到单元格里显示为：=a1 a2 a3 a4……
 
excel中多个工作表中一行某几个相同数据的数值进行...
 
如下图例子，A列为班级，B列为性别，C列为体育成绩，求“2班男生体育成绩和”：
 
公式=SUMIFS(C:C,A:A,"2班",B:B,"男")。
 
Excel怎么才能快速将几个表的某一列数据求和在一个...
 
材料/工具：Excel2010
 
1、如图我们拿到A/B/C/D四人1-5月份每月生产的每zhidao种产品的产量，要求1-5月的总和。
 
2、寻常的做法是，选中单元格，输入“=”，点击表1，点击B2单元格，输入“ ”
 
3、然后点击表2的B2单元格
 
4、一个一个表的点击相加，最后得到公式“='1'!B2 '2'!B2 '3'!B2 '4'!B2 '5'!B2”
 
5、拖动鼠标选中表格区间专。
 
6、输入“=SUM”函数
 
7、点击表1，然后摁住“shift”键，鼠标点击表5，然后选中B2单元格，函数显示为“=SUM('1:5'!B2)”
 
8、摁快捷键“Ctrl Enter”键，即可属复制粘贴公式到所选区间内。
 
如何将多个excel表格的数据合并计算到一张表格中
 
EXCEL工作薄中有12个表(1月份到12月份的)，还在用多个 来求和，这样按键太多了，也太辛苦了，其实SUM、SUMIF、INDIRECT配合使用即可快速来求和多个表。
 
数据12个表，并命名有规则，C列是项目名称，先用INDIRECT({1,2,3,4,5,6,7,8,9,10,11,12}

 
excel中那两个不同的表单sheet中的数据如何求和?也就是说在同一个工作薄中的两个工作表sheet1根sheet2中的数据如何求和或者是合并内容;今天，小编就教大家在Wps中进行两个不同sheet表数据求和的操作方法。
 
Wps中进行两个不同sheet表数据求和的操作步骤如下：
 
首先想要实现该功能，必须是建立在同一个工作薄中，也就说的同一个excel文件中，打开该文件表;
 
数据表一中数据有数据sheet1蓝色字体显示;数据sheet2红色字体代表;分别位于两个不懂的工作表中;
 
如果想要求和两个工作表中的数据，首先选择一个空白的单元格，然后在单元格中手动属于等于号“=”;再次在sheet1中选择空白的单元格属于等于号;
 
然后再分别在两个工作表中也就是sheet中选择两个数据求和，先点击sheet1然后在显示的数据里面属于加号“+”;
 
然后再到sheet2中选择一个数据，注意上面的显示是不是有所不一样出现了“=B2+Sheet2!B3”，表示两个不同工作表之间的求和。
 
再回到sheet1中查看，已经把两个不同sheet中的数据求和，然后你再双击点击求个的那个单元格，就会显示出求和公式。
 
Wps中进行两个不同sheet表数据求和的操作

Python实现多个工作簿合并及多功能数据透视
 
大家好，这次项目给大家带来的是Python实现多个Excel工作簿合并，并对合并后的结果集进行数据透视的示例。对于数据透视，Excel当中已经有了比较强大的透视功能，但是缺点是灵活性不足，就是对于时间频率、周期以及计算方式都不够灵活，因此Python正好弥补了这块不足。
 
首先看下几天的数据集的样子：
 
 这个是要合并的所有的工作簿
 
 
这是每个工作簿的样子，每个文件的内部样式都要保持一致能才能进行完整的合并。
 
接下来简单谈谈我的功能实现：
 
1. 功能模块介绍：
 
使用Path模块：
 
读取指定文件夹下的所有excel文件
 
使用Pandas
 
read_excel()读取所有工作簿
concat()合并多有数据
pivot_table() 进行简单数据透视
resample()日期重采样进行不同时段的数据汇总
rolling() 探查指定固定时间段数据的变化程度
to_excel()汇总数据到新的工作簿
 
2. 扩展：时间选择
 
按照固定频率：
每几天/周/月：例如：‘7D’
时间频率设置参数如下：
 
 
代码：
 
导入扩展包
 
import pandas as pd
from pathlib import Path
 
数据整合
 
# 数据整合：
def data_concat():
    # 提示用户输入文件夹路径：
    folder_path = Path(input('请输入要处理文件的文件夹路径：'))
    # 提取所有文件列表：
    file_list = folder_path.glob('*merge.xlsx')
    # 整合所有列表
    df_list = []
    for i in file_list:
        if not i.name.startswith('~$'):
            df = pd.read_excel(i)
            df_list.append(df)
    dfs = pd.concat(df_list,axis=0) # axis=0 代表上下合并，axis=1代表左右合并
    # 提示用户需要提取哪列或者哪几列数据,name和date是必须添加的数据，因此也要进行整合
    col_list = input('请输入要提取的列名，多个列名用空格间隔：').split(' ')
    if ('name' in col_list)&('date' in col_list):
        pass
    elif 'name' in col_list:
        col_list.append('date')
    elif 'date' in col_list:
        col_list.append(['name'])
    else:
        col_list.extend(['name','date'])
    df = dfs[col_list]
    df.set_index('name',inplace=True)
    # 输出数据：
    return df
 
实现简单数据透视
 
我使用了pivot_table()函数来生成以股票名为行索引，日期为列索引，不同计算汇总添加新列的方式生成透视结果。我将用户指定的多个计算添加到列表中，然后依次执行，并生成新的列添加到透视结果中，这样就能很简单快速的生成透视结果了
 
# 实现简单数据透视
def pivot_data(df):
    # 提示用户需要进行汇总的方法：
    method_list = input('请输入要汇总的方法：求和,非重复计数,平均值,最大值,最小值,方差,标准差,多个方法以空格间隔：').split(' ')
    table = pd.pivot_table(df,index='name',columns='date',fill_value=0)
    for i in range(len(method_list)):
        if method_list[i] == '求和':
            table[method_list[i]] = table.sum(1)
        elif method_list[i] == '平均值':
            table[method_list[i]] = table.mean(1)
            print(table[method_list[i]])
        elif method_list[i] == '最大值':
            table[method_list[i]] = table.max(1)
        elif method_list[i] == '最小值':
            table[method_list[i]] = table.min(1)
        elif method_list[i] == '去重计数':
            table[method_list[i]] = table.unique(1)
        elif method_list[i] == '标准差':
            table[method_list[i]] = table.std(1)
        elif method_list[i] == '方差':
            table[method_list[i]] = table.var(1)
        else:
            print('方法不存在')
    table.to_excel('res.xlsx')
 
生成的数据集是这样的：
 生成具有时间频率透视功能的表格
 
在实际工作中，我们经常需要对一定时间频率的数据做统计，这里我使用了Python中时间序列相关的内容，对股票数据，进行不同时间频率的数据透视，可以得到以固定时间频率变化的汇总结果。
 
# 具有时间频率透视功能的表格
def freq_pivot(df):
    # 对数据索引重置，使时间作为行索引
    date_format= '''
        可供选择日期频率：
        每几个日历日：nD，例如'7D'
        每几个工作日：nB, 例如'7B'
        每月最后一个日历日：nM，例如'3M'
        每月最后一个工作日：nBM，例如'3BM'
        指定每周星期几算起：W-Mon
        等等
    '''
    date_freq = input('请输入你想要的时间频率(输入时间需要小于现有数据时间跨度)：')
    df['date'] = pd.to_datetime(df['date'])
    df2 = df.reset_index().set_index('date')
    method_list = input('请输入要汇总的方法：求和,平均值,最大值,最小值,方差,标准差,多个方法以空格间隔：').split(' ')
    for i in range(len(method_list)):
         if method_list[i] == '求和':
            df3 = df2.groupby('name').resample(date_freq).sum()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         elif method_list[i] == '平均值':
            df3 = df2.groupby('name').resample(date_freq).mean()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')         
         elif method_list[i] == '最大值':
            df3 = df2.groupby('name').resample(date_freq).max()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx') 
         elif method_list[i] == '最小值':
            df3 = df2.groupby('name').resample(date_freq).min()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         elif method_list[i] == '标准差':
            df3 = df2.groupby('name').resample(date_freq).std()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         elif method_list[i] == '方差':
            df3 = df2.groupby('name').resample(date_freq).var()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         else:
            print('方法不存在')
def freq_pivot(df):
    # 对数据索引重置，使时间作为行索引
    date_format= '''
        可供选择日期频率：
        每几个日历日：nD，例如'7D'
        每几个工作日：nB, 例如'7B'
        每月最后一个日历日：nM，例如'3M'
        每月最后一个工作日：nBM，例如'3BM'
        指定每周星期几算起：W-Mon
        等等
    '''
    date_freq = input('请输入你想要的时间频率(输入时间需要小于现有数据时间跨度)：')
    df['date'] = pd.to_datetime(df['date'])
    df2 = df.reset_index().set_index('date')
    method_list = input('请输入要汇总的方法：求和,平均值,最大值,最小值,方差,标准差,多个方法以空格间隔：').split(' ')
    for i in range(len(method_list)):
         if method_list[i] == '求和':
            df3 = df2.groupby('name').resample(date_freq).sum()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         elif method_list[i] == '平均值':
            df3 = df2.groupby('name').resample(date_freq).mean()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')         
         elif method_list[i] == '最大值':
            df3 = df2.groupby('name').resample(date_freq).max()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx') 
         elif method_list[i] == '最小值':
            df3 = df2.groupby('name').resample(date_freq).min()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         elif method_list[i] == '标准差':
            df3 = df2.groupby('name').resample(date_freq).std()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         elif method_list[i] == '方差':
            df3 = df2.groupby('name').resample(date_freq).var()
            df3.to_excel(f'时间频率为{date_freq}{method_list[i]}透视.xlsx')
         else:
            print('方法不存在')
 
生成的数据集是这样的：
 
 
生成具有时间周期的透视表格
 
有时候我们想要查看每连续一定时间周期数据的变化规律是怎么样的，这时候就需要生成具有时间周期的透视表格，在该方法中，我使用了unstack方法将行索引设定为时间，股票名设置为列索引，最终实现了股票在一定时间周期下的连续变化的数据
 
# 时间周期透视：
def period_pivot(df):
    date_format= '''
        可供选择日期周期：
        查看每连续几日的数据变化(如每连续10天)，请输入：10
    '''
    print(date_format)
    df['date'] = pd.to_datetime(df['date'])
    df2 = df.reset_index().set_index(['date','name'])
    p = int(input('本功能为观测连续天数的某个数学指标的变化情况，请输入你想要的时间周期（不要超过数据时间跨度）：'))
    method_list = input('请输入要汇总的方法：求和,平均值,最大值,最小值,方差,标准差,多个方法以空格间隔：').split(' ')
    for i in range(len(method_list)):
        if method_list[i] == '求和':
            df3 = df2.unstack(level=1).rolling(window=p).sum()
            df3.to_excel(f'时间周期为{p}{method_list[i]}透视.xlsx')
        elif method_list[i] == '平均值':
            df3 = df2.unstack(level=1).rolling(window=p).mean()
            df3.to_excel(f'时间周期为{p}{method_list[i]}透视.xlsx')
        elif method_list[i] == '最大值':
            df3 = df2.unstack(level=1).rolling(window=10).max()
            df3.to_excel(f'时间周期为{p}{method_list[i]}透视.xlsx')
        elif method_list[i] == '最小值':
            df3 = df2.unstack(level=1).rolling(window=p).min()
            df3.to_excel(f'时间周期为{p}{method_list[i]}透视.xlsx')
        elif method_list[i] == '标准差':
            df3 = df2.unstack(level=1).rolling(window=p).std()
            df3.to_excel(f'时间周期为{p}{method_list[i]}透视.xlsx')
        elif method_list[i] == '方差':
            df3 = df2.unstack(level=1).rolling(window=p).var()
            df3.to_excel(f'时间周期为{p}{method_list[i]}透视.xlsx')
        else:
            print('方法不存在')
 
生成的结果集是这样的：