京公网安备 11010802034615号
经营许可证编号:京B2-20210330
朋友在使用Excel中遇到了难题,他想把数据区域中所有的奇数行设为相同的行高。当然,按住Ctrl键可以一一点选不连续的奇数行,但对于他的数千行数据来说,显然这是不明智的,而且稍有差池,前功尽弃。苦思冥想,俺终于帮他找到了解决办法。
第一步,在工作表数据区域右侧选一空白列,如本例的F列,在第一个奇数行的单元格中输入“=1/0”,回车,如您所料,它将返回一个错误结果“#DIV/0!”,而这正是需要的。选中此单元格及下面一个空白单元格,将鼠标移至选择区域的填充柄处(此时指针变为十字形),按住左键向下拖动,直到此列需要更改行高的最后一个奇数行单元格处。这样,鼠标所拖过的区域凡奇数行的单元格都被填充了“#DIV/0!”(如图1)。
第二步,打开“编辑”菜单,选择“定位”命令,在“定位”对话框中单击“定位条件”按钮,确认“公式”下的“错误”项被勾选,取消“数字”、“文本”、“逻辑值”的选择(如图2)。
单击“确定”关闭对话框,可见此列凡奇数行的单元格均被选中了(如图3)。
第三步,连续执行“格式”、“行”、“行高”命令,打开“行高”对话框,在文本框中输入要更改的行高值(如图4)。
单击“确定”按钮,所有要求更改高度的奇数行行高已更改完毕(如图5)。
最后,清空定位条件列(即F列)的数据或将其删除。
注意:本例选择了“公式”的“错误”项作为定位条件,因为这一种情况在实际情况中出现的几率很小,当然还可以根据工作表中的数据类别定制和选择其他的定位条件。
朋友顺利解决了问题,但又提出了新的要求:如果要对数据区域中所有的奇数行进行格式设置,又该如何办呢?显然,上面的方法选中的仅仅是参考列中的奇数行单元格,无法直接达到要求,只能另辟蹊径。突然想起了Excel的筛选功能,何不试试呢?!
首先,还是在工作表数据区域右侧选一空白列作为参考列,在第一个单元格内输入“0”,第二个单元格内输入“1”。
第二步,选中“0”、“1”两个单元格,按住Ctrl键,利用填充柄向下填充数据,直到数据区域的末行。选中参考列数据中的某一个单元格。
第三步,打开“数据”菜单,执行“筛选”、“自动筛选”。
第四步,单击参考列首行的按钮,选择筛选条件“0”,数据区域中,偶数列自动隐藏。下面就可以直接对奇数列的单元格进行操作了,不仅可以统一调整行高,还可以对单元格进行字体设置、颜色填充等各种格式操作。
第五步,打开“数据”菜单,执行“筛选”、“自动筛选”,还原数据区域。
最后,删除参考列。
一个貌似麻烦的难题,通过参考数据的设置,竟然如此简单,简单到让人哑然失笑,真是只有想不到的,没有做不到的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06在数据驱动的建模与分析场景中,“数据决定上限,特征决定下限”已成为行业共识。原始数据经过采集、清洗后,往往难以直接支撑模 ...
2026-01-06在Python文件操作场景中,批量处理文件、遍历目录树是高频需求——无论是统计某文件夹下的文件数量、筛选特定类型文件,还是批量 ...
2026-01-05在神经网络模型训练过程中,开发者最担心的问题之一,莫过于“训练误差突然增大”——前几轮还平稳下降的损失值(Loss),突然在 ...
2026-01-05