京公网安备 11010802034615号
经营许可证编号:京B2-20210330
利用Microsoft Query工具可快速汇总多个工作表
我们在使用Excel时,所谓多个有关联的Excel工作表数据的汇总计算,就是说每个工作表保存有不同的数据信息,但是这些工作表的数据至少有一列数据是彼此相关联的。对多个有关联的工作表数据进行汇总计算,就是要将这些数据信息综合到一张工作表上,利用Microsoft Query工具可快速汇总多个工作表。
图1所示为一个员工信息及工资数据分别保存在3个工作表中的示例工作簿。其中,工作表“部门情况”保存员工的工号及其所属部门:工作表“明细工资”保存员工的工号及其工资明细数据;工作表“个税”保存员工的编号及其个人所得税数据。这3个工作表都有一个“工号”列数据。现在要求按部门将这3个工作表数据汇总到一张工作表上。以便做进一步的分析,如图2所示。
图1
图2
这个问题有很多方法可以解决,例如使用VLOOKUP函数等。但最简便且效率更高的方法是利用Microsoft Query工具。下面介绍利用Microsoft Query工具快速汇总多个有关联工作表的具体方法和步骤。
1、单击“数据”选项卡,在“获取外部数据”功能组中单击“自其他来源”按钮,选择“来自Microsoft Query”命令,如图3所示。
图3
2、此时会打开“选取数据源”对话框,如图4所示。
图4
3、底部的“使用‘查询向导’创建/编辑查询”复选框,单击“确定”按钮,打开“选择工作簿”对话框,从保存有当前工作簿文件的文件夹中选择该文件,如图5所示。
图5
4、单击“确定”按钮。
如果是第一次使用Microsoft Query工具,在单击“确定”按钮后会弹出一个警告信息框,
如图6所示。单击“确定”按钮,打开“查询向导一选择列”对话框,如图7所示。
图6
图7
单击“选项”按钮,打开“表选项”对话框,选择“系统表”复选框,如图8所示。
图8
单击“确定”按钮,返回到“查询向导-选择列”对话框,在“可用的表和列”列表中可用看到各个工作表的名称列表,如图9所示。
图9
5、从左边“可用的表和列”列表中分别选择工作表“部门情况”、“明细工资”和“个税”,单击>按钮,将这3个工作表的所有字段添加到右侧的“查询结果中的列”列表框中,如图10所示。
图10
6、由于3个工作表中都有一列“工号”,因此“查询结果中的列”列表框中出现了3个“工号”列,选择多余的两个“工号”例,单击<安钮,将其移出“查询结果中的列”列表框,如图11所示。
图11
7、单击“下一步”按钮,系统会弹出一个警告信息框,告知用户“查询向导”无法继续,需要在Microsoft Query窗口中拖动字段进行查询,如图12所示。
图12
8、单击“确定”按钮,打开Microsoft Query窗口,其中包含上下两部分,上方有3个小窗口,分别显示3个工作表的字段列表,下方是3个工作表中全部数据的列表,如图13所示。
图13
9、由于3个工作表中的记录是以员工编号相关联的,因此将某个工作表字段列表窗口中的字段“工号”拖到其他工作表字段列表窗口中的字段“工号”上,就将这3个工作表通过字段“工号”建立了连接,Microsoft Query窗口下方的查询结果列表中就显示出所有满足条件的记录,如图14所示。
图14
10、选择Microsoft Query窗口中的“文件”-“将数据返回Microsoft Office Excel”命令,如图15所示,系统就会打开“导入数据”对话框,如图16所示。
图15
图16
11、在“导入数据”对话框中选择“表”单选按钮和“新建工作表”单选按钮,单击“确定”按钮,即可得到图2所示的汇总数据。
利用Microsoft Query工具可快速汇总多个工作表,这种查询汇总得到的数据与每个分表是动态连接的。当某个分表的数据发生变化后,在数据区域内选择右键快捷菜单中的“刷新数据”命令,即可对汇总数据进行刷新。如果想要对这些分表数据进行汇总后再利用数据透视表进行更多分析,可以以该汇总数据为基础制作数据透视表。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14