
通过Excel组合字段分析数据
使用Excel中,组合字段,是数据透视表非常有用的功能之一。例如,我们可以把日期按照年、季度和月份进行组合。得到年、季度和月份的汇总数据;还可以对员工的年龄数字进行组合,得到各个年龄段的员工分布;也可以对城市、省份、商品等进行组合,得到更多的分析角度:等等,我们用下面的两个案例来学习下通过Excel组合字段分析数据。
案例1
图1所示是2008年和2009年每天的销售流水账,现在要求制作一个如图2所示的年、季度和月份汇总的报表。
图1
图2
1、制作基本的Excel数据透视表,并设置报表格式,如图3所示。
图3
2、单击字段“日期”内的任意单元格,右击,选择快捷菜单中的“组合”命令,如图4所示。
图4
3、此时会打开“分组”对话框,在“步长”列表框中选择“月”。“季度”和“年”,如图5所示。
图5
4、单击“确定”按钮,即可得到需要的报表。
案例2
图6所示是一个员工基本信息数据表格,现在要求制作一个如图7所示的各个部门在职人员的不同年龄段的员工人数报表。
图6
图7
1、制作基本的数据透视表,并设置报表格式,如图8所示。这里要注意:把字段“高职时间”拖放到筛选字段区域,并选择“空白”项目,因为高职时间为空白的才是在职人员;把字段“部门”拖放到行字段区域;把字段“年龄”拖放到列字段区域;把字段“姓名”拖放到数值字段区域,并注意其分类汇总方式应为计数。
图8
2、单击字段“年龄”内的任意单元格(也就是第4行的年龄数字单元格),右击,选择快捷菜单中的“组合”命令。
3、此时会打开“分组”对话框,设置“起始于”、“终止于”和“步长”值,比如要从26——50岁之间,每隔5岁为一组,就在“起始于”、“终止于”和“步长”文本框中分别输入数字26、50和5,如图9所示。
图9
4、单击“确定”按钮,即可得到如图10所示的数据透视表。
图10
5、把各个年龄段的项目名称修改为具体的名称,即可得到要求的报表。
上面的两个案例,让我们知道了通过Excel组合字段分析数据我们还可以做出其他更多的数据分析,组合字段后,我们在工作的时候效率会提高更多,而且分析出来的数据会更加详细。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10