京公网安备 11010802034615号
经营许可证编号:京B2-20210330
EXCEL数据分析处理(4)
如果不再需要分类汇总结果,可在图2-49所示的【分类汇总】对话框中单击【全部删除】,即可撤消分类汇总。
数据透视表是用于快速汇总大量数据的交互式表格,用户可以旋转其行或列以查看对源数据的不同汇总,也可以通过显示不同的页来筛选数据,还可以显示所关心区域的数据明细。通过对源数据表的行、列进行重新排列,使得数据表达的信息更清楚明了。
以例2-11的数据为例,建立数据透视表的步骤如下:
(1)首先,要保证数据源是一个数据清单或数据库,即数据表的每列必须有列标。
(2)单击数据清单或数据库中的任一非空单元格,然后单击【数据】菜单,选择【数据透视表和图表报告】项,则系统弹出【数据透视表和数据透视图向导—3步骤之1】对话框,如图2-51所示,根据待分析数据来源及需要创建何种报表类型,进行相应的选择,然后单击【下一步】按钮,系统弹出【数据透视表和数据透视图向导—3步骤之2】对话框,如图2-52所示;
图2-51 【数据透视表和数据透视图向导—3步骤之1】对话框
图2-52 【数据透视表和数据透视图向导—3步骤之2】对话框
(3)默认情况下,系统自动将选取整个数据清单作为数据源,如果数据源区域需要修改,则可直接输入“选定区域”,或单击【浏览】按钮,从其他的文件中提取数据源。确定数据源后,单击【下一步】按钮,系统弹出【数据透视表和数据透视图向导—3步骤之3】对话框,如图2-53所示。
图2-53 【数据透视表和数据透视图向导—3步骤之3】对话框
(4)在【数据透视表和数据透视图向导—3步骤之3】对话框中,单击【版式】按钮,出现【数据透视表和数据透视图向导—版式】对话框,如图2-54所示。
(5)【数据透视表和数据透视图向导—版式】对话框中,再根据需要,将右边的字段按钮拖到左边的图上,这里,将“销售人员”拖到“行(R)”图上,将“商品”拖到“列(C)”图上,将“数量(台)”和“金额(元)”拖到“数据(D)”图上,如图2-55所示。
图2-55 设置数据透视表的版式
(6)设置好版式后,单击【确定】按钮,则系统就返回到图2—44所示的【数据透视表和数据透视图向导—3步骤之3】对话框,然后单击【完成】按钮,数据透视表就完成了,如图2-56所示。
这样,通过图2-56的数据透视表,即可看出每个销售人员所销售商品的种类、数量、销售额及其合计数,从而以此为基础可很方便地对每个销售人员的销售业绩进行评价。
图2-56 各个销售人员销售商品的数据透视表
在图2-56所建立的数据透视表上,可以很方便地进行多角度的统计与分析。比如要了解李四所销售商品的情况,可在“销售人员”下拉列标中只选中“李四”,然后单击“确定”按钮,则李四的销售情况如图2-57所示。
图2-57 李四的销售情况汇总
还可以建立透视图,方法是:单击数据透视表中的任一单元格,单击鼠标右键,在快捷菜单中选择【数据透视图】项,则系统自动显示出数据透视图,从而得到每个销售人员的更为直观的销售情况。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21