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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19