Excel数据校验方法之巧用公式审核来帮忙
数据分析师在用Excel录入完大量数据后，不可避免地会产生许多错误。通常多数朋友都是一手拿着原始数据，一手指着计算机屏幕，手工进行数据校验，这效率不高还累人。为此，笔者特向大家介绍两种轻松且高效的数据校验方法。
今天讲的方法是——公式审核法
有时，我们"数据分析师"录入的数据是要符合一定条件的，例如，对于学生成绩表而言，其中的数据通常是0～100之间的某个数值。但是，在录入时由于错误按键或重复按键等原因，我们可能会录入超出此范围的数据。那么，对于这样的无效数据，我们如何快速将它们“揪”出并予以更正呢？让我们用公式审核法来解决这类问题 吧。下面笔者以一张学生成绩表为例进行介绍。
首先，"数据分析师"打开一张学生成绩表。然后，选中数据区域(注意:这里的数据区域不包括标题行或列)，单击“数据→有效性”命令，进入“数据有效性”对话框。在“设置”选项卡中，将“允许”项设为“小数”，“数据”项设为“介于”，并在“最小值”和“最大值”中分别输入“0”和“100”(见图)，最后单击“确定”退出。
接着，执行“视图→工具栏→公式审核”命令，打开“公式审核”工具栏。好了，现在直接单击“圈释无效数据”按钮即可。此时，我们"数据分析师"就可看到表中的所有无效数据立刻被红圈给圈识出来了(见图)。
"数据分析师"根据红圈标记的标志，对错误数据进行修正。修正后红圈标记会自动消失。这样，无效数据就轻松地被更正过来了。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
2025-11-06在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
2025-11-06在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
2025-11-05CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材：CDA教材一级：商业数据分析（2025）__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代，数据挖掘不再是实验室里的技术探索，而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM（Denoising Diffusion Probabilistic Models）训练过程中，开发者最常困惑的问题莫过于：“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA（Certified Data Analyst）数据分析师的工作中，“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时，他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点，理解二者区别是避免统计方法误用的关键。核心结论是：stats.ttest_rel（配对 ...
2025-11-03在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中，“频繁写入同一表” 是常见场景 —— 如实时日志存储（用户操作日志、系统运行日志）、高频交易记录（支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系，我将从相关系数的核心定义与类型切入，详解 “数 ...
2025-10-30对 CDA（Certified Data Analyst）数据分析师而言，“相关系数” 不是简单的数字计算，而是 “从业务问题出发，量化变量间关联强 ...
2025-10-30
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
