
=INT(数字)
=MOD(除数,被除数)
=ROUND(数字,保留小数位数)
=ABS(数字)
=SQRT(数字)
=RAND()
=RANDBETWEEN(数字,数字)
扫码获取完整版文档
=MID(字符串,起始位置,取子符串位数)
=LEFT(字符串,取子符串位数)
=RIGHT(字符串,取子符串位数)
=LEN(字符串)
=TEXT(数字,选用的文本格式)
= REPT( 文本,重复次数)
=REPLACE(要替换的字符串,开始位置,替换个数,新的文本)
=SUBSTITUTE(需要替换的文本,旧文本,新文本,第N个位置旧文本)
=MAX(输入需要提取的数据范围)
=MIN(输入需要提取的数据范围)
=SUM(输入需要提取的数据范围)
=COUNT(输入需要提取的数据范围)
=COUNTA(输入需要提取的数据范围)
=AVERAGE(输入需要提取的数据范围)
=COUNTIF(条件区域,条件)
=SUMIF(条件区域,求和条件,实际求和区域)
=AVERAGEIF(条件区域,求平均条件,实际求平均区域)
=COUNTIFS(条件匹配查询区域1,条件1,条件匹配查询区域2,条件2,以此类推......)
=SUMIFS(实际求和区域,第一个条件区域,第一个对应的求和条件,第二个条件区域,第二个对应的求和条件,第N个条件区域,第N个对应的求和条件)
=AVERAGEIFS(实际求和区域,第一个条件区域,第一个对应的求和条件,第二个条件区域,第二个对应的求和条件,第N个条件区域,第N个对应的求和条件)
=FREQUENCY(要统计的数组,间隔点数组)
注意:其函数需要选中三格,输入完函数,按CTRL+Shift+Enter
=RANK(排名的数字,引用区域,排序方式[0:降序,1:升序])
=IF(条件判断, 结果为真返回值, 结果为假返回值)
=AND(条件判断1,条件判断2)
=OR(条件判断1,条件判断2)
=NOT(条件判断1)
=YEAR(输入日期)
=MONTH(输入日期)
=DAY(输入日期)
=TODAY()
=DATE(输入年,输入月,输入日)
=NOW()
=EDATE(开始日期,月份)
=EOMONTH(开始日期,月份数)
=DATEDIF(起始日期,结束日期,所需信息的返回时间单位代码)
所需信息的返回时间单位代码: "y"返回时间段中的整年数 "m”返回时间段中的整月数 "d"返回时间段中的天数 "md”参数1和2的天数之差,忽略年和月 "ym“参数1和2的月数之差,忽略年和日 "yd”参数1和2的天数之差,忽略年。按照月、日计算天数
=VLOOKUP(查找目标,查找范围,返回值的列数,精确OR模糊查找)
=OFFSET(参照单元格,行偏移量,列偏移量,返回几行,返回几列)
注意:其函数需要选中四格,输入完函数,按CTRL+Shift+Enter
=MATCH(查找的值,查找区域,查找类型)
=INDEX(引用的区域,引用的行数,引用的列数)
=INDIRECT(引用的单元格,引用的类型)
=ROW(选中的单元格)
=COLUMN(选中的单元格)
=HLOOKUP(查找目标,查找范围,返回值的行数,精确OR模糊查找)
如果您想快速掌握 Excel 数据分析的核心技能,推荐您学习 《Excel数据分析常用的50个函数》 课程。
本课程精选 Excel 中最实用的 50 个函数,结合实际案例讲解,助您高效处理数据,提升工作效率。
立即报名,开启您的学习之旅:https://edu.cda.cn/goods/show/3823?targetId=6726&preview=0
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