
就算不做数据分析师也要学会这8个IF函数
今天所讲的IF函数,包括excel中含有IF的系列函数,共有8个,每个函数列举最了常用的2~3个公式,希望能对同学们有用。
作用:根据条件进行判断并返回不同的值。
示例:
1、如果A1单元格值大于100,显示“完成”,否则显示“未完成”
=IF(A1>100,"完成","未完成")
2、判断成绩
=IF(A1<60,"不及格",IF(A1<80,"良好","优秀"))
3、如果A1的值大于60并且B1不为空,显示“已结束”否则显示“未结束”
=IF(AND(A1>60,B1<>""),"已结束","未结束")
作用:把错误值显示为指定的内容
示例:
1、如果A1/B1返回错误值,则显示空
=Iferror(a1/b1,"")
2、如果Vlookup查找不到值,则显示空
=Iferror(vlookup(省略),"")
作用:根据条件统计个数
示例:
1、计算A列有多少财务部的人员
=Countif(a:a,"财务部")
2、计算A列有多少个包括“北京”的公司名称
=Countif(a:a,"*北京*)
作用:根据条件求和
1、统计C列大于1000的销售金额之和
=Sumif(c:c,">1000")
2、统计A列产品为“三星”所对应B列的销售个数
=Sumif(a:a,"三星",b:b)
作用:多条件计数
示例:
1、公司1的人事部有多少人(A列公司名称,B列部门名称)
=COUNTIFS(A2:A11,"公司1",B2:B11,"人事部")
2、工资在3000~4000之间的有多少人(D列为工资)
=COUNTIFS(D2:D11,">3000",D2:D11,"<4000")
作用:多条件求和
示例:
1、公司1人事部工资和(A列公司名称,B列部门名称。D列工资)
=SUMIFS(D2:D11,A2:A11,"公司1",B2:B11,"人事部")
2、A列为"电视",B列包括34的C列数量之和
=Sumifs(C:C,A:A,"电视",b:b,"*34*")
作用:根据条件计算平均数
示例:
1、计算C列单价小于10的平均单价。
=AVERAGEIF(C:C,"<10")
2、计算C产品的平均单价(A列为产品名称)
=AVERAGEIF(A:A,"C",B:B)
作用:多条件计算平均值
示例:
1、计算甲公司,经理级的平均工资(A列公司名,B列职称,C列工资金额)
=AVERAGEIFS(D2:D11,A2:A11,"甲公司",B2:B11,"经理")
2、统计工资在4000~8000之间的平均工资
=AVERAGEIFS(D2:D11,D2:D11,">4000",D2:D11,"<8000")
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18