
EXCEL数据分析处理(2)
记录单是查找和编辑数据的最简单的方法,利用记录单,不仅可以查找数据记录,还可以修改和删除记录、添加新的数据记录等。
1.查找数据记录
利用记录单查找数据记录的步骤如下:
(1)用鼠标单击数据清单或数据库中的任一非空单元格。
(2)单击【数据】菜单,选择【记录单】项,则系统弹出如图2-38所示的记录单。
图2-38 记录单
(3)单击记录单中的【条件】按钮,则弹出记录单条件对话框,如图2-39所示。
图2-39 记录单条件对话框
(4)输入条件,比如要查找“张三”的销售记录,则在【销售人员】栏中输入“张三”,然后单击【上一条】按钮或【下一条】按钮,系统就逐次显示满足条件的记录行。
还可以使用多个条件联合查找记录,此处不再叙述。
2.修改或删除记录
在图2-38所示的记录单中,即可对某一记录的各字段进行修改。若要删除显示的记录,只需单击记录单上的【删除】按钮即可。
3.添加新的记录
在图2-38所示的记录单中,单击记录单上的【新建】按钮,则出现各字段均为空白的新建记录单,在记录单中输入各字段的值,输入完毕后,单击【新建】按钮,即完成添加新记录。
1.自动筛选
记录单检索数据每次只能显示一个数据行,当查询的数据较多,或要把查询的结果汇总成表时,就需要使用筛选工具了。自动筛选提供了快速检索数据清单或数据库的方法,通过简单的操作,就能筛选出需要的数据。利用自动筛选查找数据的步骤如下:
(1)用鼠标单击数据清单或数据库中的任一非空单元格。
(2)单击【数据】菜单,选择【筛选】项,在【筛选】子菜单中选择【自动筛选】,则系统自动在数据清单的每列数据的标题旁边添加一个下拉列标标志,如图2-40所示。
图2-40 自动筛选的下拉列表标志
(3)单击需要筛选的下拉列表,系统显示出可用的筛选条件,从中选择需要的条件,即可显示出满足条件的所有数据。例如,要查找所有彩电的销售记录,单击“商品”右边的下拉列表,从中选择“彩电”项,则所有的彩电销售记录就显示出来,而其他的数据则被隐藏,如图2-41所示。
图2-41 彩电销售清单的筛选结果
如果有关彩电的销售记录很多,超过了10个,当需要只显示10个记录时,可单击“单价”、“数量”、“金额”等右边的下拉列表中的“前10个”项,系统弹出【自动筛选前10个】对话框,如图2-42所示。这里,在【显示】下拉列表中“最大”表示最大(最好)的前10个记录,“最小”表示最小(最差)的前10个记录。中间的编辑框中的数值表示显示的记录行数,系统默认值为10,但可以修改,根据需要输入数值即可。
图2-42 【自动筛选前10个】对话框
若要恢复所有的记录,则单击“商品”右边的下拉列表中的“全部”项。若要取消【自动筛选】状态,则单击【数据】菜单,选择【筛选】项,在【筛选】子菜单中再次选择【自动筛选】。
2.自定义筛选方式
当在图2-40所示的下拉列表中选择“自定义”项时,则会弹出【自定义自动筛选方式】对话框,如图2-43所示,用户可根据具体条件对各栏进行设置。如要查找销售金额大于或等于“150000”且小于或等于“200000”的所有记录,则单击左上角的下拉箭头,选择“大于或等于”,右上角的条件值输入“150000”,单击左下角的下拉箭头,选择“小于或等于”,右下角的条件值输入“200000”,单击【确定】按钮,并选择“与”条件,则满足这些条件的所有记录就显示出来了,如图2-44所示。
图2-43 【自定义自动筛选方式】对话框
图2-44 【自定义自动筛选方式】筛选的结果
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16