
开工大吉:几个让你月薪3万+的excel神技能
职场中经常会用到哪些函数?
IF函数、SUMIF函数、VLOOKUP函数、SUMPRODUCT函数......
小编总结了8个在工作中常用的表格函数,能解决我们大部分的制作需求,使用频率很高!它们的用法应该掌握,如果日常工作中遇到类似的问题,拿来即用!
- 01 -
IF函数
用途:根据逻辑真假返回不同结果。作为表格逻辑判断函数,处处用得到。
函数公式:
=IF(测试条件,真值,[假值])
函数解释:
当第1个参数“测试条件”成立时,返回第2个参数,不成立时返回第3个参数。IF函数可以层层嵌套,来解决多个分枝逻辑。
-动图教程-
▲举例:60分以上的晋级,低于60分的补考,低于30分的淘汰
- 02 -
SUMIF和SUMIFS函数
用途:对一个数据表按设定条件进行数据求和。
-SUMIF函数-
函数公式:
=SUMIF(区域,条件,[求和区域])
函数解释:
参数1:区域,为条件判断的单元格区域;
参数2:条件,可以是数字、表达式、文本;
参数3:[求和区域],实际求和的数值区域,如省略则参数1“区域”作为求和区域。
-动图教程-
▲举例:求产品A的销售额总和
-SUMIFS函数-
函数公式:
=SUMIFS(求和区域,区域1,条件1,[区域2],[条件2],……)
函数解释:
第1个参数是固定求和区域。区别SUMIF函数的判断一个条件,SUMIFS函数后面可以增加多个区域的多个条件判断。
- 动图教程-
▲举例:求华东区A产品销售额
- 03 -
VLOOKUP函数
用途:最常用的查找函数,用于在某区域内查找关键字返回后面指定列对应的值。
函数公式:
=VLOOKUP(查找值,数据表,列序数,[匹配条件])
函数解释:
相当于=VLOOKUP(找什么,在哪找,第几列,精确找还是大概找一找)
最后一个参数[匹配条件]为0时执行精确查找,为1(或缺省)时模糊查找,模糊查找时如果找不到则返回小于第1个参数“查找值”的最大值。
-动图教程-
▲精确查找:精确查找举例:查询某员工工资
▲模糊查找:将员工收入划分等级,工资低于6000属低收入,6000-8000中等收入,8000以上高收入。
- 04 -
MID函数
用途:截取一个字符串中的部分字符。有的字符串中部分字符有特殊意义,可以将其截取出来,或对截取的字符做二次运算得到我们想要的结果。
函数公式:
=MID(字符串,开始位置,字符个数)
函数解释:
将参数1的字符串,从参数2表示的位置开始,截取参数3表示的长度,作为函数返回的结果。
-动图教程-
▲举例:根据身份证号码,自动获取出生日期,=TEXT(身份证号,"0-00-00")这里的TEXT函数作用是将MID取出的8位数按0-00-00的格式输出显示。
- 05 -
DATEDIF函数
用途:计算日期差,有多种比较方式,可以计算相差年数、月数、天数,还可以计算每年或每月固定日期间的相差天数、以及任意日期间的计算等,灵活多样。
函数公式:
=DATEDIF(开始日期,终止日期,比较单位)
函数解释:
参数1须小于参数2,即开始日期小于终止日期,否则会出错;
参数3可以是以下几种,分别代表不同的计算方式:
-动图教程-
▲举例:计算相差年数,如计算年龄、工龄等
- 06 -
WORKDAY函数
用途:计算某指定日期在N个工作日之后(或之前)的对应日期,一般用于计算一项工作需要做N天后完成的结束日期等。
函数公式:
=WORKDAY(开始日期,天数,[假期])
函数解释:
天数是指工作日,函数会自动排除周六日,当然还有节假日也是不工作的,可以列出节假日利用参数3引用,这样也可以排除节假日或其他指定日期。
-动图教程-
▲举例:根据项目开始日期及需要的工作天数,预算完工日期。
- 07 -
SUMPRODUCT函数
用途:一般用于某一条件或多个条件的求和、计数等,是不是有点像SUMIF或COUNTIF,其实它比上面两个函数要灵活。
函数公式:
=SUMPRODUCT(数组1,……)
函数解释:
它的参数由多个相同维度的数组组成,将数组间对应元素相乘并返回乘积之和。
当数组为逻辑数组{TRUE,……TRUE,……}可以用来当做判断条件或计数用,当数组为数值数组{数值,……数值,……}该数组就可以实现求和。
-动图教程-
▲举例:求某部门某产品发货次数
▲举例:求某部门某产品发货总金额(只要将上面的公式后面乘以求和列就可以)。
- 08 -
RANK函数
用途:用于排名计算。
函数公式:
=RANK(数值,引用,[排位方式])
函数解释:
参数1,是参与排名的数值;
参数2,是排名的数值区域;
参数3,是表示升序还是降序排名,为0或忽略时从高到低排名,为非0时从低到高排名。
-动图教程 -
▲举例:将员工按销售额排名,最高者为第1名
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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