全文约2000 字;
阅读时间:约6分钟;
听完时间:约12分钟;
昨天,我们详细介绍了多维表格中的高级功能——“统计”字段,并展示了它如何成为不想深入学习复杂函数用户的得力助手。通过几个实际应用场景,我们看到“统计”字段不仅可以替代多种常用的函数,如 XLOOKUP、SUMIFS、COUNTIFS 等,还能简化多条件求和和计数的操作流程。
无论是查找与引用、单条件或多条件求和,还是单条件或多条件计数,“统计”字段都提供了直观且简便的方法。从计算生产计划表中的产值,到统计特定仓位的库存金额或数量,再到找出库存金额超过特定阈值的存货代码数量,“统计”字段均能轻松应对。
今天继续分享“统计”字段的其他用法
多条件的引用在传统表格中,如果需要根据多个条件进行查找引用,通常会变得相对复杂。例如,假设表1是现存量表,其中A列、B列分别代表存货编码和仓库名称,而C列则是对应的现存数量。利用XLOOKUP函数,可以输入以下公式来完成查找:
=XLOOKUP(A2 & B2, 表1现存量报表!$A$2:$A$6 & 表1现存量报表!$B$2:$B$6, 表1现存量报表!$C$2:$C$6)
公式解释:
该公式的目的是通过组合查找条件,在指定的数据区域中找到匹配的数据。这里涉及到了几个关键点:首先是XLOOKUP函数本身的使用;其次是使用“&”符号将查找条件连接起来;最后是利用美元符号($)来锁定单元格引用。对于初学者而言,这样的操作难度较大。
如果转换到多维表格中进行操作,无论是有两个条件还是三个条件,操作方法都是类似的:
首先,在需要进行查找引用的表2中新建一个高级字段,并将其命名为“现存数量”。然后,在弹出的对话框中按照以下步骤进行设置:需要查找引用的表2中新建一个高级字段“统计”,并命名为“现存数量”,在弹出的对话框中按以下方法设置:
需要统计的字段:表1“仓库现存量”报表中的“现存数量”字段统计方式:求和统计条件1:表1中的“存货编码”字段等于本表的“存货编码”字段统计条件2:表1中的“仓库名称”字段等于本表的“仓库名称”字段完成以上设置后,点击“确认”即可实现多条件的查找与引用。如果有第三个条件,只需继续添加相应的统计条件即可。
效果如下图所示:
统计最值数据在PMC的日常管理中,关注“极值”数据是一种常用的管理方法。例如,了解成品仓中库存最低的物品及其数量可以帮助提醒PC增加该产品的排产计划;同样地,知道材料仓中哪种物料的库存最多则可以提示MC减少对该物料的需求。
在传统的表格软件中,通常使用MAXIFS和MINIFS函数来解决这类问题,但这两个函数的特点是只返回数值类型的结果。如果还需要返回与这些极值相对应的文本信息(如存货编码),则需要借助XLOOKUP函数来进行额外的查找。
而在多维表格环境中,这种需求可以通过简单的统计字段设置来实现。以这个场景为例:“PMC负责人需要知道各个仓位的最大库存数量以及对应的存货编码。”在这种情况下,多维表格能更直接地提供所需的信息。
新建一个数据表,并将其命名为“最大值统计”。接着,新建一个文本字段,命名为“仓库名称”,并在其中录入需要统计的仓库名称,如“原材料仓”、“半成品仓”、“成品仓”等。然后,继续新建一个“统计”字段,并按照以下方式进行设置:
需要统计的字段:表1“仓库现存量”中的“现存数量”;
统计方式:最大值;
统计条件:表1中的“仓库名称”字段等于本表中的“仓库名称”。
接下来,再新建一个“统计”字段,并将其命名为“存货编码”。
需要统计的字段:表1“仓库现存量”中的“存货编码”;
统计方式:连接字符串;
统计条件:表1中的“现存数量”等于本表中的最大值(如果有多个记录满足条件,则返回多条记录,并用逗号分隔)。效果如下图所示:
同样地,对于最小值的操作,只需将“统计”字段中的统计方式从下拉选择框中更改为“最小值”即可。通过对比可以看出,使用统计字段无需录入MAXIFS或MINIFS的复杂参数,只需简单地点击鼠标,就可以完成最大最小值的分析与统计。
今日技巧总结今天,我们深入探讨了多维表格中“统计”字段的多样用途,特别是在处理多条件引用和极值数据时的优势。相较于传统表格软件中复杂的函数操作,多维表格提供了一种更为直观和简便的方法,让用户能够轻松完成数据的查找与引用。
通过具体的示例,我们看到如何在多维表格中设置“统计”字段来实现多条件的查找引用,这不仅简化了操作流程,也降低了学习曲线。此外,在统计极值数据方面,多维表格同样表现出色,无论是查找最大值还是最小值,都可以通过简单的设置来完成,无需编写复杂的函数公式。
总而言之,“统计”字段的强大功能使得数据分析变得更加高效且易于操作。不论是对于刚接触数据分析的新手,还是对于希望提高工作效率的资深用户,多维表格中的这一特性都能够显著提升数据处理的速度与准确性。通过简单的鼠标点击,即可实现复杂的统计分析,这无疑是对传统方法的一种革新,也为日常的数据管理工作带来了极大的便利。