百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Vlookup公式用法大全,建议收藏备用

ztj100 2025-03-30 23:23 102 浏览 0 评论

上班打工人必学的VLOOKUP函数公式,花费2个小时,总结全了,一起来学

1、VLOOKUP公式基本用法

VLOOKUP公式有4个参数,使用用法:

=VLOOKUP(查找值,查找区域,返回第几列,查找方式)

例如左边是员工工资表数据,现在需要根据姓名查找匹配工资,我们使用的公式是:

=VLOOKUP(F2,B:D,3,0)

查找值是F2单元格

查找数据区域 ,需要从查找值所在的列开始,也就是B:D列,所以不能写A:D列

查找结果在第几列,从查找列开始向右数,我们的结果是在第3列,

最后数字0表示精确查找,得到了如下的结果

2、VLOOKUP屏蔽错误值

当我们查找不到数据的时候,会出现错误值,#N/A,我们希望这个错误值不显示出来 ,可以在外面嵌套一个IFERROR公式,如果错误时,返回第2个参数,使用公式:

=IFERROR(VLOOKUP(F2,B:D,3,0),"")

第2个参数双引号里面什么都不填,显示为空白


3、VLOOKUP逆向查找匹配

正常情况下,我们的结果列需要在查找列的右边,如果在左边的话,需要搭配IF(1,0)构建虚拟数组得到结果,例如,我们需要根据姓名,查找匹配工号,使用的公式是:

=VLOOKUP(F2,IF({1,0},B:B,A:A),2,0)

4、VLOOKUP多条件查找匹配

如果我们需要根据月份和姓名,两个条件,来查找匹配工资数据时,我们需要使用的公式是:

=VLOOKUP(E4&F4,IF({1,0},A:A&B:B,C:C),2,0)

两个查找值相连,用IF(1,0)来构建2个查找列相连,查找到结果

5、VLOOKUP一次性查找多个值(顺序一致)

如果根据条件,一次性的匹配多个值出来,希望得到的结果顺序,如果和原始数据保持一致的情况下,我们可以输入公式:

=VLOOKUP($F2,$A:$D,COLUMN(B1),0)

COLUMN(B1)表示数字2,通过这种方式引用,可以自动的将结果列改成3,4

6、VLOOKUP公式一次性查找多个值,顺序不一致

如果我们顺序不一致的情况下,就不能使用COLUMN公式了, 就需要搭配MATCH公式,直接定位到对应的列数,我们输入的公式是:

=VLOOKUP($F2,$A:$D,MATCH(G$1,$A$1:$D$1,0),0)

注意相对引用的行或列

7、VLOOKUP公式模糊查找匹配

根据业绩不同,奖励不同,需要快速的查找匹配出提成数据

我们只需要将每个业绩档位的最低标准列出来,做为辅助列,并对辅助列进行升序排列

然后使用公式:

=VLOOKUP(C2,F:H,3,1)

VLOOKUP第4个参数是1,表示模糊查找,即可完成数字区间的快速查找问题

8、VLOOKUP一对多查找

例如,我们需要根据部门数据,快速查找匹配所有员工名单

因为一个部门有多名员工,所以这种一对多查找匹配

第一步,我们插入一个辅助列,输入的公式是:

=D2&COUNTIFS($D$2:D2,D2),累计计数,将每个部门的出现次数合并在后面

然后使用公式:

=IFERROR(VLOOKUP($G2&COLUMN(A1),$A:$E,3,0),"")

快速查找出来当前部门的所有员工数据

9、VLOOKUP通过简称查找匹配全称

查找值是简称,查找数据是全称,我们需要搭配通配符进行查找匹配,使用的公式是:

=VLOOKUP("*"&E2&"*",A:C,3,0)

关于以上VLOOKUP函数公式的应用,你学会了么?动手试试吧!

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: