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

Excel 小计、总计公式全都能自动计算新增行,套路公式存好

ztj100 2025-03-30 23:24 69 浏览 0 评论

很多同学会觉得 Excel 单个案例讲解有些碎片化,初学者未必能完全理解和掌握。不少同学都希望有一套完整的图文教学,从最基础的概念开始,一步步由简入繁、从入门到精通,系统化地讲解 Excel 的各个知识点。

现在终于有了,以下专栏,从最基础的操作和概念讲起,用生动、有趣的案例带大家逐一掌握 Excel 的操作技巧、快捷键大全、函数公式、数据透视表、图表、打印技巧等……学完全本,你也能成为 Excel 高手。

今天的教程不算新知识点,只是希望提醒大家记得:学了那么多知识点一定要融会贯通,每一个细节都要做到快速、简洁、自动化。


案例:


给下图 1 快速添加“小计”和“总计”公式,当增加新的月份数据后,求和公式会自动加入新的区域。


效果如下图 2 所示。


解决方案:


即便用最普通的求和公式,也是有窍门的。


1. 选中 C 列中包含第一个和最后一个“小计”单元格的区域 --> 按 Ctrl+G


2. 在弹出的对话框中点击“定位条件”按钮。


3. 在弹出的对话框中选择“空值”--> 点击“确定”


此时就选中了区域中的所有空单元格。


4. 按 Alt+=,就批量填充了所有“小计”行的公式。


5. 在 C17 单元格中输入以下公式:

=SUMPRODUCT((A2:A16="小计")*C2:C16)


公式释义:

  • A2:A16="小计":判断区域中的单元格的值是否为“小计”,生成 true 或 false 组成的数组;
  • ...*C2:C16:将上述数组与该区域的数值相乘,只保留上述为 true 的行所对应的值,其余皆为 0;
  • SUMPRODUCT(...):用该函数对数组求和,即可计算出所有“小计”行的和


虽然公式的设置过程已经很简化了,但是现在的公式是“死”的,如果中间插入新的行,求和公式的参数区域并不会自动增加,那就需要每次再手动调整区域,非常不智能。


要解决这个痛点也非常简单,只要稍微升级一下公式即可。


6. 将“小计”公式的参数的截止单元格修改为 INDEX(C:C,ROW()-1),修改后公式如下:

=SUM(C2:INDEX(C:C,ROW()-1))


公式释义:

  • INDEX(C:C,ROW()-1):
    • index 函数的作用是返回表格或区域中的值或值的引用;
    • row()-1:row() 返回单元格所在的行号,-1 即可得到当前单元格上方的行号;
    • 这段公式表示从 C 列中提取当前单元格上方一个单元格的值;
  • SUM(C2:...):对 C2 至上述单元格的区域求和


7. “总计”的公式也按同样原理修改:所有引用区域的截止单元格都替换成 index 函数。

=SUMPRODUCT((A2:INDEX(A:A,ROW()-1)="小计")*C2:INDEX(C:C,ROW()-1))


在任意位置插入新的行,且输入设置,公式结果都会自动更新。

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: