Excel 数据分组双利器:GROUPBY 与 FREQUENCY 函数详解
ztj100 2025-09-06 16:28 17 浏览 0 评论
这是一篇关于 Excel 中 GROUPBY 和 FREQUENCY 函数的详细教学教程。这两个函数都用于数据分组统计,但它们的应用场景、功能和用法有显著不同。
第一部分:强大的新函数 —— GROUPBY (适用于 Microsoft 365)
GROUPBY 函数是 Microsoft 365 新引入的动态数组函数,它极大地简化了基于现有“字段”进行分组和聚合计算的过程,可以看作是无需创建透视表的公式化透视表。
1. 函数语法
=GROUPBY(row_fields, values, function, [field_headers], [total_depth], [sort_order], [filter_array])
参数解释:
- row_fields (必需):要进行分组的一个或多个列/数组。这是你的“类目”或“条件”。
- values (必需):要对其进行聚合计算的一个或多个列/数组。
- function (必需):对 values 执行的聚合函数。例如 SUM, AVERAGE, COUNT, MAX, MIN 等。
- [field_headers] (可选):一个数字,指定源数据是否包含标题。
- 缺失:自动 (默认)
- 0:否
- 1:是,不显示
- 2:否,但生成
- 3:是并显示
- [total_depth] (可选):指定是否显示总计。
- 0:无总计。
- 1:显示行总计(默认)。
- 2:显示总计(一个大总计)。
- [sort_order] (可选):指定结果的排序方式(升序 1 或降序 -1)。
- [filter_array] (可选):一个布尔数组(TRUE/FALSE),用于在分组前筛选源数据。
2.使用案例
假设我们有如下销售数据(A1:C11):
示例1:按地区计算总销售额
=GROUPBY(A2:A11, C2:C11, SUM,3)
- A2:A11:按“地区”分组。
- C2:C11:对“销售额”进行聚合。
- SUM:聚合方式为求和。
- 3:表示原表格有表头并显示
结果将自动溢出到下方的单元格:
示例2:按地区和产品计算平均销售额(多条件分组)
=GROUPBY(A2:B11, C2:C11, AVERAGE, 1, 1)
- A2:B11:同时按“地区”和“产品”两个字段分组。
- C2:C11:对“销售额”求平均。(North苹果有两个销售额一个100,一个200,平均为150)
- 1:源数据有标题。
- 1:显示行总计。
结果将自动溢出到下方的单元格:
示例3:使用筛选和排序
假设我们只想看“苹果”的销售情况,并按销售额从高到低排序。
- 先创建筛选数组:在 D1 单元格输入公式 =B1:B11="苹果",这会得到一个 TRUE/FALSE 数组。
- 使用 GROUPBY:
=GROUPBY(A1:A11, C1:C11, SUM, 3, 1, -1, D2#)
- 第六参数[sort_order] -1:对结果(销售额总和)进行降序排列。
- 第七参数[filter_array] D2#:使用上一步创建的溢出数组作为筛选条件,只处理 TRUE 的行。
第二部分:经典的频率统计函数 —— FREQUENCY
FREQUENCY 函数用于计算数值在指定区间( bins ) 内出现的频率。它非常适合制作频率分布直方图,例如统计考试成绩在各分数段的人数、员工年龄分布等。
1. 函数语法
=FREQUENCY(data_array, bins_array)
- data_array (必需): 要计算频率的原始数据数组或范围(一列数值)。
- bins_array (必需): 包含区间分隔点(上限)的数组或范围(一列数值)。
2.使用案例
假设我们有如下学生成绩表 (A1:B11),如下图;我们想统计成绩在以下区间的人数:
- 0-59: 不及格
- 60-79: 中等
- 80-89: 良好
- 90-100: 优秀
(1)设置区间分隔点
bins_array 定义的是区间的上限。我们需要在 D2:D4 设置分隔点,如下图;(注意:最后一个区间是 > 最大值),
(2)输入公式
=FREQUENCY(B2:B11,D2:D5)
- 再F2上输入如上公式,统计结果如上图,如使用的版本支持动态数组,直接按 Enter 可自动溢出,如是老版本的按 Ctrl + Shift + Enter 组合键确认。
- 必须理解 bins_array 是上限的含义。
- 它只返回计数,无法像 GROUPBY 那样进行求和、平均等其他聚合操作。
第三部分:对比与总结
特性 | GROUPBY | FREQUENCY |
主要用途 | 按类别字段分组聚合(求和、平均、计数等) | 按数值区间统计频率(计数) |
输入数据 | 类别列、数值列 | 单一数值列、区间上限列 |
输出内容 | 聚合结果(和、平均值等) | 计数(频次) |
输出方式 | 动态溢出数组 | 静态数组公式 (需选择区域并按 C+S+E) |
分组依据 | 其他列的唯一值 | 自定义的数值区间 |
多功能聚合 | 支持 (可配合HSTACK等实现) | 不支持 (仅能计数) |
版本要求 | Microsoft 365 | 所有Excel版本 |
如何选择?
- 当你需要按类别(如销售员、部门、产品类型) 对数值进行汇总(如求和、平均) 时,优先使用 GROUPBY。它是公式版的透视表,功能强大且灵活。
- 当你需要分析数值本身的分布情况,统计落在特定区间(如分数段、年龄区间) 内的数量时,必须使用 FREQUENCY。它是制作分布图表的基石。
希望这篇教程能帮助你更好地理解和运用这两个强大的分组统计工具!
相关推荐
- sharding-jdbc实现`分库分表`与`读写分离`
-
一、前言本文将基于以下环境整合...
- 三分钟了解mysql中主键、外键、非空、唯一、默认约束是什么
-
在数据库中,数据表是数据库中最重要、最基本的操作对象,是数据存储的基本单位。数据表被定义为列的集合,数据在表中是按照行和列的格式来存储的。每一行代表一条唯一的记录,每一列代表记录中的一个域。...
- MySQL8行级锁_mysql如何加行级锁
-
MySQL8行级锁版本:8.0.34基本概念...
- mysql使用小技巧_mysql使用入门
-
1、MySQL中有许多很实用的函数,好好利用它们可以省去很多时间:group_concat()将取到的值用逗号连接,可以这么用:selectgroup_concat(distinctid)fr...
- MySQL/MariaDB中如何支持全部的Unicode?
-
永远不要在MySQL中使用utf8,并且始终使用utf8mb4。utf8mb4介绍MySQL/MariaDB中,utf8字符集并不是对Unicode的真正实现,即不是真正的UTF-8编码,因...
- 聊聊 MySQL Server 可执行注释,你懂了吗?
-
前言MySQLServer当前支持如下3种注释风格:...
- MySQL系列-源码编译安装(v5.7.34)
-
一、系统环境要求...
- MySQL的锁就锁住我啦!与腾讯大佬的技术交谈,是我小看它了
-
对酒当歌,人生几何!朝朝暮暮,唯有己脱。苦苦寻觅找工作之间,殊不知今日之事乃我心之痛,难道是我不配拥有工作嘛。自面试后他所谓的等待都过去一段时日,可惜在下京东上的小金库都要见低啦。每每想到不由心中一...
- MySQL字符问题_mysql中字符串的位置
-
中文写入乱码问题:我输入的中文编码是urf8的,建的库是urf8的,但是插入mysql总是乱码,一堆"???????????????????????"我用的是ibatis,终于找到原因了,我是这么解决...
- 深圳尚学堂:mysql基本sql语句大全(三)
-
数据开发-经典1.按姓氏笔画排序:Select*FromTableNameOrderByCustomerNameCollateChinese_PRC_Stroke_ci_as//从少...
- MySQL进行行级锁的?一会next-key锁,一会间隙锁,一会记录锁?
-
大家好,是不是很多人都对MySQL加行级锁的规则搞的迷迷糊糊,一会是next-key锁,一会是间隙锁,一会又是记录锁。坦白说,确实还挺复杂的,但是好在我找点了点规律,也知道如何如何用命令分析加...
- 一文讲清怎么利用Python Django实现Excel数据表的导入导出功能
-
摘要:Python作为一门简单易学且功能强大的编程语言,广受程序员、数据分析师和AI工程师的青睐。本文系统讲解了如何使用Python的Django框架结合openpyxl库实现Excel...
- 用DataX实现两个MySQL实例间的数据同步
-
DataXDataX使用Java实现。如果可以实现数据库实例之间准实时的...
- MySQL数据库知识_mysql数据库基础知识
-
MySQL是一种关系型数据库管理系统;那废话不多说,直接上自己以前学习整理文档:查看数据库命令:(1).查看存储过程状态:showprocedurestatus;(2).显示系统变量:show...
- 如何为MySQL中的JSON字段设置索引
-
背景MySQL在2015年中发布的5.7.8版本中首次引入了JSON数据类型。自此,它成了一种逃离严格列定义的方式,可以存储各种形状和大小的JSON文档,例如审计日志、配置信息、第三方数据包、用户自定...
你 发表评论:
欢迎- 一周热门
-
-
MySQL中这14个小玩意,让人眼前一亮!
-
旗舰机新标杆 OPPO Find X2系列正式发布 售价5499元起
-
【VueTorrent】一款吊炸天的qBittorrent主题,人人都可用
-
面试官:使用int类型做加减操作,是线程安全吗
-
C++编程知识:ToString()字符串转换你用正确了吗?
-
【Spring Boot】WebSocket 的 6 种集成方式
-
PyTorch 深度学习实战(26):多目标强化学习Multi-Objective RL
-
pytorch中的 scatter_()函数使用和详解
-
与 Java 17 相比,Java 21 究竟有多快?
-
基于TensorRT_LLM的大模型推理加速与OpenAI兼容服务优化
-
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)