execl多维度数据建模(一)

2024-03-18 19:20
文章标签 数据 建模 多维度 execl

本文主要是介绍execl多维度数据建模(一),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1、建模过程

(1)打开原始数据表

原始数据如下:

(2)公式--名称管理器--新建--定义名称:

a.输入“名称” 

b.应用位置:手动选择数据(数据包含第一行的标签名

结果如下:

 (3)新增工作表,命名为“控制”

(4)制作“地区”数据区,制作“产品类别”数据区(使用数据透视表或者手动输入也行)

使用数据表:在“原始数据表”中,点击某个数据后,点击“插入”--“数据透视表”--“新工作表”--“确定”

同理,复制“类别名称” 

(5)制作“地区”维度单元格,和“类别名称”维度单元格。单元格中的初始数据为1(对应数据区中的全部数据)

(6) 定义名称(公式--定义名称),分别定义“地区”“类别”“地区选择”“类别选择”4个名称

(记得“应用位置”不要选择第一行的标签名,和数据仓的不一样)例如:选择“类别”的应用位置是从“(全部)”到“饮料”

设置后查看名称管理器

7)选择三个区域,每个区域手工输入“地区 ”、“类别名称 ”、“订购年 ”三列。

(注意这三 列的名称要同“数据仓 ”中列名称一致,否则 DSUM 函数不能进行识别。 

8)  在第 7 步创建的“地区 ”和“类别名称 ”对应列插入“index 函数,引用“地区选 ”和“类别选择 ”控制单元格 返回的数据值

(注意,当控制单元格=1 时返回的 值为(全部)时,显示为空)

 

当地区选择为“1”是,会显示全部,现在要让1显示为空

公式为 “=IF(地区选择=1,"",INDEX(地区,地区选择)) ”,注意公式中的“地区 选择 ”,“地区 ”等都是之前定义好的名称,所以不会以单元格地址的形式出现了。

9)  再次点击“定义名称 ”,将第(8 的三个区域分别定义为“准则 94 ”、“准则 95 ”、 “准则 96 ”。

 3 个名称同“数据仓 ”一样,引用位置包含行标签和数值行,见框住的部分(2  3 列)。

10) 选择一个 2  3 列的区域作为数据汇总区,分别是 94 年、95 年、96 年。

订购年手动输入。

 11)在“94  ”下方插入 DSUM() 函数,

见下图。以此类推插入 95 年和 96 年的,分别对应“准则 95 ”和“准则 96 ”。

12)选择数据汇总区数据,制作柱形图。

(选择数据--插入--柱形图)

(13)  制作地区列表框

(注意:数据源区和单元格链接是之前定义好的名称,所以不会出现 单元格地址信息)

a. 先打开开发工具(文件--更多--自定义功能区--开发工具)

b. 插入列表框 

 c. 选择列表框--右键--设置控件格式--设置 

 确定后效果如下:

2.整体效果如下:

当1.2部分的选择改变时,3,4,5,6部分的数据都会联动改变

这篇关于execl多维度数据建模(一)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/823380

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者