excel 表格筛选后数据 忽略隐藏部分数据的计算_百度知道
excel 表格筛选后数据 忽略隐藏部分数据的计算
excel 表格筛选后数据 忽略隐藏部分数据的计算 已筛选出数据为c2
c15等等 需要计算 c2-c8 c8-c10 c10-c11..等等几百个数据 如何计算？
不是求和 就是进行减法计算
//b.com/zhidao/wh%3D450%2C600/sign=4efb3bca76ef2f3bc437e3/e4dde7f9c21e79916fdfaae5167b4.jpg" target="_blank" title="点击查看大图" class="ikqb_img_alink"><img class="ikqb_img" src="http://b./zhidao/wh%3D600%2C800/sign=508f2c32c7fdfc03e52debbee40fabac/e4dde7f9c21e79916fdfaae5167b4.baidu.baidu://b.hiphotos:c27)<a href="http
需要在d列 得出对应结果
d10=c10-..............
那就难办了，你把筛选出来的数据复制到别的表格计算就行。
好吧 谢谢了 看来实在没别的办法了
筛选后，选择筛选后的数据，按
这两个键，可选出筛选后的数据。复制到其他表格进行操作，这样也是很方便的。
关键就是在于 我想保留原有数据 计算筛选数据
看来只能用笨办法了 之后在用公式对齐吧
其他类似问题
为您推荐：
excel的相关知识
其他1条回答
能在详细点吗?如果是求和、计数等就用subtotal。
不是求和 就是对筛选出来的数据进行减法计算
如果可以的话，你可以把筛选出来的数据复制出来重做一个sheet在进行计算。。。。。不好意思啊。。。
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁4290人阅读
机器学习(广告、推荐、数据挖掘)（11）
基于特征化工程进行用户特征化，结合相关的机器学习算法对业务进行挖掘建模，在广告的精准投放、预测、风控等领域中应用的非常广泛。无论是有监督的学习分类算法，还是无监督的聚类也罢，都需要建立特征向量，对特征进行预处理；其中对于有监督的训练时，还需要进行样本的筛选。本章节讲解一下样本选择和特征处理方面的一些方法技巧。在做样本训练前需要挑选样本，需要注意样本不平衡的问题，比如在定向广告预估点击率二元模型中，点击的(正样本)和不点击(负样本)的数据量相差很大，对于最终的预测结果会严重倾向于多数的负样本类，导致对正的分类错误率很高。但从评价指标准确率来看，因正负样本量的差异比较大，准确率不重视正类对分类效果评测的影响，往往分类的准确率从整体看还是比较高的。解决正负样本不平衡问题的手段，主要有两种，1、样本采样：对正样本采取上采样up sampling，对负样本进行下采样downsamping上采样可以利用对稀有类样本的分布进行模拟生成和当前稀有样本临近的一些样本。一般更多的方式是利用下采样去除噪音，去除冗余样本，对负样本进行聚类，在每个聚类层上按照比例抽取部分样本，以达到在负样本上抽样的尽量不影响原始分布。2、算法层面的优化：划分样本训练集，每个训练集上进行模型训练，再进行分类器融合集成方式代价敏感学习方式Cost-sensitivelearning，赋予各个类别不同的错分代价，比如对错分正类样本做更大的惩罚。SVM，给样本数量少的正类更大的惩罚因子，表示我们重视这部分样本其中i=1…p都是正样本，j=p+1…p+q都是负样本。Adaboost，初始化时对每一个训练例赋相等的权重1／n，然后用该学算法对训练集训练t轮，每次训练后，对训练失败的训练例赋以较大的权重，也就是让学习算法在后续的学习中集中对比较难的训练集进行学习。在不均衡样本中，由于正类错分代价比负类要高很多，所以权重设置不一样，可以对Adaboost进行改进，对正类样本设置比较高的权重。当然在样本选择时，需要进行先进行去噪，去噪的技术有很多，比如离群点分析，分箱检测等等，当然最直观的是相同的特征，标签不一致，这个以后单独的章节介绍。利用机器学习进行建模，另外一个成败的关键因素是特征的选择和特征的预处理。特征选择使得准确性和模型的泛化能力效果更好，在保证经验风险最小化的基础上，尽量降低模型的复杂度，特征过多，模型过于复杂，过拟合，模型的泛化能力差。奥卡姆剃刀原理说的就是，若无必要，勿增加实体。除了去掉不相关的特征和避免特征之间的相互依赖外，特征过多还可能导致特征分析训练的时间过长，模型过于复杂，泛化能力下降等问题。先说一下特征刷选的一些方法：首先要基于业务进行理解，和业务进行讨论，尽可能的评估对因变量有影响的所有的自变量。初步选出自变量后，需要进行特征选择，特征选择有以下几种方式：(Filter—考虑自变量和目标变量之间的关联，Wrapper-离线和在线评估是否增加一个特征，Embedded-利用学习器自身的筛选功能)Filter方式，主要考虑的是自变量和目标变量之间的关联。对于连续型的变量之间的相关性，可以采用相关系数来评估，比如皮尔逊相关系数。对于类别型的可以采用假设检验的方式，比如卡方检验对于连续型的自变量和二元的离散因变量，利用WOE，IV，通过WOE的变化来调整出最佳的分箱阀值，通过IV值，筛选出有较高预测价值的自变量。R平方，一个变量的变化有百分之多少可以有另外一个变量来解释。当然还有互信息、信息增益等等还有就是需要避免自变量之间的共线性问题，所谓共线性，就是指自变量之间存在较强线性的关系。Wrapper方式，主要考虑的是离线和在线评估是否增加一个特征，通过选定模型评估的指标(AUC、MAE、MSE)来评价对特征增加和去除后模型的好坏，通常有前向和后向两种特征选择方式。Embedded方式，通过分类学习器本身对特征自动的进行刷选，比如逻辑回归中的L1 L2惩罚系数，决策树中的基于最大熵的信息增益选择特征。特征的预处理主要有以下方式：1、异常值和缺失值检测处理2、归一化，不同自变量之间的数据范围不一致，导致比较复杂，两个维度范围相差的越大，梯度下降的越慢，还可能永远无法收敛，利用归一化加快收敛的速度。归一化的方式& x-min/max-min&& z-score=x–μ/σ3、改变数据的分布对于连续型的变量的原始分布严重不对称，会干扰模型的拟合。通过数据的转换使得成正态分布，提高模型的拟合能力，比如取 LOG，平方根，指数等。4、离散化、交叉、衍生变量&&& &&&&离散化的意义主要有：&一方面可以减弱极端和异常值的影响；&另外一方面有利于对非线性的关系进行分析描述，使得自变量和因变量的关系变得清晰化，特征离散化引入非线性，加大拟合，给线性模型(如逻辑回归)增加非线性的能力&&&&&& 离散化的做法主要有：& & & & &分段，方式有很多，等频率、等间隔、、、& & & & & 优化离散：把自变量和因变量联系综合考虑。切分点是导致目标变量出现明显变化的折点。常用的检验指标有卡方、信息增益、基尼系数、WOE(二元的目标变量)& &&&&衍生变量通过对原始数据进行加工，生成更加有商业意义的新的变量，更加适合后续的数据建模。5、正则化、降维为了增强模型的泛化能力，解决过拟合的问题，正则化(惩罚)和降维(减少样本的维度)是两种常用的方法。结构风险最小化，就是除了要最小化经验风险，降低训练的误差，还要降低模型复杂度，正则化一般是在损失函数后增加一个正则化项，对特征进行惩罚，来降低模型复杂度。逻辑回归在损失函数后增加L1、L2 ，增强模型的泛化能力，L1俗称lasso 回归，L2俗称岭回归，在极大似然估计后加上对权重的L1或者L2等罚项后会让信号弱的特征权重很小甚至为0。降维的方式有很多，比如互信息、卡方检验、信息增益、主题等等，在文本的关键词筛选中，还可以基于样本数据集，选择出现频次最多的关键词作为最终的特征集合。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：684485次
积分：7267
积分：7267
排名：第1854名
原创：143篇
转载：11篇
评论：151条
文章：12篇
阅读：41902
文章：34篇
阅读：110319
文章：31篇
阅读：110847查看: 7216|回复: 6
如何对筛选后的结果进行求和处理
阅读权限30
在线时间 小时
如何对筛选后的结果进行求和处理，要求忽略非筛选数据
阅读权限100
在线时间 小时
SUBTOTAL返回列表或数据库中的分类汇总。通常，使用“数据”选项卡上“大纲”组中的“分类汇总”命令更便于创建带有分类汇总的列表。一旦创建了分类汇总，就可以通过编辑 SUBTOTAL 函数对该列表进行修改。语法SUBTOTAL(function_num, ref1, ref2, ...)&& 为 1 到 11（包含隐藏值）或 101 到 111（忽略隐藏值）之间的数字，指定使用何种函数在列表中进行分类汇总计算。1101AVERAGE2102COUNT3103COUNTA4104MAX5105MIN6106PRODUCT7107STDEV8108STDEVP9109SUM10110VAR11111VARP&& 为要进行分类汇总计算的 1 到 254 个区域或引用。说明如果在 ref1, ref2,… 中有其他的分类汇总（嵌套分类汇总），将忽略这些嵌套分类汇总，以避免重复计算。 当 function_num 为从 1 到 11 的常数时，SUBTOTAL 函数将包括通过“隐藏行”命令所隐藏的行中的值，该命令位于“工作表”选项卡上“单元格”组中“格式”命令的“隐藏和取消隐藏”子菜单下面。当您要对列表中的隐藏和非隐藏数字进行分类汇总时，请使用这些常数。当 function_num 为从 101 到 111 的常数时，SUBTOTAL 函数将忽略通过“隐藏行”命令所隐藏的行中的值。当您只对列表中的非隐藏数字进行分类汇总时，请使用这些常数。 SUBTOTAL 函数忽略任何不包括在筛选结果中的行，不论使用什么 function_num 值。 SUBTOTAL 函数适用于数据列或垂直区域。不适用于数据行或水平区域。例如，当 function_num 大于或等于 101 时需要分类汇总某个水平区域时，例如 SUBTOTAL(109,B2:G2)，则隐藏某一列不影响分类汇总。但是隐藏分类汇总的垂直区域中的某一行就会对其产生影响。 如果所指定的某一引用为三维引用，函数 SUBTOTAL 将返回错误值 #VALUE!。 示例如果将示例复制到一个空白工作表中，可能会更容易理解该示例。创建一个空白工作簿或工作表。 选择“帮助”主题中的示例。 &注释& &&不要选择行或列标题。从“帮助”中选择示例按 Ctrl+C。 在工作表中，选择单元格 A1，然后按 Ctrl+V。 要在查看结果和查看返回结果的公式之间进行切换，请按 Ctrl+`（重音符），或在“公式”选项卡上的“公式审核”组中，单击“显示公式”按钮。& 1201015023=SUBTOTAL(9,A2:A5)对上面列使用 SUM 函数计算出的分类汇总 (303)=SUBTOTAL(1,A2:A5)使用 AVERAGE 函数对上面列计算出的分类汇总 (75.75)
阅读权限30
在线时间 小时
不好意思，不太明白
阅读权限50
在线时间 小时
只求和是吗？=subtotal(9,A2:A100)
阅读权限30
在线时间 小时
求出数值不对呀，9是什么
阅读权限30
在线时间 小时
解决了，谢谢
阅读权限30
在线时间 小时
拜托解决了最后楼主给个解释啊，晕菜啊，看帖好辛苦。
玩命加载中，请稍候
玩命加载中，请稍候
Powered by
本论坛言论纯属发表者个人意见，任何违反国家相关法律的言论，本站将协助国家相关部门追究发言者责任！ & & 本站特聘法律顾问：徐怀玉律师 李志群律师查看: 457|回复: 1
数据透视表中怎样筛选几个2个以上的数据
阅读权限20
在线时间 小时
大家好，请问在数据透视表中怎样筛选客户名称 2个以上的客户，我筛选包含的时候只能输入一个，谢谢
09:55 上传
点击文件名下载附件
9.11 KB, 下载次数: 146
阅读权限20
在线时间 小时
这样的吗？
16:15 上传
点击文件名下载附件
9.58 KB, 下载次数: 103
玩命加载中，请稍候
玩命加载中，请稍候
Powered by
本论坛言论纯属发表者个人意见，任何违反国家相关法律的言论，本站将协助国家相关部门追究发言者责任！ & & 本站特聘法律顾问：徐怀玉律师 李志群律师