在excel中匹配数据的方法

  • 格式:pdf
  • 大小:2.21 MB
  • 文档页数:3

2020年第3期信息与电脑China Computer & Communication数据库技术

在Excel中匹配数据的方法

张安庆

(太谷县职工学校,山西 晋中 030800)

摘 要:在Excel中,经常需要整理合并两个表格的数据,或者对两个表中的数据进行比对分析等操作,也需要先将两个表格的数据匹配到一个表格中。Excel提供了丰富的函数,运用Excel提供的函数功能来匹配数据是最简便的方法。笔者将通过实例来讲述如何把一个数据表中的数据匹配到另一个数据表中。关键词:数据规范;精确查找;数据匹配中图分类号:G642;TP391.13-4 文献标识码:A 文章编号:1003-9767(2020)03-106-03How to Match Data in Excel

Zhang Anqing

(Taigu Staff School, Jinzhong Shanxi 030800, China)Abstract: In Excel, it is often necessary to sort out and merge the data of two tables, or to compare and analyze the data in the two tables. It is also necessary to match the data of the two tables into one table first. Excel provides us with a wealth of functions. Using the functions provided by Excel to match data is the most convenient method. This article will show you how to match the data in one data table to another through an example.Key words: data specification; accurate search; data match0 引言sheet1是本班学生的语文数学等成绩表(图1),sheet2是全年级学生的音乐体育英语等成绩表(图2)。现在要把sheet2中本班学生的英语成绩提取出来,匹配到图1中。下面讲述如何运用Excel的函数功能来轻松地完成这一任务。

图1 本班学生的成绩表1 运用INDEX和MATCH函数1.1 MATCH函数与INDEX函数分步运算1.1.1 运用MATCH函数找到要匹配数据的位置MATCH是查找函数,返回被查找数据在选区内所在的行序数。语法:MATCH(lookup_value,lookup_array,match_type)。中文描述:MATCH(查找值,查找区域,匹配类型)。

图2 全年级学生的成绩表MATCH有3个参数,lookup_value是被查找的内容,这里选择Sheet1的B2单元格;lookup_array是要查找的区域,这里选择Sheet2的B1:B11,因为所有被查找数据的查找区域都是一样的,所以需要用绝对引用,即"Sheet2!$B$1: $B$11";match_type是数据匹配的方法,0是精确匹配,1或-1是近似匹配,在这里是精确匹配,所以match_type的数字是0。函数定义如下:E2=MATCH(B2,Sheet2!$B$1:$B$11,0)),如图3所示,单击确定得到计算结果。向下复制函数,即可得到其他同学英语成绩的行序数。使用MATCH函数时的查作者简介:张安庆(1963—),男,山西平遥人,本科,讲师。研究方向:计算机。

— 106 —2020年第3期信息与电脑China Computer & Communication数据库技术

找区域必须是单行多列或者单列多行。1.1.2 运用INDEX函数根据数据的位置返回要匹配的数据值INDEX是查找函数,返回选区内指定行序数和列序数交叉处的值。语法:INDEX(array,row_num,column_num)。中文描述:INDEX(数组即查找区域,行序数,列序数)。

图3 MATCH函数INDEX有3个参数,array是要返回值所在的单元格区域,选择Sheet2中的B1:D11,需要用绝对引用,即"Sheet2!$B$1:$D$11";row_num是返回值在选区内所在的行序数,这里选“英语行序数”即E2;column_num是返回值所在的列序数,因为英语成绩在选区内第三列,column_num应该为3。函数定义为D2=INDEX(Sheet2!$B$1:$D$11,E2,3),如图4所示,单击确定得到计算结果。向下复制函数,即可匹配到其他同学的英语成绩。上述语法INDEX(array,row_num,column_num)中,row_num也可以只选英语成绩一列即D1:D11,这时column_num可以是1或者省略。

图4 INDEX函数1.2 INDEX和MATCH函数嵌套使用,一步完成运算在INDEX中,row_num直接套用March函数(行序数引用成为动态值),所以函数可以定义如下:D2=INDEX(Sheet2!$B$1:$D$11,MATCH(B2,Sheet2!$B$1:$B$11,0),3),如图5所示,单击确定以后得到计算结果。向下复制函数,即可匹配到其他同学的成绩。2 运用VLOOKUP函数VLOOKUP是纵向查找函数。语法:VLOOKUP(lookup_value,table_array,col_index_num,range_lookup)。中文描述:VLOOKUP(查找值,数据表即查找区域,列序数,匹配方式)。

图5 INDEX和MATCH函数嵌套VLOOKUP有4个参数:lookup_value是被查找的内容(可以为数值、引用或文本字符串),这里选择Sheet1的B2单元格;table_array是要查找的区域(VLOOKUP只在查找区域内的首列来查找lookup_value的值,所以必须将姓名一列选定为选区的首列,在这里是Sheet2的B列),此处选择Sheet2的B1:D11,需要用绝对引用,即"Sheet2!$B$1:$D$11";col_index_num是要匹配的数据在选区内的列序数,在这里英语成绩位于选区内的第3列,所以col_index_num的数字是3;range_lookup是匹配数据的方法,0或FALSE是精确匹配,1(可以省略)或TRUE近似匹配,在这里是精确匹配,所以range_lookup的数字是0。函数定义如下:D2=VLOOKUP(B2,Sheet2!$B$1:$D$11,3,0),如图6所示,单击确定得到计算结果。向下复制函数,将匹配其他同学的英语成绩。说明:当查找区域存在多个目标值时,VLOOKUP函数将返回目标区域内第一个符合查找值的数值,这时应该特别注意。所以在匹配时,应尽量选用无重复数据的字段或者先处理重复数据的问题。

— 107 —2020年第3期信息与电脑China Computer & Communication数据库技术

图6 VLOOKUP函数3 结 语在实际操作中,数据必须具有统一的规范,如果有的数据存在空格或手动换行符等,则会出现错误;查找区域的引用也可以选择整列,如Sheet2!B:B或Sheet2!B:D,等同于绝对引用,需要注意的是,当两个函数之间存在因果联系时,如MATCH函数与INDEX函数分别运算或是嵌套运算时,两者的引用方式必须一致(这时MATCH函数返回的行序数等于其行号);要想使匹配到的数据与原表的数据脱离关系,可将其粘贴为值,数据值将不再随数据源的变化而更新;根据直观方便的需要,也可以将Sheet2中有关的源数据复制到Sheet1中。

图3 生成式对抗网络结构图4 一种优化组合的网络模型由于卷积神经网络模型通常没办法从新的视角去理解对象,因此难以识别精确的空间关系,池化层只有最大值的神经元会被传递到下一层,造成丢失了大量信息。本文提出一种改进的模型,该模型是将卷积神经网络与生成式对抗网络应用在模型中。首先,利用卷积神经网络提取农作物病虫害图像的特征,用于对图像的分类。将卷积神经网络引入判别网络中,将反卷积神经网络引入生成网络中,这样有效地解决了传统生成式对抗网络的不稳定性。课题组采用生成器四层反卷积网络对输入的随机噪声向量进行上采样,尽可能生成拟合真实数据分布的图像样本。判别器采用四次卷积操作,每次卷积操作都要进行归一化处理,以此完成图像特征提取工作。课题组选取了200幅芒果流胶病害图像,分别使用卷积神经网络模型和优化组合模型对病害图像进行分类识别。实验结果显示,卷积神经网络模型的识别率为90.5%,优化组合模型识别率为95.55%,识别率比单一卷积神经网络模型提高了5.05%。5 结 语本文对无人机航拍农作物病虫害图像进行了概述,并提出了一种优化组合的网络模型,已取得较好的识别效果,但仍然存在一些问题需要解决,如对于背景复杂的图像,识别精度不够令人满意。未来对已掌握的算法进行更深度的优化,研究方向应定位于拥有复杂背景的农作物病虫害图像识别工作,并且改进因为无人机航拍固有的抖动带来的成像模糊问题。通过精准识别无人机航拍农作物病虫害图像,对保障农作物生长、促进农业经济发展具有重要的意义。参考文献[1]US Department of Defense.DOD dictionary of military and associated terms[M].Washington:US News Agency,2017:2.[2]金伟,葛宏立,杜华强,等.无人机遥感发展与应用概况[J].遥感信息,2009(1):88-92.[3]范承啸,韩俊,熊志军,等.无人机遥感技术现状与应用[J].测绘科学,2009,34(5):214-215.[4]张彩霞.数字图像处理技术的发展现状及发展趋势研究[J].计算机光盘软件与应用,2014,17(12):216,218.[5]张善文,谢泽奇,张晴晴.卷积神经网络在黄瓜叶部病害识别中的应用[J].江苏农业学报,2018,34(1):56-61.[6]Alvaro F,Sook Y,Sang K,et al.A Robust Deep-Learning-Based Detector for Real-Time Tomato Plant Diseases and Pests Recognition[J].Sensors,2017,17(9):2022.[7]ANANDHAKRISHNAN J H,ANNETTE J,JERINF.Plant leaf disease detection using deep learning and convolution neural network[J].International Journal of Engineering Science and Computing,2017,7(3):5324-5328.[8]GOODFELLO I J,POUGET JmMIRZA Mmet al.Generative adversarialnets[C]//The Proceedings of the 27th International Conference on Neural Information Processing Systems,2014:2672-2680.[9]Zhu L,Chen Y,Ghamisi P,et al.Generative Adversarial Networks for Hyperspectral Image Classification[J].IEEE Transactions on Geoscience and Remote Sensing,2018,56(9):1-18.(上接第105页)