如何把 Excel 数据按分类拆分为多个

原创于 2021-09-13 13:25:07 发布 · 1.1k 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#excel #分类拆分

收录于

Excel处理专栏收录该内容

224 篇文章

订阅专栏

本文介绍了如何使用集算器脚本来实现Excel数据的分类拆分。通过示例，详细展示了如何读取Excel文件，按类别分组，并将不同类别的数据保存到新的工作表或单独的Excel文件中，适用于处理具有多类别的大型数据表。

例题描述

蔬果明细表fruits.xlsx文件中有蔬果总表，数据如下图所示：

现需要按类别对蔬果进行拆分后保存到新的sheet里，类别名称(删除类别号后)即为sheet名，如下图所示：

实现步骤

1、运行集算器

编写脚本：

把代码列出来看得清楚点：

	A	B
1	=file("E:/excel/fruits.xlsx")
2	=A1.xlsimport@t(;,2)
3	=A2.group(类别)
4	for A3	=substr(A4(1).类别,"]")
5		=A1.xlsexport@ta(A4;B4)

A1 打开fruits.xlsx文件

A2 将文件数据读成序表，选项@t表示首行是列标题，参数2表示从第2行开始读

A3 按类别列对数据进行分组

A4 循环处理每个组

B4 用每组第1条记录的类别值，取]号以后的文字作为sheet名

B5 把当前组的记录写入fruits.xlsx中的新sheet中，用B4算出来的名称作sheet名。注意这里一定要加选项a，表示是添加新的sheet

想生成多个文件也很容易，只需将 B5 修改：=file("E:/excel/"+B4+".xlsx").xlsexport@t(A4)

这个实现办法和原文件的列数无关，变动列都能支持

2、按F9运行这段程序，打开fruits.xlsx就可以看到前文目标图所示的效果了。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

润乾软件

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

参与评论您还未登录，请先登录后发表或查看评论

博客

Copilot 真香，AI 编程趋势下的报表开发标配

06-24

当整个软件开发领域都在热议 AI 编程助手带来的效率革命，感慨 Copilot 真香时，报表开发这一细分领域却始终没有自己的 Copilot。

博客

另辟蹊径做 ChatBI，不用大模型也能实现智能问数分析

06-23

300

通过以上分析，业务人员可以快速回答以下问题：去年北京发往青岛的订单中，哪些产品类别销售额最高？占比如何？每个产品类别下，哪些供应商贡献最大？哪些客户是订单中的大客户？（客户 X 排名第一）大额订单主要集中在哪些类别和供应商？（可筛选后查看）供应商在不同类别中的表现差异？（交叉表一目了然）整个过程都可以自然语言驱动，无需编写公式或拖拽控件，且所有计算基于规则引擎，结果精确、可解释。业务人员只需像与助手对话一样，逐步深入，就能从原始订单数据中提炼出有价值的业务洞察。

博客

人人都能实施的智能问数，中小用户也能用得起的 ChatBI

06-22

186

AI 时代，到处都在说“智能问数”，用大白话直接问，数据就给你整得明明白白。理想很美好，可真要一探究竟，大家心里就打了鼓：这玩意儿是不是得养个 AI 科学家团队？是不是得买几十上百万的 GPU 服务器？查出来的数要是不准，谁敢拿来做决策？别急，润乾 ChatBI 带来了一条不同的路——一条让中小企业、普通开发团队都能轻松上车、用得安心、花得明白的路。不依赖“黑盒”大模型去猜，而是用一套清晰的“规则翻译官”，把业务问题精准无误地转换成数据库能听懂的指令，还能进一步指挥报表完成深度分析。

博客

没有 GPU 不用 LLM 能把 ChatBI 做到什么程度？

06-18

350

组合规则：“发货城市日期”应被识别为一个整体（字段簇），返回“发货城市”和“发货日期”两个字段。消除歧义：当“日期”单独出现时，默认指向“签单日期”；但在“发货日期”上下文中，则明确指向“发货日期”。逻辑连接：“且”、“或”定义了多个过滤条件之间的布尔关系。分析指令格式：“表头产品类别，订单金额求和”表示分组汇总；“订单金额降序排名命名为排名”表示计算排名；“柱形图分类省份系列订单金额”表示生成图表。这个“词典”加“语法”的体系，构成了一个确定性的、可解释的编译系统。

博客

引入 Copilot，AI 时代的报表开发新范式

06-17

266

博客

街上 BI 满天飞，能帮你打动客户赚钱的大概只有它

06-15

199

对于应用软件开发商来说，给客户提供一套报表分析功能，从来都不是件轻松的事。客户的需求三天两头变：今天要按地区汇总，明天要按产品细分，后天又得对比同期数据。落到开发团队头上，就是一次次定制开发，项目利润就这样一点点被蚕食。为了摆脱这种困境，很多开发商尝试引入现成的 BI 工具。但市面上的 BI 产品，大多是给大企业准备的“重型武器”：独立部署、专门运维。想把它塞进自己的系统里，得先解决用户体系对接、数据同步、界面整合等一系列问题，麻烦得要死。更现实的问题是价格。一套像样的 BI 工具，动辄几十万起步。

博客

软件竞争力 += 润乾 ChatBI，当竞品还在用传统 BI，你已经赢了

06-12

155

现在的软件市场，早已过了“拼功能清单”的时代。你有的报表，我也有；你能拖拽，我也能；你的图表库，我也能拿出差不多的。最后大家陷入同质化泥潭，客户比来比去只能压价，利润越压越薄。出路在哪里？必须给产品增加新的、能打动人心的竞争力。AI 时代最能提升用户体验、制造产品差异化的，就是，让用户用最自然的大白话，直接问数据、做报表，摆脱对技术人员的依赖。当竞品还在让客户拖拽点选、为一张新报表等上几天时，你的产品已经能“听懂人话”，秒级响应。这种体验上的代差，就是最硬的竞争力。

博客

三万随便用 +AI Copilot，报表工具从商业到技术的双重颠覆

06-11

227

当“降本增效”从可选题变为必选题，润乾报表以“三万买断”为起点，发起的不仅是一场定价颠覆，更是一套完整的成本与效率解决方案，它精准地解剖了传统报表体系的两大“出血点”——失控的采购成本与隐形的人力消耗，并提供了系统性的“止血”与“造血”方案在采购成本上，实现“可控性。

博客

润乾 BI DBD Copilot 实践体验

06-10

151

在设计 DBD 时，我们添加组件可能需要频繁地点击来完成创建组件、添加数据集、添加参数、组件基础设置等。润乾推出 DBD 版的 Copilot，支持汉语指令助力完成这些动作，用语句完成一些操作流程，提高了设计的便利性。下面就来借助此功能制作一个 Dashboard。任务描述：1，KPI 层：展示关键数据，一眼定位目标完成情况。2，问题分析层：布局动线串联对比和分析。查询联动。3，预警与机会：产品、订单的明细查询，产品排名。一、KPI 层这一层准备设计几个指标卡片：KPI：本月累计销售额 vs 目标

博客

从 GUI 到 LUI 的进化，报表工具也有了 Copilot

06-09

263

从 GUI 到 LUI，报表工具 Copilot 的问世对于个人而言：是一场人机交互方式的深度进化——它把我们从繁琐的菜单点击和公式记忆中解放出来，让做报表真正变得简单对于企业而言：是一次技术路线与成本结构的双重革新：谁能率先拥抱 LUI、率先用上 Copilot，谁就能先一步拥有 AI 制表的能力，在技术赛道上抢占先机；同时，它还能省下大量的软件采购成本和人力投入，当别人还在用旧工具堆人力的时候，你已经用更低的成本、更高的效率跑在了前面，在这场残酷的竞争中，谁先掌握这项能力，谁就赢得了主动。

博客

AI 加持下的自助报表还能这么做！

06-08

176

用 LLM 规划：一句话生成完整报表框架，再做微调即可。不用 LLM 规划：熟手可以自己分步输入命令（配合 LLM 规范降低输入门槛），同样能完成复杂报表。

博客

如何用自然语言筛选报表数据

06-05

220

上图中我们配置了deepseek的API接口地址，配置了模型为deepseek-chat模型，以及最大token量等参数，并将自己的APIKey填入deepseek.txt文档，放在WEB-INF目录下。目前汉语查询功能采用了小型的规则引擎，还不能识别非常灵活的口语命令，比如当我们使用“查询上周发货到华北的订单”等口语化描述查询数据时，规则引擎无法理解就会报错。我们的参数模板有控件雇员ID，显示值是姓名列，这里在过滤雇员ID时，显示的是姓名，实际查询时程序将为我们解析为雇员ID真实值。

博客

用 AI 编程生成 ECharts 图表并嵌入润乾报表的实践

06-04

216

数据集 SQL其中股票代码为查询参数，运行时可通过输入框动态查询各只股票数据。定义报表A1 单元格：用于配置 K 线图 (具体见下一步)A3-G3 单元格：配置股票明细数据配置 ECharts 参数标注 1：配置 K 线图所需的数据参数，股票代码（stockCode）、交易日（tradeDate）、开盘价（open）、收盘价（close）、最高价（high）、最低价（low）标注 2：润乾报表生成 ECharts 图的固定基础代码（照抄即可），其中 //

博客

三万随便用的 AI 报表工具，商务和技术双颠覆

06-03

212

当“降本增效”不再是口号，而是企业的生存线和竞争的分水岭，选择什么样的工具伙伴，便决定了 ToB 软件公司能走多远润乾报表，以“三万随便用”的商务模式，彻底斩断了随业务扩张而无限攀升的授权成本枷锁，让软件采购从“不可控的支出”回归为“清晰固定的投入”以 AI Copilot 和 AI 自助报表为代表的技术革新，将报表团队从低效、重复、被动响应的人力消耗战中彻底解放出来，让高级工程师去做更有价值的事，让初级人员也能轻松上手，让业务人员真正实现“所想即所得”

博客

AI 编程热潮下的报表开发探索

06-02

216

润乾报表的这套 AI 实践，把 AI 能力渗透到了报表开发的多个关键环节：• 设计环节：从 GUI 到 LUI，像聊天一样生成复杂报表，告别“手搓”• 图表环节：AI 自动生成 ECharts 配置，复杂可视化不再需要精通前端• 应用环节：自然语言替代参数模板，用户想怎么筛就怎么筛• 自助环节：业务人员自己就能做报表，分步执行或整体规划，过程透明可控更重要的是，润乾这套方案还有硬核优势润乾没有盲目迷信大模型，它采用“规则引擎主导 + LLM 辅助。

博客

润乾自助报表 Copilot 实践

06-01

275

LLM 规范使用提示词文件 nlr-prompt-main.md，该提示词起到功能识别器作用，用户通过 LLM 规范对自然语言转换时，LLM 先根据 nlr-prompt-main.md 文件中的关键字设置，理解用户真实意图，识别自然语言命令所对应的功能模块，如字段删除、数据过滤操作、外观格式与样式设置等，在 classes 目录下会有不同的功能性的提示词文件与之相对应，提示词文件名为功能名.md，LLM 识别出用户自然语言中的具体功能后，再使用对应的提示词文件（功能名.md）对自然语言指令进行转换。

博客

准确率 100% 的智能问数（Text2SQL）实践，还要关心什么指标？

05-29

241

准确率有底线：规范文本→SQL 这一段是确定性的规则翻译，100% 准确，稳定不靠运气。把准确率的主动权交还给用户，而不是交给大模型的黑盒。通过率可提升：不接 LLM 时口语拉垮，接 LLM 后大幅提升。边界问题（跨行运算）由 NLR 兜底。整个过程可控、可度量。实施成本收敛：几天一次性投入，普通工程师就能干，不依赖 AI 专家和高昂算力。相比于大模型 +RAG 那“持续调试永无止境”的隐性成本，这个优势是数量级的。技术路线清晰可解释。

博客

智能问数(Text2SQL)工业级落地,纯AI黑盒都没戏

05-28

379

AI 一天不解决幻觉问题，这个步骤就不可能 100% 可靠。这些手段都只能减少幻觉，不能根除幻觉。学术界的研究已经给出了令人警惕的证据。在真实企业数据环境下的 Spider 2.0 基准测试中，曾在 Spider 1.0 上达到 86% 准确率的 GPT-4o，在 Spider 2.0 上的整体成功率骤降至。

博客

给 BIRT 的 SQL 数据集传多值参数

02-03

730

但预览结果看不到数据，原因在于JDBC因为“预防SQL注入”的安全问题，禁止了这种多值参数的传值方式。arg1相当于第一个问号，然后看结果，能查出数据来了。

博客

SQL 多字段条件查询

02-02

1260

SPL语言从理论模型上做了大量的这类创新，能极大的提高描述计算的能力，可以想象掌握了 SPL 语言的你，一个人维护的。=A2.select(pos(~.array().concat(","),"北京 ")!（可以理解为 JAVA 里的数组，只是这个数组比较广义，元素可以是任意数据类型）；还可以依次类推，~[-1] 是前一条记录,~[3] 是当前记录后面的第三条记录;=A2.select((~.销售额 -~[1]. 销售额 )>100000)pos(~.array().concat(","),"北京 ")