当前位置: 首页 > news >正文

VLOOKUP专题训练

一、VLOOUP 查找引用函数简单用法

概念

在这里插入图片描述

场景 从一大堆表格中搜索某人的成绩

在这里插入图片描述

  1. 确定数据范围
    你的数据范围是从A2到I26(假设你有25个学生)。其中:
    A列是学号。
    B列是姓名。
    F列是语文成绩。
  2. 使用VLOOKUP函数
    在L2单元格中输入以下公式来查找王轩的语文成绩:
=VLOOKUP(K2, $B$2:$F$26, 4, FALSE)
公式解释:
K2:这是你要查找的值,即“王轩”。
$B$2:$F$26:这是你的数据范围。注意这里我们只选择了从B列到F列,因为我们需要根据姓名(B列)来查找语文成绩(F列)。
这是返回值的列索引号。因为我们是从B列开始计数,所以语文成绩在第4列(B、C、D、E、F)。

FALSE:表示精确匹配。如果找不到完全匹配的值,函数将返回错误。
3. 按Enter键
输入完公式后,按Enter键,L2单元格将显示王轩的语文成绩。

ROW函数COLUMN函数

在这里插入图片描述

场景 记录和管理与左边表格中订单相关的联系人信息。

在这里插入图片描述
这里存在的难点在于如何填写左边的表格
常规的Vlookup函数已经不实用了
在这里插入图片描述
这里实际上向右拖拽就会变成日期,是因为VLOOKUP函数根据固定的列数去匹配
在这里插入图片描述
此时我们要运用一个函数就是
COLUMNS函数:返回引用单元格区域的列数。
此时公式的写法就应该如下
COLUMN(B6) 这里返回的就是2,一直往右拖拽,就会显示3,4,5,6,7。真正的实现了列的动态变化

=VLOOKUP($K9,$C:$I,COLUMN(B6),0)

MATCH与 VLOOUP 嵌套函数

在这里插入图片描述

场景 记录和管理与左边表格中订单相关的联系人信息。

在这里插入图片描述

这个函数的核心点在于能够
在指定查找区域中查找对象,并返回查找对象的位置。
我们就是要利用这一点,跟我们上面的形成鲜明的对比
去找到指定的列数,比我们上一种方法更加智能化
公式如下

VLOOKUP($K9,$C:$I,MATCH(L$8,$C$1:$I$1,0),0)
  • 查找值:$K9 提供了要查找的“销售人员工号”。
  • 查找范围:C:C:C:I 定义了数据的查找范围。
  • 动态列索引:MATCH(L$8, $C1:1:1:I$1, 0) 动态确定要返回的列号。它根据 L$8 中的列标题在 $C1:1:1:I$1 范围内的位置来决定。
  • 精确匹配:0 确保 VLOOKUP 进行精确匹配。

MATCH 与INDEX 函数

在这里插入图片描述

场景 记录和管理与左边表格中订单相关的联系人信息。

在这里插入图片描述
这里表格跟之前的表格出现的问题就是顺序不一样了,Vlookup函数要求的是表格的顺序至少是一致的,因此我们就不能按照VLookup函数的思路去查询了。
此时药运用两个函数
INDEX和 MATCH
INDEX的核心是在查找区域中,返回指定行和列的交叉单元格内容。
MATCH核心是 在指定查找区域中查找对象,并返回查找对象的位置。

怎么利用 MATCH 找到列和行

在这里插入图片描述

公式如下

=@INDEX($C:$I,MATCH($K9,$G:$G,0),MATCH(L$8,$C$1:$I$1,0))

VLOOKUP 和 IF函数嵌套使用

场景 根据图书编号对照表,判断订单明细表中每种图书的价格范围

在这里插入图片描述

=IF(VLOOKUP(D3,$H$2:$J$19,3,0)<40,"低价","高价")

这个公式的核心逻辑是:
“根据 D3 的值在指定范围中查找对应的数值,若该数值小于40,则标记为‘低价’,否则为‘高价’。”
适用于商品分类、成本评估等需要条件判断的场景。

http://www.xdnf.cn/news/1353349.html

相关文章:

  • UE C++ 堆化
  • windows中bat脚本的一些操作(三)
  • 算法第五十五天:图论part05(第十一章)
  • 图论与最短路学习笔记
  • 【数据结构】跳表的概率模型详解与其 C 代码实现
  • 深度学习开篇
  • `strlen` 字符串长度函数
  • python 字典有序性的实现和OrderedDict
  • 计算机网络 各版本TLS握手的详细过程
  • 电脑零广告快响应提速(一)之卸载搜狗输入法使用RIME—东方仙盟
  • python re模块常用方法
  • MySQL详细介绍指南
  • 蓝牙aoa仓库管理系统功能介绍
  • [e3nn] 归一化 | BatchNorm normalize2mom
  • 【技术突破】动态目标误检率↓83.5%!陌讯多模态融合算法在智慧城管的实战优化
  • 基于电力电子变压器的高压脉冲电源方案复现
  • 使用 Certbot 申请 Apache 证书配置棘手问题
  • 【数据结构】计数排序:有时比快排还快的整数排序法
  • Ubuntu 操作系统深度解析:从入门到精通(2025 最新版)
  • Java JVM 超级详细指南
  • 在Linux环境中为Jupyter Lab安装Node.js环境
  • 云计算之云主机Linux是什么?有何配置?如何选?
  • JavaSpring+mybatis+Lombok,实现java架构[保姆教程]
  • Linux PCI 子系统:工作原理与实现机制深度分析
  • Bartender 5 Mac 多功能菜单栏管理
  • 【LeetCode】85. 最大矩形 (暴力枚举)
  • 嵌入式软件/硬件工程师面试题集
  • MySql知识梳理之DDL语句
  • 力扣hot100:搜索二维矩阵与在排序数组中查找元素的第一个和最后一个位置(74,34)
  • 知识蒸馏 Knowledge Distillation 概率链式法则(Probability Chain Rule)