在 Excel 的数据分析领域,透视图是一种强大的工具,它与数据透视表紧密相关且有着独特的功能和使用技巧。在之前的学习中,相信大家已经熟悉了数据透视表的诸多操作功能和使用方法,包括一些高级设置和用法。而数据透视图的基础操作和数据透视表是完全一致的,并且我们之前也提到过,数据透视图是依托于数据透视表而存在的。接下来,我们将详细介绍 Excel 透视图的功能与使用技巧。
一、创建数据透视图
创建数据透视图是使用它的第一步。具体操作步骤如下:
在 Excel 的菜单栏中,首先点击 “插入” 选项,在下拉菜单中找到 “数据透视图” 这一功能选项。点击后,会出现一些扩展选项,在这些扩展选项中选择其中一个即可。这里需要注意的是,这两种不同的选择方式所创建出来的内容是完全相同的。
完成上述操作后,会弹出一个对话框。在这个对话框中,我们需要设置数据来源以及数据透视图的放置位置。这一步非常关键,它决定了透视图所基于的数据范围以及在 Excel 文档中的显示位置。
完成设置后,Excel 会自动创建一个数据透视表和一个数据透视图。这里要特别强调的是,数据透视表是不能删除的,因为它是数据透视图的基础。一旦删除数据透视表,数据透视图就会转变为普通图表,从而失去数据透视分析的功能。
二、设置活动字段
数据透视图的活动字段设置对于理解和展示数据至关重要。其设置方法与数据透视表完全一致。我们可以通过两种方式来设置活动字段:一种是勾选的方式,在相应的字段列表中勾选我们想要设置为活动的字段;另一种是拖拽的方式,直接将字段拖放到合适的位置。
三、数据透视图的数据连接与刷新
数据刷新
数据透视图的数据连接与刷新功能和数据透视表类似。在数据透视图中进行数据刷新的操作非常便捷,主要有以下两种方式:
第一种方式是,依次点击 “数据透视图分析” 选项卡,然后在其中找到 “刷新” 按钮并点击,这样就可以完成数据透视图的数据刷新操作。
第二种方式是,选中数据透视图后,点击鼠标右键,在弹出的右键菜单中选择 “刷新数据” 选项,同样可以实现数据刷新。
修改数据来源
如果在使用过程中需要修改数据来源,操作步骤也很简单。只需依次点击 “数据透视图分析” 选项卡,然后在其中找到 “更改数据源” 选项并点击,就可以根据新的需求重新设置数据来源了。如果您需要了解如何让数据透视表连接到外部数据或者刷新外部数据,其操作与数据透视表完全一致,可以观看本教程第四期视频学习相关操作。
如果想要让数据透视表连接到外部数据或者刷新外部数据同数据透视表完全一致,可观看本教程的第四期视频学习如何操作。
四、数据透视图的数据筛选
基本筛选功能:
数据透视图本身自带筛选器,它的功能和数据透视表的筛选标签类似,都是只能对所选字段进行筛选。这种筛选方式可以帮助我们快速地从大量数据中筛选出我们感兴趣的部分数据。
复杂筛选(使用切片器):
如果我们想要实现更复杂的筛选功能,就需要使用切片器。数据透视图中插入切片器以及切片器的使用方法和数据透视表完全相同。具体操作步骤如下:依次点击 “数据透视图分析” 选项卡,然后在其中选择 “插入切片器” 或者 “插入日程表” 选项,即可完成切片器的插入操作。
四、数据透视图的数据筛选
基本筛选功能:
数据透视图本身自带筛选器,它的功能和数据透视表的筛选标签类似,都是只能对所选字段进行筛选。这种筛选方式可以帮助我们快速地从大量数据中筛选出我们感兴趣的部分数据。
复杂筛选(使用切片器):
如果我们想要实现更复杂的筛选功能,就需要使用切片器。数据透视图中插入切片器以及切片器的使用方法和数据透视表完全相同。具体操作步骤如下:依次点击 “数据透视图分析” 选项卡,然后在其中选择 “插入切片器” 或者 “插入日程表” 选项,即可完成切片器的插入操作。
五、数据透视图的移动操作
数据透视图的移动操作和数据透视表有相似之处。具体操作步骤如下:
首先,依次点击 “数据透视图分析” 选项卡,然后在其中找到 “移动图表” 选项并点击。此时,会弹出一个对话框,在这个对话框中可以设置图表的位置。
如果在对话框中选择 “新工作表”,Excel 会创建一个全新的工作表,这个工作表中只包含要移动的图表,没有其他任何单元格内容。如果选择 “对象位于”,那么数据透视图就会被移动到已有的工作表当中。
这里还有一个需要注意的地方,在操作旁边有一个清除选项,它的功能和数据透视表的清除选项是一样的。这个清除操作只会清除图表所显示的数据,并不会删除数据透视图本身。如果您想要彻底删除数据透视图,可以直接选中数据透视图,然后按下 delete 键。
六、数据透视图的自定义计算
在数据透视图的 “分析” 菜单中,还有一个计算菜单栏。这个计算菜单栏的功能和数据透视表中的字段、项目和集是完全一致的。
综上所述,数据透视图和数据透视表在很多操作方面是相通的,掌握这些功能和使用技巧,可以让我们在 Excel 数据分析中更加得心应手,更高效地挖掘数据中的价值信息。
评论 (0)