ChatGPT+Excel高效数据计算与处理(视频教学版)

ChatGPT+Excel高效数据计算与处理(视频教学版)

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

因版权原因待上架

编辑推荐

系统介绍ChatGPT的基本用法。

内容简介

AI时代,ChatGPT作为一款基于人工智能技术的聊天机器人,具有极广泛的应用场景。本书在带领读者学习如何使用ChatGPT来简化Excel的数据处理、分析及计算工作。

全书共分6章,内容包括对ChatGPT的基本了解、掌握在Excel中高效提问的技巧、使用ChatGPT辅助数据的整理和优化、了解ChatGPT给予Excel函数的帮助、借助ChatGPT辅助生成Excel函数公式以及通过ChatGPT生成VBA代码实现自动化处理。

作者简介

编著者裴鹏飞,就职于宣城市信息工程学校,高级讲师,从事教学工作二十多年。

章节目录

版权信息

内容简介

前言

第1章 ChatGPT初体验

1.1 了解ChatGPT及其应用范围

1.2 目前国内对ChatGPT的使用情况

1.3 注册Chataa并登录账号

1.4 了解Chataa程序的界面

1.5 开始使用Chataa

1.6 管理Chataa的聊天窗口

1.7 管理ChatGPT的对话记录

第2章 掌握ChatGPT中正确的提问技巧

2.1 用提示语精准提问

2.2 设定角色后再提问

2.3 针对ChatGPT的回复进行追问

2.4 培养建立专属对话框的习惯

第3章 ChatGPT辅助资料整理及优化

3.1 快速填充一列数据

3.2 填充不连续的序号

3.3 在所有空白单元格填充同一数据

3.4 查找数据并实现一次性定位查看

3.5 删除表格中重复的记录

3.6 以特殊格式标记重复的表项

3.7 以特殊格式标记满足条件的值

3.8 以特殊格式标记同一类型的数据

3.9 自动标识周末日期

3.10 高亮显示每行数据中的最大值

3.11 将成绩最高的学生的姓名以特殊格式标记出来

3.12 以特殊格式标记未包含指定文本的值

3.13 建立查询表的查询序号选择序列

3.14 限定输入的数值为大于0的整数

3.15 限定输入日期的有效范围

3.16 限制输入空格

3.17 限制输入重复的数据

3.18 批量删除数据的文本单位

3.19 批量删除数据的文本单位的优化方案

3.20 使用规范的日期便于计算数据

3.21 解决一列数据多个属性问题

3.22 批量处理文本数据

3.23 如何实现双关键字排序数据

3.24 快速筛选出大于指定值的条目

3.25 将包含某文本的条目筛选出来

3.26 对日期数据进行筛选

3.27 同时满足多条件筛选

3.28 筛选出满足多个条件中任意一个的记录

第4章 了解ChatGPT给予Excel函数的帮助

4.1 向ChatGPT询问Excel函数的语法和示例

4.2 让ChatGPT按给定任务提供Excel函数建议

4.3 根据ChatGPT的提示完成函数公式的编写

4.4 用ChatGPT帮助理解公式

4.5 获取Excel函数的网络学习资源

第5章 ChatGPT辅助生成Excel函数公式

5.1 一次性对区域数据求和

5.2 对每日出库量累计求和

5.3 统计某个销售平台的合计金额

5.4 统计某两个销售平台的合计金额

5.5 统计各部门工资总额

5.6 用通配符对某一类数据求和

5.7 统计指定仓库指定商品的出库总数量

5.8 计算平均分时将文本项也计算在内

5.9 排除新店计算平均利润

5.10 统计各班级的平均分

5.11 计算一车间女职工的平均工资

5.12 根据签到表统计到会人数

5.13 统计工资大于6000元的人数

5.14 按学历统计人数

5.15 在成绩表中分别统计及格人数与不及格人数

5.16 统计出成绩大于平均分的学生人数

5.17 统计在两列中都出现的条目的总数

5.18 统计两科都得满分的人数

5.19 统计销售部女员工的人数

5.20 统计非工作日销售金额

5.21 分别统计12月内账款与超12月账款

5.22 返回指定产品的最低报价

5.23 分别统计各班级最高分、最低分和平均分

5.24 为学生考试成绩排名次

5.25 判断应收账款是否到期

5.26 计算展品上架的时长(“*个月*日”形式)

5.27 学员信息管理表中的到期提醒

5.28 计算临时工的实际工作天数

5.29 判断值班日期是工作日还是双休日

5.30 比赛用时统计(分钟数)

5.31 安排值班排班表

5.32 计算工龄及工龄工资

5.33 解决日期计算返回日期序列号问题

5.34 按条件判断能够参加复试的应聘人员

5.35 根据设定的返利比计算返利金额

5.36 按条件判断是否为消费者发放赠品

5.37 快速比较两列数据的差异

5.38 判断多重条件并匹配赠品

5.39 根据排名返回得奖情况

5.40 分性别判断成绩是否合格

5.41 根据职工性别和职务判断退休年龄

5.42 实现智能调薪

5.43 替换字符串中的某个字符为另一个字符

5.44 从货品名称中提取品牌名称

5.45 统计各个年级参赛的人数合计

5.46 从品名规格中分离信息

5.47 获取考试成绩小于60分的人名单

5.48 获取各个兴趣小组的报名名单

5.49 通过身份证号码提取出生日期和性别

5.50 查询并匹配符合条件的数据

5.51 根据编号自动查询相关信息

5.52 显示本年度销售冠军名单

第6章 ChatGPT生成VBA代码自动化处理

6.1 在Excel中开启VBA

6.2 将工作簿中的工作表拆分为独立的工作簿

6.3 将多工作簿内的工作表合并到一个工作簿中

6.4 多个工作表合并到一个工作表

6.5 制作创建图表的快捷按钮

6.6 快速生成PDF文档

6.7 按条件批量插入空行

6.8 实现一键调整列宽

6.9 将缺失数据自动填满

6.10 批量删除空白单元格

6.11 将指定区域隔行填色

6.12 多表合并运算

ChatGPT+Excel高效数据计算与处理(视频教学版)是2024年由清华大学出版社出版,作者裴鹏飞 编著。

得书感谢您对《ChatGPT+Excel高效数据计算与处理(视频教学版)》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

购买这本书

你可能喜欢
大数据处理平台 电子书
本书从数据查询、数据分析和迭代计算平台3个方面对大数据处理平台的体系结构、基本原理、主流技术、国内外研究进展和成果进行了全面、深入的阐述,对大数据实时处理平台的架构和核心技术进行了展望。企业技术人员可参考本书选择合适的技术构建大数据处理平台或对现有平台进行优化;高校院所的科研人员可参考本书了解大数据管理的基本原理和现有研究成果;学生读者可通过学习本书全面了解大数据处理平台。同时,本书也适用于对大数
用Python轻松处理Excel数据 电子书
本书旨在帮助读者掌握如何用Python高效地处理Excel数据,实现办公自动化。本书首先介绍开发环境的搭建和Excel模块的安装,接着讲解编写代码前的准备,然后介绍如何使用openpyxl和pandas这两个模块编写员工信息表查询案例,最后介绍PyInstaller模块与.py文件的编译,以及如何快速移植本书案例的代码。本书不仅适合办公人员阅读,还适合想要了解openpyxl模块和pandas模块
零基础学Photoshop 2020(全视频教学版) 电子书
本书共14章,分为入门篇、提高篇、精通篇和实战篇4篇。本书循序渐进地讲解了Photoshop2020基本操作,单色、渐变与图案填充,图层及图层样式,绘图及照片修饰功能,选区的选择艺术,路径和形状工具,蒙版与通道的应用,文字工具,滤镜特效内容,并安排了4章实战案例,深入剖析了应用Photoshop2020进行照片后期处理、UI图标及界面设计、电商店铺装修设计、新媒体美工设计的方法和技巧,使读者熟练掌
零基础学CorelDRAW 2018(全视频教学版) 电子书
CorelDRAW2018是Corel公司出品的专业图形设计和矢量绘图软件,具有功能强大、效果精细、兼容性好等特点,被广泛应用于平面设计、插画绘制、包装装潢等诸多领域。本书根据初学者的学习需求和认知特点梳理和构建内容体系,循序渐进地讲解了CorelDRAW2018的核心功能和应用技法。全书共13章。第1章和第2章讲解了CorelDRAW2018的入门与基础操作,第3章讲解了对象的操作,第4、5章讲
Spark海量数据处理:技术详解与平台实战 电子书
在数字经济时代,数据是重要的资源要素;同时,新的数据又在源源不断地产生,企业面临的一个基本问题就是如何管理和利用这些数据,这对传统的数据处理方法与分析框架提出了新的诉求和挑战,也是全球业界与学界为关心的问题。为了满足大数据时代对信息的快速处理的需求,一个分布式的开源计算框架Apache Spark应运而生。经过十年的发展,Spark已经成为目前大数据处理的标杆,在整个业界得到了广泛的使用。对大数据工程师来说,用Spark构建数据管道无疑是很好的选择,而对数据科学家来说,Spark也是高效的数据探索工具。 本书基于Spark发行版2.4.4写作而成,包含大量的实例与一个完整项目,技术理论与实战相结合,层次分明,循序渐进。本书不仅介绍了如何开发Spark应用的基础内容,包括Spark架构、Spark编程、SparkSQL、Spark调优等,还探讨了Structured Streaming、Spark机器学习、Spark图挖掘、Spark深度学习、Alluxio系统等高级主题,同时完整实现了一个企业背景调查系统,借鉴了数据湖与Lambda架构的思想,涵盖了批处理、流处理应用开发,并加入了一些开源组件来满足业务需求。学习该系统可以使读者从实战中巩固所学,并将技术理论与应用实战融会贯通。 本书适合准备学习Spark的开发人员和数据分析师,以及准备将Spark应用到实际项目中的开发人员和管理人员阅读,也适合计算机相关专业的高年级本科生和研究生学习和参考,对于具有一定的Spark使用经验并想进一步提升的数据科学从业者也是很好的参考资料。