Hur man skapar en pivottabell i Microsft Excel
Microsoft Office Excel 2016 / / March 19, 2020
Senast uppdaterad den
Om du behöver analysera en datauppsättning är Microsoft Excel det perfekta verktyget för jobbet. Mer specifikt gör pivottabeller för komplexa datasätt enklare.
Om du behöver analysera en datauppsättning är Microsoft Excel det perfekta verktyget för jobbet. Du vet redan att Excel lagrar information i tabeller, men appens kraft är inom verktygen du kan använda för att utnyttja informationen dold i dessa celler. Ett av dessa verktyg är en pivottabell. Vi tittade på funktionen tillbaka i Excel 2010, och i Excel 2016 vi fortsätter vår titt på hur du kan använda den för att manipulera och hitta datatrender.
Skapa en pivottabell i Excel
Vad är en pivottabell?
En pivottabell är ett fint namn för att sortera information. Det är idealiskt för att beräkna och sammanfatta information som du kan använda för att dela upp stora tabeller till precis rätt mängd information du behöver. Du kan använda Excel för att skapa en rekommenderad pivottabell eller skapa en manuellt. Vi tittar på båda.
Rekommenderad pivottabell
En rekommenderad pivottabell introducerades i Excel 2013, är en förutbestämd sammanfattning av dina data som Excel rekommenderar för dig. Du kanske inte får den information du behöver beroende på din datauppsättning, men för snabb analys kan det vara praktiskt. För att skapa en markerar du datakällan (cellintervallet i arbetsboken som innehåller data som du vill analysera.) Välj sedan fliken Infoga och sedan Rekommenderade pivottabeller.
När dialogrutan Välj datakälla visas klickar du på OK.
Ett galleri med rekommenderade PivotTable-stilar visas som ger förslag på hur du kanske vill analysera den valda informationen. I följande exempel följer jag antalet anställda efter arbetstimmar i januari. Dina kommer att variera beroende på vilken typ av data du sorterar. Klicka på OK.
Som ni ser i tabellen nedan kan jag få en uppfattning om hur många personer som arbetade ett visst antal timmar i januari. Ett scenario som detta skulle vara bra att se vem som kanske arbetar hårdast, arbetar övertid och från vilken avdelning inom ett företag.
Hugg in
För att göra det mer intressant, låt oss gräva vidare och ta reda på vilken anställd som arbetar mest. Som du kan se visas aktivitetsfönstret Pivot Table till höger och visar ytterligare verktyg som jag kan använda för att sortera och filtrera. För följande exempel kommer jag att lägga till Arbetstider i januari till filterområdet och lägg till anställdens namn till radområdet. Efter att ha gjort det kommer du att märka att ett nytt fält har lagts till i det ark som heter Arbetstider i januari.
När jag klickar i filterrutan kan jag se det lägsta och det högsta. Låt oss välja det högsta som är 205, klicka på OK. Så en anställd vid namn Philip arbetade de flesta timmar i januari. Det blir inte lättare än så.
Skapa en PivotTable från Scratch
Om du vill ha mer kontroll över hur din pivottabell är utformad kan du göra det själv med det vanliga Pivot Table-verktyget. Välj igen datakällan eller området där data lagras i arbetsboken och välj Infoga> PivotTable.
EN Skapa PivotTable dialogrutan visas med flera alternativ. Eftersom jag arbetar med datakällan från själva kalkylbladet lämnar jag standard. Du kan välja att lägga till pivottabellen i ett befintligt kalkylblad eller ett nytt. I det här fallet sätter jag in det i ett nytt ark.
Du kommer att märka att ett nytt ark visas med förslag på vad du kan göra. I det här scenariot vill jag veta hur många timmar som arbetats av anställda i försäljningen. För att göra det använder jag helt enkelt Avdelning för att filtrera ned listan och lägga till de andra tabellerna i raderna, t.ex. anställdens namn och ett antal arbetade timmar.
Klicka på avdelningsfiltret och klicka på Försäljning och sedan på OK.
Omedelbart kan jag se vem som arbetade mest. Jag lade till ett extra fält för övertid bara för att ytterligare analysera den information som lämnades.
Du bör nu ha en god uppfattning om hur kraftfulla svängbord är. Och hur de sparar tid genom att hitta den exakta informationen du behöver med liten ansträngning. För en liten mängd data kan det vara för mycket. Men för större och mer komplexa datasätt gör det ditt jobb mycket enklare.