Microsoft Excel에서 피벗 테이블을 만드는 방법
데이터가 많으면 분석하기가 점점 어려워지는 경우가 많습니다. 하지만 정말 이래야 할까요? Microsoft Excel에는 엄청난 양의 데이터를 쉽게 분석하는 데 사용할 수 있는 피벗 테이블이라는 놀라운 내장 기능이 있습니다. 사용자 정의 보고서를 생성하여 데이터를 효율적으로 집계하는 데 사용할 수 있습니다. 열의 합계를 자동으로 계산하고, 열에 필터를 적용하고, 열 내의 데이터를 정렬하는 데 사용할 수 있습니다. 피벗 테이블로 할 수 있는 작업과 일상적인 Excel 문제를 완화하기 위해 이를 사용하는 방법은 무궁무진합니다.
피벗 테이블을 쉽게 만들고 효과적으로 구성하는 방법을 알아보려면 계속 읽어보세요. 이 기사를 재미있게 읽으셨기를 바랍니다.
섹션 1: 피벗 테이블이란 무엇입니까?
매우 기본적인 용어로 피벗 테이블을 동적 보고서라고 생각할 수 있습니다. 그러나 보고서와 피벗 테이블에는 큰 차이가 있습니다. 보고서는 정적이므로 상호 작용을 제공하지 않습니다. 그러나 이와 달리 피벗 테이블을 사용하면 데이터를 다양한 방법으로 볼 수 있습니다. 또한 피벗 테이블에는 보유하는 데이터를 구성하는 데 수식이 필요하지 않습니다. 피벗 테이블에 많은 필터를 적용하고 요구 사항에 따라 데이터를 사용자 정의할 수 있습니다.
2부: 샘플 데이터
이 문서에서는 피벗 테이블 생성을 위한 데이터가 포함된 샘플 테이블을 만들었습니다. 우리가 만든 예제 테이블에는 Date, Item, Units Sold 및 Profit 열이 있습니다. 우리는 주로 다양한 프로젝트를 기반으로 한 일일 총 이익을 찾는 것에 관심이 있습니다. 자세한 단계와 예시를 통해 이를 수행하는 방법을 살펴보겠습니다.
3부: 피벗 테이블을 만드는 방법
데이터가 준비되면 피벗 테이블을 만드는 것은 매우 쉽습니다.
1단계: 데이터 내 아무 곳이나 클릭합니다. 그런 다음 상단 리본에 있는 “삽입” 탭을 클릭하세요. 이제 피벗 테이블이라는 버튼을 클릭하세요.
2단계: 이제 Create PivotTable Table 창이 바로 앞에 나타납니다.
"분석할 데이터 선택" 섹션에서 "표 또는 범위 선택" 옵션에 해당하는 라디오 버튼 이 기본적으로 선택됩니다. 선택 항목이 없으면 선택하세요.
이제 피벗 테이블을 배치할 위치 선택 섹션에서 새 워크시트 또는 기존 워크시트 시트에서 피벗 테이블을 만들도록 선택할 수 있습니다.
새 워크시트를 선택하면 피벗 테이블이 다른 워크시트에 생성됩니다. 하지만 피벗 테이블과 샘플 데이터가 동일한 워크시트에 있으면 비교하기가 더 쉽기 때문에 기존 워크시트 옵션을 선택했습니다.
기존 워크시트에 해당하는 라디오 버튼을 선택한 후 위치 필드에서 셀 선택버튼을 클릭하세요.
3단계: 피벗 보고서 만들기 이제 테이블 창이 최소화됩니다. 피벗 테이블을 시작하려는 셀을 클릭하세요. 셀을 선택한 후 다시 "셀 선택" 버튼을 클릭하면 창이 최대화됩니다.
4단계: "Create PivotTableTable" 창으로 돌아온 후 "OK" 버튼을 클릭하세요.
5단계: 그게 다입니다. 이제 피벗 테이블 보고서가 워크시트에 삽입되었습니다. 다음 섹션에서는 피벗 테이블에서 데이터가 생성되는 방법과 데이터를 조작하는 방법을 살펴보겠습니다.
1단계: 수익 합계를 보고 싶다고 가정해 보겠습니다. 이를 위해 수식을 작성할 필요가 없습니다.
피벗 테이블 설정이 있는 오른쪽 창에서 Profit 열에 해당하는 확인란을 클릭하기만 하면 됩니다.
Excel 워크시트를 보면 이제 피벗 테이블에 열이 하나만 있고 Sum of Profit이라고 표시된 것을 볼 수 있습니다. 샘플 데이터에서 사용 가능한 모든 이익의 합계를 계산합니다.
2단계: 이제 총 이익을 보고 싶지만 동시에 일일 이익도 보고 싶다고 가정해 보겠습니다. 이 경우 오른쪽 창의 Date 열에 해당하는 확인란도 선택하세요.
이제 Date 열이 자동으로 피벗 테이블의 ROWS 섹션 아래에 위치하며 피벗 테이블에 일일 수익이 성공적으로 표시됩니다. 마지막으로 벌어들인 수익의 총액도 표시됩니다.
3단계: 이제 샘플 데이터의 모든 열에 해당하는 확인란을 선택해 보겠습니다. 음, 이는 하루에 프로젝트당 수익을 보여주는 피벗 테이블에 완벽한 보고서를 제공합니다. 글쎄, 이보다 더 체계적일 수는 없으며 우리도 동의합니다!
5부: 피벗 테이블에 필터를 적용하는 방법
특정 필터를 적용한 후에만 피벗 테이블을 보려면 몇 가지 방법이 있습니다. 예를 들어, Fruit 프로젝트만의 일일 수익을 확인하고 싶다면 아래 단계를 따르세요.
1단계: 먼저 창 오른쪽 에 있는 피벗 테이블 필드에서 Item 필드를 FILTERS 섹션으로 끌어다 놓습니다. 이렇게 하면 피벗 테이블에 필터 items가 추가됩니다.
이제 피벗 테이블에 새로 추가된 필터 Item가 표시됩니다. 관련된 드롭다운 메뉴를 클릭하세요.
2단계: 이제 Fruits 항목을 클릭하고 확인 버튼을 클릭하여 Fruits에 대해서만 피벗 테이블을 필터링합니다.
NOTE: 피벗 테이블에 여러 필터를 적용하도록 선택할 수도 있습니다. 아래 스크린샷에서 원으로 표시된 여러 항목 선택에 해당하는 여러 항목 선택 확인란을 활성화한 다음
여러 필드를 선택하면 됩니다.
3단계: 지금 피벗 테이블을 보면 과일 아이템
으로 매일 벌어들이는 수익의 합계를 확인할 수 있습니다. 즐기다!
피벗 테이블은 훌륭합니다. 우리 모두 알고 있습니다. 그러나 약간의 스타일도 추가하면 더 커질 수 있습니다. 이 섹션에서는 피벗 테이블 보고서에 미리 설정된 스타일을 추가하여 더 읽기 쉽고 사용자 친화적으로 만드는 방법을 살펴보겠습니다. 단계
: 먼저 피벗 테이블의 아무 곳이나클릭하세요. 이제 "Home" 탭에 있는지 확인하세요. 다음으로 드롭다운 Format as Table
을 클릭하세요. 사용 가능한 스타일 목록에서원하는 스타일을 선택하세요.
2단계: 여기까지입니다! 피벗 테이블이 모두 설정되었으며 사용할 준비가 되었습니다. 수식의 도움 없이 새로운 피벗 테이블 보고서를 사용하여 데이터를 쉽게 분석할 수 있습니다!
위 내용은 Microsoft Excel에서 피벗 테이블을 만드는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











빅 데이터 구조 처리 기술: 청킹(Chunking): 데이터 세트를 분할하고 청크로 처리하여 메모리 소비를 줄입니다. 생성기: 전체 데이터 세트를 로드하지 않고 데이터 항목을 하나씩 생성하므로 무제한 데이터 세트에 적합합니다. 스트리밍: 파일을 읽거나 결과를 한 줄씩 쿼리하므로 대용량 파일이나 원격 데이터에 적합합니다. 외부 저장소: 매우 큰 데이터 세트의 경우 데이터를 데이터베이스 또는 NoSQL에 저장합니다.

인터넷 시대에 빅데이터는 새로운 자원으로 자리 잡았으며, 빅데이터 분석 기술의 지속적인 발전으로 인해 빅데이터 프로그래밍에 대한 수요가 더욱 절실해지고 있습니다. 널리 사용되는 프로그래밍 언어로서 빅 데이터 프로그래밍에서 C++의 고유한 장점은 점점 더 두드러지고 있습니다. 아래에서는 C++ 빅데이터 프로그래밍에 대한 실제 경험을 공유하겠습니다. 1. 적절한 데이터 구조 선택 적절한 데이터 구조를 선택하는 것은 효율적인 빅데이터 프로그램을 작성하는 데 중요한 부분입니다. C++에는 배열, 연결 목록, 트리, 해시 테이블 등과 같이 사용할 수 있는 다양한 데이터 구조가 있습니다.

AEC/O(Architecture, Engineering & Construction/Operation)는 건설 산업 분야에서 건축 설계, 엔지니어링 설계, 시공 및 운영을 제공하는 종합 서비스를 말합니다. 2024년 AEC/O 산업은 기술 발전으로 인해 변화하는 도전에 직면하게 될 것입니다. 올해는 첨단 기술이 집약되어 설계, 시공, 운영의 패러다임 전환을 예고하는 해가 될 것으로 예상됩니다. 이러한 변화에 대응하여 업계에서는 빠르게 변화하는 세계의 요구 사항에 적응하기 위해 작업 프로세스를 재정의하고 우선 순위를 조정하며 협업을 강화하고 있습니다. AEC/O 산업의 다음 5가지 주요 트렌드는 2024년 핵심 주제가 될 것이며, 더욱 통합되고 대응력이 뛰어나며 지속 가능한 미래로 나아갈 것을 권장합니다. 통합 공급망, 스마트 제조

1. 58초상화 플랫폼 구축 배경 먼저, 58초상화 플랫폼 구축 배경에 대해 말씀드리겠습니다. 1. 기존 프로파일링 플랫폼의 전통적인 사고로는 더 이상 충분하지 않습니다. 사용자 프로파일링 플랫폼을 구축하려면 여러 비즈니스 라인의 데이터를 통합하여 정확한 사용자 초상화를 구축하는 데이터 웨어하우스 모델링 기능이 필요합니다. 그리고 알고리즘 측면의 기능을 제공해야 하며, 마지막으로 사용자 프로필 데이터를 효율적으로 저장, 쿼리 및 공유하고 프로필 서비스를 제공할 수 있는 데이터 플랫폼 기능도 있어야 합니다. 자체 구축한 비즈니스 프로파일링 플랫폼과 중간 사무실 프로파일링 플랫폼의 주요 차이점은 자체 구축한 프로파일링 플랫폼이 단일 비즈니스 라인에 서비스를 제공하고 필요에 따라 사용자 정의할 수 있다는 것입니다. 모델링하고 보다 일반적인 기능을 제공합니다. 2.58 Zhongtai 초상화 구성 배경의 사용자 초상화

오늘날 빅데이터 시대에 데이터 처리 및 분석은 다양한 산업 발전에 중요한 지원 요소가 되었습니다. 개발 효율성이 높고 성능이 뛰어난 프로그래밍 언어로서 Go 언어는 점차 빅데이터 분야에서 주목을 받고 있습니다. 그러나 Go 언어는 Java, Python 등 다른 언어에 비해 빅데이터 프레임워크에 대한 지원이 상대적으로 부족하여 일부 개발자에게 어려움을 초래했습니다. 이 글에서는 Go 언어에서 빅데이터 프레임워크가 부족한 주된 이유를 살펴보고, 그에 따른 솔루션을 제안하고, 구체적인 코드 예제를 통해 이를 설명하겠습니다. 1. 언어로 이동

Yizhiwei의 2023년 가을 제품 출시가 성공적으로 마무리되었습니다! 컨퍼런스의 주요 내용을 함께 살펴보겠습니다! 1. 지능적 포용적 개방성, 디지털 트윈의 생산성 향상 Kangaroo Cloud의 공동 창업자이자 Yizhiwei의 CEO인 Ning Haiyuan은 개회 연설에서 다음과 같이 말했습니다. 올해 회사 전략 회의에서 우리는 제품 연구 개발의 주요 방향을 다음과 같이 정했습니다. '지능형 포괄 개방성' '3대 핵심역량', '지능형 포괄 개방성' 3대 핵심 키워드에 초점을 맞춰 '디지털 트윈을 생산력으로 만든다'는 개발 목표를 더 제시했다. 2. EasyTwin: 사용하기 쉬운 새로운 디지털 트윈 엔진 탐색 1. 0.1에서 1.0까지 디지털 트윈 퓨전 렌더링 엔진을 계속 탐색하여 성숙한 3D 편집 모드, 편리한 대화형 청사진 및 대규모 모델 자산을 갖춘 더 나은 솔루션을 제공합니다.

오픈 소스 프로그래밍 언어로서 Go 언어는 최근 몇 년 동안 점차적으로 광범위한 관심과 사용을 받아 왔습니다. 단순성, 효율성 및 강력한 동시 처리 기능으로 인해 프로그래머가 선호합니다. 빅데이터 처리 분야에서도 Go 언어는 강력한 잠재력을 갖고 있으며, 대용량 데이터를 처리하고 성능을 최적화하며 다양한 빅데이터 처리 도구 및 프레임워크와 잘 통합될 수 있습니다. 본 글에서는 Go 언어의 빅데이터 처리에 대한 몇 가지 기본 개념과 기법을 소개하고, 구체적인 코드 예시를 통해 Go 언어를 사용하는 방법을 보여드리겠습니다.

빅 데이터 처리에서 인메모리 데이터베이스(예: Aerospike)를 사용하면 컴퓨터 메모리에 데이터를 저장하고 디스크 I/O 병목 현상을 제거하며 데이터 액세스 속도를 크게 높이기 때문에 C++ 애플리케이션의 성능을 향상시킬 수 있습니다. 실제 사례에서는 인메모리 데이터베이스를 사용할 때의 쿼리 속도가 하드 디스크 데이터베이스를 사용할 때보다 몇 배 더 빠른 것으로 나타났습니다.