1.参考手册，查看数据定义。

2.模型的创建。Link模型继承核心模型。

3.在控制器引入Link模型使用。

4.参考手册：查看新增数据方法。

5.在控制器添加方法的模型数据添加代码编写。

6.测试，使用模型添加数据看是否添加数据成功。

1、 文本数据批量插入表格

插入数据肯定是excel中经常使用的功能，小U之前插入表格都是最基本的Ctrl+c，Ctrl+v一个单元格一个单元格的粘贴，但是随着数据量的增加发现效率太低了，而且容易眼花出错，就在研究了一下，怎么能快速的添加信息，小U那最简单的表格为例演示了一下，如下

(1)将文字复制到word中，不同信息用空格隔开(空格很重要，即使在其他页面复制过来的信息有空格，有时候也需要手动添加空格哦~)

(2)选中文本→点击插入→表格→文本转化成表格

(3)将得到的表格复制，粘贴到相应的excel表格中即可

如果给的数据缺少部分信息可以使用*替代

如果给了更多数据一样可以操作

小U感觉还是蛮方便的，如果大家有更好的办法，或者技巧欢迎留言哈~

2、 数据分类标识

数据的分类标识对于HR、财务、销售部门的办公人士来说无疑是一项很好的筛选手段，当然这个功能也可以通过手动排序，标识或者通过条件格式这两种手段一样可以达到目的，不过今天小U 为大家带来的是不需要打乱次序，也不需要条件格式，就可以直接圈出你想要的数据。这里我们以成绩为例，标识出分数不及格的(成绩低于60)如下

(1)首先选中我们的想要排序的成绩，如果数据行数较多，可以用小U之前推荐的单元格的选取办法来选取加上一篇跳转链接

(2)点击数据→有效性

(3)在设置中允许(A)下选择：整数→设置最小值和最大值，根据你想标识的数据调整

(4)选择好以后点击数据→有效性右侧的下拉箭头点击：圈释无效数字

今天的办公小技巧就到这里啦，希望多多少少可以对大家有些许帮助，如果你有更好的办法欢迎评论，分享给更多的人

雷锋网按：本文为雷锋字幕组编译的技术博客，原标题Data Augmentation | How to use Deep Learning when you have Limited Data—Part 2，作者Ralph Fehrer。

翻译 | 赵朋飞 涂世文 整理 | 吴璇

这篇文章是对深度学习数据增强技术的全面回顾，具体到图像领域。这是《在有限的数据下如何使用深度学习》的第2部分。点击这里查看第1部分《NanoNets :数据有限时如何应用深度学习？》。

这些情况我们都经历过。你精通机器学习的相关概念，并能将其应用于机器学习模型。打开浏览器搜索相关数据，很可能会找到一系列数据以及上百幅相关照片。

你会想起大部分流行的数据集拥有数以千计的图片（甚至更多）。你也会想起有人曾说过拥有大规模的数据集对性能至关重要。你会感到失望，非常想知道：在有限的数据量下，顶级神经网络能不能很好地工作？

回答是肯定的，但在见证奇迹之前，我们需要思考一些基本问题。

为什么需要大量的数据

常用的神经网络的参数数量。

当你训练一个机器学习模型时，你实际做工作的是调参，以便将特定的输入（一副图像）映像到输出（标签）。我们优化的目标是使模型的损失最小化， 以正确的方式调节优化参数即可实现这一目标。

成功的神经网络拥有数以百万计的参数！

自然，如果你有大量参数，就需要提供你的机器学习模型同比例的实例，以获得优秀的性能。你需要的参数数量与需要执行的任务复杂性也成比例。

在没有大量数据情况下，如何获取更多数据？

其实，你并不需要添加大量的图像到你的数据集，为什么？ 因为，神经网络从一开始就不是智能的，例如，缺乏训练的神经网络会认为下面这3个网球是不同的、独立的图像。

完全一样的网球，神经网络的解释却不同。

所以，为了获得更多数据，我们仅需要对已有的数据集做微小的调整。比如翻转、平移或旋转。神经网络会认为这些数据是不同的。

运动中的数据增强

一个卷积神经网络有一个称作不变性的性质，即使卷积神经网络被放在不同方向上，它也能进行对象分类。更具体的说，卷积神经网络对平移、视角、尺寸或照度（或以上组合）保持不变性。

这就是数据增强的本质前提。在现实世界中，我们可能会有一组在有限的条件下拍摄的图像 。但是，我们的目标应用可能是在多变的环境中，例如，不同的方向、位置、比例、亮度等。我们通过使用经综合修改过的数据来训练神经网络，以应对这些情形。

即使拥有大量数据，再增强数据也是有帮助的吗？

当然。这会有助于增加数据集中相关数据的数量。 这与神经网络的学习方法相关，让我通过一个例子来说明。

假设数据集中的两个类。左边的代表品牌A（福特），右边的代表品牌B（雪佛兰）。

假设完成了训练，并且输入上面的图像，即品牌A。但是你的神经网络输出认为它是品牌B的汽车！使用先进的神经网络不是应该有95%的正确率吗？我不是夸大其词，类似的事情在过去也发生过。

福特汽车（品牌A），但面向右侧。

为什么会发生这种现象?因为这是大多数机器学习算法就是这么工作的。它会寻找区分一个类和另一个类的最明显特征。在这个例子中 ，这个特征就是所有品牌A的汽车朝向左边，所有品牌B的汽车朝向右边。

神经网络的好坏取决于输入的数据。

我们如何预防这种现象发生? 我们需要减少数据集中不相关特征的数量。对上面的汽车类型分类器来说，一个最简单的解决办法就是为数据集中的每种类别都添加朝向不同方向的汽车照片。更好的办法是，你只需要将现有的数据集中的照片水平翻转，使汽车朝向另一侧。现在，用新的数据集训练神经网络，你就会得到你想要的结果。

通过增强数据集，可以防止神经网络学习到不相关的模式，根本上提升整体性能。

准备开始

在我们深入研究各种增强技术之前，我们必须先考虑一个问题。

在机器学习过程中的什么位置进行数据增强？

答案相当明显：在向模型输入数据之前增强数据集，对吗？是的，但你有两个选项，一个是预先进行所有必要的变换，从根本上增加数据集的规模。另外一个是小批量执行变换，仅仅在输入机器学习模型之前。

第一项被称为离线增强。这个方法常被用于相对较小的数据集。因为你最终会通过一个与执行的转换数量相等的因子来增加数据集的大小（例如，通过翻转所有图像，数据集数量会增加2倍）。

第二个选项称为在线增强，或称为动态增强。主要应用于规模较大的数据集，因为你无法负担数据量爆炸性增长。反而，你可以通过对即将输入模型的小批量数据的执行相应的变化。很多机器学习架构已经支持在线增强，并可以利用GPU进行加速。

常用的增强技术

在这一节，我们将介绍一些基础但功能强大的增强技术，这些技术目前被广泛应用。在我们讲述这些技术之前，为简单起见，让我们做一个假设，即我们不需要关心图片边界之外的东西。如果使用下面的技术，我们的假设将是有效的。

如果使用的技术关注图像边界之外的区域，将会发生什么呢？在这种情况下，我们需要插入一些信息。在讨论完数据增强的类型后我们在详细讨论这一问题。

我们为每个技术都定义了一个增强因子，用以增强数据集（也成为数据增强因子）。

1. 翻转

你可以水平或垂直翻转图像。一些架构并不支持垂直翻转图像。但，垂直翻转等价于将图片旋转180再水平翻转。下面就是图像翻转的例子。

从左侧开始分别是：原始图像，水平翻转图像，垂直翻转图像。

可以通过执行下面的命令完成图像翻转。

2. 旋转

关于这个操作，需要注意的一个关键问题是，在旋转之后，图像维度可能不会被保留。如果是正方型图像，旋转90度之后图像的尺寸会被保存。如果图像是长方形，旋转180度之后图像尺寸也会保存。 但用更小的角度旋转图像，将会改变最终图像的尺寸。在下面的章节中我们将会看到如何解决这个问题。下面是方形图像旋转90度的例子。

当我们从左到右移动时，图像相对于前一个图像顺时针旋转90度。

你可以执行下面的任一命令完成图像旋转。 数据增强因子 = 2 到 4x

3. 缩放

图像可以被放大或缩小。放大时，放大后的图像尺寸会大于原始尺寸。大多数图像处理架构会按照原始尺寸对放大后的图像进行裁切。我们将在下一章节讨论图像缩小，因为图像缩小会减小图像尺寸，这使我们不得不对图像边界之外的东西做出假设。下面是图像缩放的例子。

从左边开始分别为：原始图像，图像向外缩放10％，图像向外缩放20％。

通过下面的命令执行图像缩放。数据增强因子=任意。

4. 裁剪

与缩放不同，我们随机从原始图像中采样一部分。然后将这部分图像调整为原始图像大小。这个方法更流行的叫法是随机裁剪。下面是随机裁剪的例子。如果你靠近了看，你会注意到裁剪和缩放两种技术之间的区别。

从左侧开始分别为：原始图像，从左上角裁剪出一个正方形部分，然后从右下角裁剪出一个正方形部分。剪裁的部分被调整为原始图像大小。

通过下面的TensorFlow命令你可以执行随机裁剪。 数据增强因子=任意。

5. 平移

平移是将图像沿X或Y方向（或者同时沿2个方向）移动。在下面的例子中， 我们假设在图像边界之外是黑色的背景，也同步被移动。这一数据增强方法非常有用，因为大多数对象有可能分布在图像的任何地方。这迫使你的卷积神经网络需要看到所有地方。

从左侧开始分别为：原始图像，图像翻转到右侧，图像向上翻转。

在TensorFlow中，可以通过如下命令完成图像平移。数据增强因子=任意。

6. 高斯噪声

过拟合（Overfitting）经常会发生在神经网络试图学习高频特征（即非常频繁出现的无意义模式）的时候，而学习这些高频特征对模型提升没什么帮助。

那么如何处理这些高频特征呢？一种方法是采用具有零均值特性的高斯噪声，它实质上在所有频率上都能产生数据点，可以有效的使高频特征失真，减弱其对模型的影响。

但这也意味着低频的成分（通常是你关心的特征）同时也会受到影响，但是神经网络能够通过学习来忽略那些影响。事实证明，通过添加适量的噪声能够有效提升神经网络的学习能力。

一个“弱化”的版本是椒盐噪声，它以随机的白色和黑色像素点呈现并铺满整个图片。这种方式对图像产生的作用和添加高斯噪声产生的作用是一样的，只是效果相对较弱。

从左侧开始分别为：原始图像，增加了高斯噪声的图像，添加了椒盐噪声的图像。

在 TensorFlow 中，你可以使用以下的代码给图片添加高斯噪声。数据增强因子（Data Augmentation Factor）= 2x。

高级增强技术

现实世界中，自然状态下的数据，存在于各种各样的状况之中, 不能用上述简单的方法来处理。例如, 进行照片中的景观识别的任务。景观可以是任何自然中的东西：冰冻寒带草原、草原、森林等等。听起来像是个很直接的分类任务对吧？基本没问题，除了一件事外。我们忽略了照片中的一个关键特征, 而这个特征将会影响到模型的表现——照片拍摄的季节。

如果我们的神经网络不明白某些景观可以存在于各种条件下(雪、潮湿、明亮等)， 它可能会错误地将冰冻的湖畔标记为冰川或者把沼泽标记为湿地。

缓解这种情况的一种方法是添加更多的图片，这样我们就可以解释所有季节性变化。但这是一项艰巨的任务。扩展我们的数据增强概念，想象一下，人为地产生不同季节的效果会有多酷？

条件型生成对抗网络，了解一下

并不用深入了解繁杂的细节，条件型生成对抗网络就能将一张图片从一个领域转换到另一个领域中去。假如你觉得这听上去太模棱两可了，它本身并不是这样；事实上这是一种强大的神经网络 ! 下面是一个应用条件型生成对抗网络（Conditional GANs）将夏日风光的图片转换为冬季风景的例子。

用CycleGAN 改变季节

(Github:

上述方法是鲁棒的（Robust）, 但是属于计算密集型，需要耗费大量的计算性能。一个更廉价的选择是所谓的神经风格迁移（Neural Style Transfer）。它抓住了一个图像的纹理/气氛/外观 (又名, "风格"), 并将其与其他内容混合在一起。使用这种强大的技术, 我们产生的效果类似于我们的条件型生成对抗网络所产生的效果（事实上, 这个方法是在 cGANs 发明之前就被提出来了！）。

这种方法唯一的缺点在于输出结果看起来太有艺术感了，以至于显得不那么真实。但是，在譬如深度学习的图像风格转换方面还是具有独特的优势，至少它的输出结果给人留下了深刻印象。

深度照片风格转移。

注意如何在数据集上产生我们想要的效果。

（来源：https：//arxiv.org/abs/1703.07511）

由于我们并不关注其内部的工作原理，所以我们没有深入探索这些技术。事实上，我们可以使用现有训练好的模型再加上一点迁移学习的“神奇力量”来进行数据增强。

插值简介

如果想平移一个没有黑色背景的图像时候该怎么办？向内部缩放呢？旋转一个特定的角度？在完成这些变换之后，我们需要保持原始图像的大小。由于我们的图像没有包含其边界之外的区域的任何信息，我们得做一些假设。一般来说，我们会假定图像边界之外的部分的每一个像素点的值都是常数 0 （RGB值为 0 表示黑色）。这样，在对图像进行变换之后，在图像没有覆盖的地方会得到一块黑色的区域。

从左侧开始分别为：逆时针旋转45度的图像，右侧翻转的图像和向内缩放的图像。

但是，那个假设是不是就一定正确呢？在现实世界中，大多数情况下那个假设是不适用的。图像处理和机器学习框架提供的一些标准的处理方式，你可以决定如何填充未知的空间。

从左侧开始分别为：常数，边缘，反射，对称和包裹模式。

它们的定义如下：

1. 常量填充

最简单的插值方法是用某个常量值填充未知区域。这可能不适用于自然图像, 但可以用于在单色背景下拍摄的图像。

2. 边缘扩展

将图像边缘的值扩展到边界以外。这个方法可用于轻微的平移的图像。

3. 反射

图像像素值沿图像边界进行反射。这种方法对于包含树木、山脉等的连续或自然背景是有用的。

4. 对称

此方法类似于反射，除了在反射边界上进行边缘像素拷贝。通常，反射和对称可以交替使用，但在处理非常小的图像或图案时，差异将是可见的。

5. 包裹

在超出图像边界的部分重复填充图像，仿佛在进行图像平铺。这种方法不像其他的那样普遍使用， 因为它对很多场景都没有意义。

除此之外，你还可以设计自己的方法来处理未定义的空间， 但通常以上这些方法对大多数分类问题都有很好的效果。

使用了这些所有的技术，能保证机器学习算法的鲁棒性吗？

如果你用的是正确的方法，那这个问题的答案是 Yes ! 什么？你问正确方法是什么？嗯，有时不是所有的增强技术都对数据集...

Insert（原生）

第一种方式：

如果某个字段与数据库中表的字段不匹配，则直接过滤这个字段，如果全部字段都不匹配，则返回false。

第二种方式：

条件格式为数据添加数据条

操作示例：将销售业绩用数据条显示

方式一

1、选中销售业绩的所有数字（如果数据量很大可以直接选中整列），依次点击开始菜单中的【条件格式】——【数据条】——按自己喜好选择一个【渐变填充】，完成以上操作，销售业绩就会以渐变数据条显示了；

2、也可以将数据条用纯色填充，只需在【数据条】下从【纯色填充】选择一个即可；

方式二

1、选中销售业绩数据，依次点击开始菜单下的【条件格式】——【新建规则】——【基于各自值设置所有单元格格式】——【格式样式】选择【数据条】，条形图外观里选择一个【填充】颜色，点击【确定】即可，默认是纯色填充即【实心填充】；

2、如果想渐变填充，可在条形图外观里将【填充】修改为【渐变填充】，选择个颜色，然后将【边框】下拉选择【实心边框】，选择一个合适的边框颜色，确定即可。渐变默认是选中的颜色到白色渐变，如果不添加边框颜色，视觉效果就会稍差一点，所以建议添加边框并设置颜色。

关注我们，推送每日更新，查看更多Excel小技巧：

Excel表格实用技巧01、将阿拉伯数字快速批量转换成中文小写或大写

Excel表格实用技巧02、单元格合并及取消合并的三种方式

Excel表格实用技巧03、粘贴如何去除格式？粘贴只保留内容的方法

Excel表格实用技巧04、巧用格式刷快速复制表格样式

Excel表格实用技巧05、快速给单元格添加边框，原来边框可以画出来

Excel表格实用技巧06、利用文字旋转让宽度较窄的单元格容纳更多文字

Excel表格实用技巧07、将数字快速转换成货币格式的两种方法

Excel表格实用技巧08、如何将满足条件的数据突出标记显示

Excel表格实用技巧09、利用条件格式给包含特定文字的单元格设置格式

Excel表格实用技巧10、如何在一堆数据中找出重复的数据

Excel表格实用技巧11、如何快速从数据中找出最大值或最小值

如果正常的插入操作，我们是无法获取到实体类的id的，那么我们可以通过以下方法来获取：

1、在接口中添加一个方法：void ISelectCatchid(Student student);

2、Dao接口代码：

3、映射文件代码：

映射文件中，有两个方法均可以达到目的：

方法一：

方法二：

代码解析：

（1）、resultType：以何种形式输出，比如我们这里是要查询id，所以以int类型输出

（2）、keyproperty：将结果封装到实体类的哪个属性里，这里是封装到id属性中输出出来

（3）、oder：id生成在SQL语句执行前还是后，其有两个值（AFTER、BEFOR）

AFTER、BEFOR解析：

AFTER：先执行SQL,再生成id

BEFOR：先生成id，再执行SQL

在Mysql数据库中，是先执行SQL语句，后生成id；而Oracle数据库则相反，在实际应用中，要注意区分开来。

4、测试类：（这里使用Jutil测试工具）

我们这里将dao放在了before()中，并且分离成全局变量，是因为以后许多测试都要使用dao，这样可以节约代码

5、结果：

今天在腾讯云上新购了一台Linux主机，Centos 6.8 32位，同时另外加购了一个数据盘。

但是查看的时候只有系统盘：

可见，第二次访问的时候，多了个数据盘了。

那么怎么添加数据盘呢？

首先查看还没挂载的数据盘有哪些：

可以看到：有一个214.7GB的盘没进来，否则总容量不止50G；

那么就对该盘进行操作。

1：先格式化该盘

2：在根目录下创建个新目录，用来挂载新盘：

3：写入fstab 设置开机自动挂载

命令如下：

echo '/dev/vdb /new_pan ext4 defaults 0 0' >> /etc/fstab

你只要把里面的盘改成你自己创建的新文件夹名即可。

这里建议使用ext4格式，因为兼容ext3格式。

4：挂载新盘：

挂载新盘mount -a

说明：

mount -a 的意思是将/etc/fstab的所有内容重新加载。也可以单独的指定盘符进行挂载。

5：再查看服务器文件系统大小 df -Th

就看到新的数据盘被挂载了。

在新购腾讯云主机的时候，会顺带提示是否一起购买域名，我这里直接购买了域名：

剩下的就是先给域名实名制操作，然后进行备案，就可以在Centos上搭建lanmp环境，网站就可以访问了。

小编最近在学习thinkphp5，大家都说学thinkPHP5最好没学过thinkPHP3.2，但是吧，我没学过3.2也是苦恼重重啊。。今天小编给大家分享一个可以实现单文件和多文件（或者图片）上传的类。

thinkphp 5的写法，看文档是新增用$model->save()方法。如果是批量增加的话，就有两种做法：

做法一：$model->saveAll($data);

做法二：$model->isUpdate(false)->save();//循环

官方给的原型是这样的：

不知道大家是怎么想的，反正我按照了之前的做法，直接使用 $model->save($data);新增一条数据，没想到真的可以成功。

然后惯性的思想，循环的时候就用了$model->isUpdate(fasle)->save($data）;

然后？没然后了，悲催了：

1 SQLSTATE[23000]: Integrity constraint violation: 1062 Duplicate entry '57' for key 'PRIMARY'

显示明显。存在了相应的数据阻止了数据的新增。如果从百度上上面去单从这个错误区找解决方法的话，估计就是教你把主键设置为自增字段。

但是，明显小编在设计数据表的时候，主键已经为自增字段，何况之前还能新增数据！

真的是让人头痛啊。然后我就去数据库查看了一下数据的记录，还真的是发现有一条记录里面，但是这条记录除了主键，其余的只有默认信息。

我想应该是在执行过程中，执行了两次新增，不知道为什么第二次新增的时候，主键的值为何与第一次的新增值关联了起来。

小编太菜，没办法深入研究。然后看了一下文档下面的评论才找到解决方法。

执行时错误的代码：

这个仅仅是为了测试新建的一个数据表。

以下是成功插入数据的代码：

由代码看出，把数据放在前面用data函数传递，我设不设置第二个参数都试了一下，发现没有什么不一样。都是可以用的。

学习thinkPHP真的是难，可能也是小编笨= =。 看了整整一个月，反反复复的看。毕竟像小编这样的穷人是没钱去看收费的文档的，所以学习PHP很不易，大家且行且珍惜呀！

raksmart小班

在 Excel 中，可以把一个表格制作成直观的图表，以便于查看数据列的变化情况。Excel图表制作主要通过插入图表实现，方法很简单，只需选择一种符合要求的图表类型即可。插入图表后，如果又给表格添加了数据，新数据不会自动添加到图表中，需要手动添加到图表中；如果是行，只需用框选方法即可实现；如果是列，需要用添加数据的方法。另外，还可以给图表显示数值与组合几种图表样式，例如组合柱条与折线；如果还要求显示变化趋势，还要添加趋势线。以下就是Excel图表制作的具体操作方法，含添加数据、显示数值、组合柱条与拆线、显示趋势线，实例中操作所用版本均为 Excel 2016。

一、Excel插入图表

1、框选要制作为图表的单元格区域，例如 A1:F10，选择“插入”选项卡，单击“推荐图表”，打开“插入图表”窗口，选择第一种样式柱形图，单击“确定”，所选图表插入到文档中；操作过程步骤，如图1所示：

2、所插入的图表只显示了“编号、销量和价格”三个字段，其中“销量和价格”以柱形显示。如果想显示所有字段，有两种方法，一种是插入时选择显示所有字段的图表样式，如图2所示：

另一种是选择数据。选中图表，单击其右边的“图表筛选器”图标，在弹出的菜单中选择“名称”选项卡，选择“类别”下的“（所有列）”，单击“应用”，则所有列显示到图表相应的柱条下，操作过程步骤，如图3所示：

二、Excel图表显示数值

1、右键要显示数值的图表其中一条柱形（例如表示“销量”的橙色柱条），在弹出的菜单中选择“添加数据标签”→ 添加数据标签，如图4所示：

2、则橙色柱条顶上全显示了销量，如图5所示：

三、Excel图表添加数据

1、添加行。在服装表末尾添加两行，选中图表，则自动框选图表相应的数据区域，把鼠标移到框选区域右下角的正方形小点上，按住左键，往下拖直到框住新添加的两行，此时，新增的两行自动添加到图表中；操作过程步骤，如图6所示：

2、添加列。

A、右键 F 列，在弹出的菜单中选择“插入”，插入一列空列，添加好数据；右键“图表”，在弹出的菜单中选择“选择数据”，打开“选择数据源”窗口，单击“添加”，打开“编辑数据列”窗口，把光标定位到“系列名称”下，框选 F1 单元格；选中“系列值”下的 ={1}，框选 F2:F12，单击“确定”，返回“选择数据源”窗口，再单击“确定”，则新增的列“1月销量”添加到图表中，柱条为桔黄色；操作过程步骤，如图7所示：

B、添加“1月销量”的同时，所有字段也添加到了图表的柱条下，如果只想显示一个“编号”字段，单击“图表筛选器”图标，在弹出的菜单中选择“名称”选项卡，选择“类别”下的“列 A”如图8所示：

C、单击“应用”，则柱条下只会显示所选择的服装编号。

四、Excel同时显示柱条和拆线

1、右键图表，在弹出的菜单中选择“更改系列图表类型”，打开“更改图表类型”窗口，选择“所有图表”选项卡，单击左边的“组合”，单击“价格”右边的“图表类型”下拉列表框，选择“折线图”下的第一个样式，单击“确定”，则“价格”和“1月销量”以拆线显示，“总销量”以柱条显示；操作过程步骤，如图9所示：

2、图表组合除柱条与拆线组合外，还可以选择其它任意几种图表样式组合，例如：拆线和面积、拆线和饼图等。

五、Excel图表添加趋势线

1、右键图表中的“总销量”柱条（橙色），在弹出的菜单中选择“添加趋势线”，如图10所示：

2、则在编辑区右边打开“设置趋势线格式”小窗口，选择“平均”样式，则给“总销量”添加上一条橙色的趋势线，如图11所示：

3、如果还想给“价格”或“1月销量”添加趋势线，只需选中它们，选择一种趋势线样式即可。

在用Excel对数据进行同比或者环比统计时，在统计结果中添加表示数据上升或者下降的箭头看起来会更加直观。Excel有多种添加上升、下降的箭头的方法，例如可以手动添加、可以用自定义单元格格式的方法添加、还可以用VB代码添加，但笔者感觉这些方法操作起来或者比较繁琐、或者专业性较强。这里以Excel2010为例介绍一种笔者感觉相对比较简单的用条件格式添加上升、下降的箭头的方法，以供参考。

先选择要添加上升、下降箭头的单元格范围。

点击Excel“开始”选项卡中“条件格式”下拉菜单中的“图标集”。

在图标集的子菜单中点选一个上升、下降箭头样式。

点选箭头样式后，之前所选单元格范围中的数据前就自动添加表示上升、下降的箭头了。如果统计结果中没有0值，则箭头就添加完毕了。但如果结果中有0值，有时会发现0值被标上了上升或者下降的箭头，而通常我们需要把0值标上水平的箭头。这时我们需要按下述方法再设置一下。

再选择添加上升、下降箭头的单元格范围。

点击“开始”选项卡中“条件格式”下拉菜单中的“管理规则”。

弹出“条件格式规则管理器”对话框后，点击其中的“编辑规则”选项卡。

点击“编辑规则”选项卡中下图所示的第一个选择大于小于号的下拉框。

点选下拉菜单中的“＞”号。

点选“＞”号后，在右侧的值输入框中输入“0”。

在值输入框右侧的“类型”下拉菜单中点选“数字”。

按以上方法，把第二行中的各项依次设置成“＞＝”、“0”、“数字”。

此时第三行会自动被设置成“当＜0”。

设置好后，点击“确定”按钮。

再点击一次“条件格式规则管理器”对话框中的“确定”按钮。

这样，所选范围中的0值就会自动添加水平样式的箭头，其他数值会自动添加上升、下降箭头。