Excel表格，数据透视表计算两个表格的差异项，这个是办公中经常遇到的问题，那么今天就用简单的几个数据，来操作一遍，希望能帮助到你；

在工作中，难免会遇到有两拨数据，然后让你比对两拨数据中的差异项或者是差异值，这个时候就可以用数据透视表来解决这个问题了；

安志斌制作

如图所示，我用的两组简单的数据，把数据复制为如图展示的效果就好，注意单位值是在同一列，数量值分别是在两列；

安志斌制作

安志斌制作

选中数据，然后点击【数据】按钮，→【数据透视表】，我是为了演示，所以选则了【添加到现在工作表】（当然你们在实际操作的时候，数据量比较大，可以选择新建表格）

安志斌制作

安志斌制作

安志斌制作

然后根据图片提示分别将 【单位】【数量1】【数量2】拖动至【值】选项格中，把 【单位】改为（计数项），把【数量1】【数量2】分别改为（求和项）

安志斌制作

然后选中透视表→菜单栏上方【分析】→【字段丶项目合集】→【计算字段】，在弹出的【插入字段提示表】中添加【差异】，公式就写上【=数量1-数量2】，点击【确定】

安志斌制作

安志斌制作

安志斌制作

最后一不就是验证阶段，这个透视表，我们可以看出的信息有，我们对比的数据是2组数据，分别是【数量1】【数量2】，也可以看到两组数据单位值得差异；

安志斌制作

END

在数据的处理中，我们经常需要对数据差异化显示，其实Excel早就替我们想到了，只要我们学会使用即可。这个功能就是【条件格式】。

一、标注大于X的值。

目的：将大于等于95分的值填充为“浅红色”。

方法：

1、选定数据源。

2、【条件格式】-【突出显示单元格规则】-【大于】。

3、数据94，选择填充色并【确定】。

二、在指定区域标注数值区域大于X个值的区域。

目的：将至少有4科成绩“大于等于95分”的人员“姓名”填充为“红色”。

方法：

1、选定“姓名”列。

2、【条件格式】-【新建规则】-【使用公式确定要设置的单元格】。

3、输入公式：=COUNTIF($C3:$J3,">=95")>3。

4、单击【格式】-【填充】，选择填充色（例如红色）-【确定】-【确定】。

解读：

1、公式=COUNTIF($C3:$J3,">=95")>3首次统计$C3:$J3范围（暨一行）中大于等于95分的个数，如果大于3，将背景色填充为“红色”。

2、因为是统计的是个人成绩，所以要对行绝对引用。反映到公式中就是在列标前面加绝对符号（$）。

三、标注指定平均值大于所有平均值的区域。

目的：将个人平均值大于所有数值平均值的姓名填充为“红色”。

方法：

1、选定“姓名”列。

2、【条件格式】-【新建规则】-【使用公式确定要设置的单元格】。

3、输入公式：=averae($C3:$J3)>average($C$3:$J$9)。

4、单击【格式】-【填充】，选择填充色（例如红色）-【确定】-【确定】。

解读：

公式=averae($C3:$J3)>average($C$3:$J$9)判断个人的平均成绩和全部值平均值的大小，如果大于，则将对应的“姓名”填充为“红色”。

四、标记低于指定值的区域。

目的：将学科有一门及以上不及格的“姓名”填充为“红色”。

方法：

1、选定“姓名”列。

2、【条件格式】-【新建规则】-【使用公式确定要设置的单元格】。

3、输入公式：=countif($c3:$j3,"<60")>0。

4、单击【格式】-【填充】，选择填充色（例如红色）-【确定】-【确定】。

解读：

公式：=countif($c3:$j3,"<60")统计的是$c3:$j3范围（暨一行）小于60分成绩的个数，如果个数大于0，则表明有不及格的“科目”。然后将“姓名”填充为“红色”。

文不如表，表不如图，一图胜千言。但有一个前提，那就是：标准。

Excel版商业图表

Excel中有多种图表可供选择，但常常无法选出我们真正需要的，这里给出从简单图表到专业图表的“三条黄金规则”，从此便可以把几乎任何数据转换为专业的商业图表。

三条黄金规则是：

方向(Orientation)：是否在显示与时间相关的数据？意图(Task)：想要传达什么信息？形状(Shape)：想要对什么类型的数据进行可视化？

下面详细讲解每一步的操作细节。

第一步:判断作图方向

黄金规则一：时间用横向图，类别用纵向图。大部分商业图表可归为横向或纵向两大类。所以首先确定应该从什么方向来显示数据。是横向还是纵向。先从最常见的商业图表开始，例如柱状图和条形图，折线图和区域图，点图以及针形图，瀑布图，差异图等。有了合适图才能做出决策。

时间型：横向图

时间型分析使用水平方向图表，如下:

构成型：纵向图

包括构成型在内的非时间型情况使用垂直方向图表，如下:

时间型：水平方向图表如果数据类别是年份、季度、月份、周、天或者时间值，那就使用这类时间型图表。时间总是从左到右表示，禁止从上到下，这是符合常人理解的基本原则。当然可以对其他类别数据也使用水平方向图表，但可能会带来的问题是多标签及X轴水平标签间隔过密等。除非只是表示少量类别数据，否则应该尽量遵守本规则。如下所示：

构成型：垂直方向图表对离散数据对象（如：类别及构成型的产品、客户、账户等）使用垂直方向图表。如：垂直条形图、垂直点图、垂直瀑布图或垂直泡图等。相对于水平方向图表，垂直方向图表有两大优势：

可以更容易显示数据类别标签。可以嵌入到表格数据中，从而建立“表格-图表”融合式报表。

如下所示：

其他图表方向图表还有不容易用方向来划分的，如：饼图、雷达图等；再有就是表示多维度信息的图表类型，如：散点图或气泡图等。以下是常见按方向划分的图表类型及使用场景：

只要可能，应尽量避免使用圆形（多极）图表，如：饼图、环形图以及雷达图。除非类别很少（2~3个），可以考虑使用饼图。

第二步 明确表达意图

黄金规则二：选择合适的图表表达信息。大多数BI/报表/可视化工具都会提供大量图表可供选择。所以必须提前深刻理解并遇见读者在阅读时可能产生的分析行为及思维来选择。这就要充分考虑想要传达的意图。例如：想简单传达一种时间趋势，或是比较不同产品的销售额，或者表达实际与预算的差异，同比增长，特定产品对整体的影响等。这里给出一个常规参考：构成分析(类别比较)构成分析是最基础的分析类型，读者通过直观观察图表数值来比较不同类别。如下：

这种类别比较通常遵循以下规则：

找到特定数值(如：找到特定产品的销售额)比较不同类别的值排序(根据值建立不同类别的排列顺序)高亮显示数据 (如：异常值、特别值等)

每当按此显示类别时，要重点考虑类别的顺序问题。通常需要按值大小排序，一些特别的情况会按照类别重要度、自然顺序排列。注意尽量不要按照字母顺序排列，除非是手机通讯录可以例外。时间序列 (趋势)分析时间序列（趋势）分析与构成分析类似，只是用时间型数据表示类别（如：年份、季度、月份、周、日期或时间）。依据不同情形，读者将视下面不同的图表为特定的分析类型：1. 找到特定值(如：最后一个月的销售额)2. 比较两个值3. 观察数据趋势 (如：线性增长，季节性趋势等)如下所示：

部分-整体比较

如果需要评估部分与整体的关系(如：爆款产品占全部产品的销售额).这种分析有利于迅速发现每种组成部分相对于整体的重要性。使用条形图即可(当然，如果类别很少也可以使用饼图)，如下：

差异分析

差异分析是商业报表的基础。理解距离目标或预算的差异以及相对增长率是几乎所有企业的核心需求。使用“加减”图来显示这些差异（基于构成或时间的均如此），如下：

使用“综合差异”图来显示实际值与差异，也正是因为实际值与差异同时显示，人们可以同时获悉不同差异的显著性以及差异相对实际的幅度，如下：

提示：差异图是成功的商业报告的核心要素。应该始终关注变化与差异。(分析其实就是从差异中发现问题)

贡献度分析

贡献度分析是部分-整体分析的一种特殊情况，其又可分为两种：（1）差异贡献度以及（2）类别贡献度。对于贡献度分析，使用瀑布图。贡献度分析通常回答的商务问题是：为什么总体发生变化，以及怎样的变化。下面是4个典型的例子：

上述四个案例分别从不同角度给出了诠释，至少我们看到瀑布图绝不是只有一种，也绝不是只有一种语义。

提示：瀑布图是贡献度分析的最佳可视化选择。

相关性分析

相关性分析用来评估两个变量是否有相关性，还可用来定位异常点。通常使用散点图进行相关性分析，如下所示：

注意：两个变量之间存在相关性并不意味着他们构成因果关系。

组合分析

对于3个变量的组合式分析（如：产品、客户、供应商、工厂等），使用气泡图：

第三步 选择恰当形状

黄金规则三：同类图表中选择最佳的图形。

一旦确定了正确的图表和可视化方案，接下来做出最后一步：在这类图表中具体用哪种形式呢？人们常常不严谨考虑要表达的是什么数据，如果用柱形图，也总是使用默认形式的柱状图。其实应该针对不同的值类型选择不同的形式，这通常称之为：同类图表选型。如下所示：

例如：表示价格的柱形图比表示收益的柱形图要细。这是很符合直觉的：收益通常比价格要大很多，而表示收益率则可用针形图（就是常说的“棒棒糖”图）。考虑到收益率是一个比率，没有任何单位，所以其图形使用没有宽度的针形。思考下无宽度的针形表示比率，细的表示价格，正常的表示销售额或收益。当读者看到商业报告的图形时，不用看标签就是在看的是什么，这就是专业级报告。这尤其适用于那些不断重复的过程，如月度报告中。

提示：拒绝千篇一律地默认一种柱形图，根据不同的KPI值类型使用不同的柱状类型。

与柱形图的同类图表选型类似，还可以使用相同的模式应对实际、预算、预测、去年同期。如：

有关如何有效的表达，参考IBCS（国际商务交流标准）获得更多信息。

商业图表的一致性至关重要！

如果商业报告里只有一个图表也就不存在一致性的问题了，问题就在于通常一份商业报告中含有很多商业图表，才能充分传达信息给到读者。通常一份商业报告由多页构成，一个BI仪表板也很能是多屏的，这就导致一致性问题变得非常重要。正如红绿灯总是同样的颜色和形状表示始终如一的含义一样，商业报告中的元素也必须是一致的。也就是说，应该使用同样的形状、颜色、模式等来表示始终如一的含义。

提示：正如红绿灯的同样颜色和形状总是意味着同样的含义，商业报告、仪表板也应该保证这种一致性。

如何强调某个值或趋势

人类视觉认知心理学已经印证，图表本身其实已经确定了人们理解图表的方式，不同的图表形状将传达不同的信息。例如有些图表适合强调单个值，而有些则适合显示趋势，如下所示：

虽然从此图也能看出趋势，不过每个柱形的高度以及清晰的间隔则更容易引导我们去比价这些值（例如比较七月和八月）。当时间区间不多且能图形显示可充分容纳列和X轴各类别标签时可采用此图。

此图的线性趋向明显地反映了趋势，即使各个标记点也标识了不同的单个值。此图相对于能够显示单值的不同，更容易引导理解值的变化趋势。

此图已经没有能支撑单值比较的明显迹象，想要比较相邻月份的值差异变得很难。现在只剩下一条能够反映趋势的线。

提示：使用柱形进行值的比较，使用线形揭示变化趋势。

因此，不同的形状从视觉认知上直接影响人们的感知。从纵向的柱形到渐渐水平线形，如下：

还是不知道如何进行选择？这里有两个技巧可以参考：

如果单值重要性更高，选择上述靠左的图形 (如：年度或月度销售额) 以及当你希望读者来比较彼此的值时(如：月度环比)。需要注意的是图形外观上应该足够大，至少能显示出所有列和X轴各类别标签。如果宏观趋势更重要，选择上述靠右的图形。另外，如果没有足够的空间显示列或X轴各类别标签，应尽量选择线形图。

小结

图，以酷炫吸引眼球，但大道至简，商业需要的是在瞬间获取价值，而不是淹没在信息中。这些图在Excel中没见过对吗？那他们都是Excel做的，而且我们只需要有限的几种商务图表就可以表示几乎所有商业标准信息(而不是追求酷炫，何况这也已经很酷炫了)。

前言

你的假设可信吗？在我们实际工作中，事物的个体差异总是客观存在的，抽样的误差也就无可避免。当一些样本均数与已知的总体均数有很大的差别时，一般来说有两点主要原因：一是抽样误差的偶然性，二是样本来自不同的总体，而使试验因素不同。这个时候，我们运用假设检验方法就能够排除误差的影响，区分差别在统计上是否成立，并了解误差时间发生的概率。

参数估计和假设检验

统计推断是由样本的信息来推测母体性能的一种方法，它又可以分为两类问题，即参数估计和假设检验。

参数估计（parameterestimation）是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。人们常常需要根据手中的数据，分析或推断数据反映的本质规律。即根据样本数据如何选择统计量去推断总体的分布或数字特征等。统计推断是数理统计研究的核心问题。所谓统计推断是指根据样本对总体分布或分布的数字特征等作出合理的推断。它是统计推断的一种基本形式，是数理统计学的一个重要分支，分为点估计和区间估计两部分。

在数据分析工具中，假设检验也被称为显著性检验，是统计推断中的一种重要的数据统计方法。它首先对研究总体的参数做出某种假设，然后从总体中抽取样本进行观察，用样本提供的信息对假设的正确性进行判断，从而决定是否成立。若观察结果与理论不符，则假设不成立，若观察结果与理论相符，则认为没有充分的证据表明假设错误。假设检验一般有如下三个步骤：

1、建立假设，确定检验水平。2、选定检验方法，计算统计量大小。3、根据统计量确定P值，做出推断统计。

在这三个步骤中，第2个步骤中的检验方法是十分重要的、因为检验的样本类型、自变量的分布情况、研究的目的都不同，所以只有选择合适的检验方法才能计算出来统计量。

假设检验的主要方法

假设检验的方法主要可分为：t-检验、z-检验和F-检验。（建议查看统计学相关知识）

t-检验：T检验，亦称studentt检验（Student'sttest），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。

z-检验：Z检验（ZTest）是一般用于大样本（即样本容量大于30）平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数的差异是否显著。在国内也被称作u检验。

当已知标准差时，验证一组数的均值是否与某一期望值相等时，用Z检验。

z检验又叫u检验

F-检验：F检验又叫方差齐性检验。在两样本t检验中要用到F检验。

从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t检验或变量变换或秩和检验等方法。

其中要判断两总体方差是否相等，就可以用F检验。

实例应用

实例应用：应用t-检验分析新药的有效性

1、案例描述

某药厂研发了一种能够降低血压的新药，现在为了了解该药的疗效，随机抽取了15名高血压患者，并得到他么在使用该药治疗前后的舒张压数据，如下图所示，现在需要判断：该药是否有效？如果有效，是否能够让高血压患者的舒张压平均降低6.5mmHg？

2、案例分析

根据上面的数据，我们可以使用Excel中的假设检验方法来判断（以前我用手算过，好累呀，有了Excel等工具，很简单方便，省时省力）。分析工具中的假设检验方法有多种，使用不同的方法，观察值在检验前后的关系就不同，所以需要先选择合适的方案。

3、操作分析

由于样本量较小，且样本值中的观察值存在治疗前后的配对关系，所以可先使用“t-检验：平均值的成对二样本分析”方法判断该药的有效性，我们首先假设该药无效（一般先否定，然后计算检验否定原假设（如果正确的话）），然后进行假设检验。

第1步：选择分析工具（老朋友了）。“数据分析”——“分析工具”——“t-检验：平均值的成对二样本分析”，确定即可。如下图所示：

第2步：设置相关参数。在“t-检验：平均值的成对二样本分析”对话框中，设置“输入”组中“变量1的区域”为“$B$2:$B$17”，“变量2的区域”为“$C$2:$C$17”，选择“标志”复选框，设置“α”值为“0.05”，在“输出选项”下单击“输出区域”，设置为“$E$2”，最后确定。如下图所示：

第3步：设置假设平均差。重复上一步骤，其他参数不变，这次设置“假设平均差”为“6.5”，“输出区域”为“$I$2”。这一步，“假设平均差”为期望中的样本均值的差值，如果该值设为0，即假设样本均值相同。

第4步：显示分析结果。做完之后，我们就可以看到t-检验的结果：H列左侧为第2步中检验该药是否有效的数据结果，H列右侧为第3步中检验该药是否能让舒张压降低6.5mmHg的检验结果。如下图所示：

4、决策分析

上面的案例中，由于没有充分的理由判断该药治疗后的总体均数会大于或小于治疗前的舒张压均值，所以在检验过程中，前面的t-检验我们采用的是双侧检验。

从分析结果看到：H列左侧的检验结果中，tStat=4.211，P双尾=0.00087，t双尾临界=2.145，当t双尾临界时，假设成立，而这个案例中，检验结果tStat>t双尾临界，说明该结果拒绝原假设，也就是说该药有效，此外，我们还能看到P双尾=0.00087<α=0.05，这一比较结果也说明该结果拒绝原假设，同样说明该药有效。

由于已经确定该药有效，那么再判断该药能否将舒张压平均值降低6.5mmHg，所以，后面的t-检验采用的是单侧检验，这里我们设置了假设平均差，上图中红框内，检验结果tStat=0.205α=0.05也说明了该假设成立。

小结

今天学习一下Excel中如何进行t-检验，数据分析更进一步。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。

今天分享一个对比表格数据、单元格差异的技巧。两张表格中不同数据单元格用红色标记出来。

如下图，A表与B表单元格数据异同的用红色标记

步骤一：选择A13：F18区域，依次点选“条件格式”——“突出显示单元格规则”——“其他规则”

步骤二：在“新建格式规则”窗口下，设置单元格不等于A3, 点击“格式”按钮，设置红色。如下图

有差异的单元格数据就会被红色标记出来了

是不是很简单，实用！

在处理Excel数据的过程中，经常会碰到需要对比两列数据。对于数据极少的情况，我们可以靠眼睛直接对比两列差异；但是当数据较多较长的时候，如果在通过肉眼来判断两列的差异，不仅效率低，而且极易出错。当你再碰到这种情况的时候，你就不用再为此烦恼了，以下小技巧教你轻松应用这种情况，赶紧来学习一下吧。教程以Excel2013为例，其他版本可能有略微差异。

1、定位法比较两列数据差异：教程以A列和B列两列数据为例，首先选择需要对比的两列数据，通过框选A列和B列的列标题即可快速选择两列整列，然后按下快捷键F5（或Ctrl+G）即可调出定位窗口，选择定位条件为行内容差异单元格，单击确定保存设置即可选择两列有差异的单元格。

2、快捷键法比较两列数据差异：选择需要比较的两列数据，然后按下组合键Ctrl+\键即可快速得到两列有差异的单元格。注意此快捷键对于一些较低版本的Excel并不适用。

感兴趣的朋友，记得收藏或分享一下再走哟，您的支持是我不懈努力的动力，谢谢！（*O*）

预备阅读：【进阶】Excel中的方差分析之单因素方差分析

前言

前面我们说了方差分析中的单因素方差分析，但是在实际工作中，影响因素往往不止一个，需要考虑两个或以上因素对实验结果的影响。比如某公司销售汽车，在销售时，除了要关注汽车的外形、价格、耗油量等因素以外，还要考虑地区差异是否对销量有影响。今天来看一下双因素方差分析。

双因素方差分析

如果将汽车颜色看成是影响销量的A因素，不同地区看成是影响销量的B因素，同时对A因素和B因素进行分析，即为双因素方差分析。

双因素方差分析是指分析两个因素，即行因素和列因素，对试验结果的影响的分析方法。当两个因素对试验结果的影响是相互独立的，且可以分别判断出行因素和列因素对试验数据的影响时，可使用双因素方差分析中的无重复双因素分析，即无交互作用的双因素方差分析方法。当这两个因素不仅会对试验数据单独产生影响，还会因二者搭配而对结果产生新的影响时，便可使用可重复双因素分析，即有交互作用的双因素方差分析方法。今天分享个可重复双因素分析的实例。

实例应用

实例应用：可重复双因素分析方法分析何种因素对效益有显著性影响

1、案例描述

某企业为了了解4种方案（因素2）在4个不同地区（因素1）的销售额状况，分别将4种方案投入4个地区进行试验，现有各个方案在不同地区的3天销售额数据，如下图所示，要求分析不同地区、不同方案，以及二者相交互分别对销售额的影响。

2、实例分析

在假设为5%的显著性水平下使用可重复双因素分析法推断不同地区、方案以及两者之间的交互作用中哪些因素对销售额有显著影响。

3、操作分析

第1步：选择分析工具并设置相关参数。打开“数据分析”——“方差分析：可重复双因素分析”，确定，在弹出的对话框中设置，“输入区域”为“$A$1：$E$13”，设置“每一样本的行数”为“3”，设置“α”为“0.05”，在“输出选项”选择“输出区域”，设置为“$G$2”，确定。需要注意的是“每一样本的行数”为各因素每一水平搭配使用的次数。

第2步：显示可重复双因素分析结果。如下图所示。

4、决策分析

在分析结果第一部分的SUMMARY中，可看到各个方案对应地区的样本观测数、求和、样本平均数、样本方差等数据。在第二部分的“方差分析”中可看到，分析结果不但有样本[行因素/方案（因素2）]和列因素[地区（因素1）]的F统计量和F临界值，也有交互作用的F统计量和F临界值。

对比3项F统计量和各自的F临界值，样本、列、交互的F统计量都大于F临界值，说明方案、地区都对销售额有显著的影响。此外，结果中3个P-value值都小于0.01，也说明了方案和地区以及二者之间的交互作用对销售额都有显著影响，所以，该公司在制定后续的销售决策时，应考虑这些因素对销售额增长的作用。

小结

上面就是今天的主题内容了，今天学习一下Excel中如何进行双因素方差分析，可以分析多个因素对某一事物的影响的显著情况。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。

关注

转发

收藏

会让小编更有动力输出高价值的内容

在生活中

常常会看到两样相像的事物

如果不仔细分辨

你不会发现其中的差别

而在EXCEL中的数据也一样

如上图的数据1和数据2两列

你能一眼就发现其中的不同吗？

你能一下就揪出差异的数据吗？

如果不行的话

那就接着往下看啦

我保证

只要用三步

只要几秒钟

就能把找出不同，揪出不容

第一步

选中数据区域

按下F5键或CTRL+G键

弹出【定位】框

第二步

点击弹出对话框中的【定位条件】

进入丰富的功能选项区

第三步

在【定位条件】对话框中

选择【行内容差异单元格】

并点击确定

当当当

点击后效果如下

其中的差异数据一下就被找出来了

我们可以给找出的不同加上底纹

所以

在EXCEL中找出不同是不是很简单呢

这个功能是不是很好用呢

如果以前你没用过

现在可不要再忘记它了哟

关注

转发

收藏

会让小编更有动力输出高价值的内容

今天讨论一下Excel数据核对相关的技巧，这里有4种方法。 第一种，Excel行内容差异核对两列数据 下面是一份Excel库存盘点表。现在需要对账面库存数和财务人员盘点数、资产管理员盘点数来进行逐一核对。即对B、C、D列进行核对。Excel中有一个很好用的技巧，那就是行内容差异。操作步骤如下：选中B2:C14，按F5键或CTRL+G，进行 定位-->定位条件-->行内容差异单元格-->确定。然后对差异数据填充颜色，标识差异，数据核对就搞定了

第二种，选择性粘贴核对数据差异。公司财务部按照HR提供的工资明细表和ERP系统的工资数据来进行核对。两个Excel表若数据结构顺序一致，可以利用选择性粘贴功能，将一张表对另一张表的数据进行相减运算，运算结果不是0的，那就是差异数据，需要部门之间来校对。操作步骤如下：选中一张表的数据区域，复制，切换到另外一张表，选择性粘贴-->减-->确定即可。 第三种，公式核对数据。 库存数和账面数两列数据进行核对，由于都在一个Excel表格里，可以直接增加辅助列，输入公式：=B2=C2，返回TRUE和FALSE。再启用筛选功能，筛选FALSE，填充一个颜色，这样有差异的数据就被标示出来了。 第四种，配套IF函数核对两列商品。对商品上下架调整核对。将7月销量不好的商品下架，把8月新上架的商品标示出来。

核对A列的商品是否在D列，如果在就留空，如果不在就显示“下架”。再核对D列的商品，如果不在A列，就表示是8月份新上架的商品，就显示“上架”，否则留空。最终效果如下图所示：

B2单元格公式为：=IF(COUNTIF($D$2:$D$14,A2)>0,"","下架")；E2单元格公式为：=IF(COUNTIF(A2:A14,D2)>0,"","上架")。怎么样有没有学到呢？

excel进行显著性检验的方法与步骤：
1.先找ADD-IN,添加数据分析工具data analysis tool。 Add-in的选项在File-> Option->Add Ins, 选择analysis tool pack。

2.会跳出来一个窗口，再选中analysis tookpack ,确定就好了。
3.把得到的两组数据输入EXCEL里。
4.在DATA里面，选择data analysis,跳出来新窗口，选中correlation（相关性）。然后按照提示，选中要分析的数据。

5.EXCEL会自动运行回归分析，给出分析报告。分析报告里mutiple R 接近1，就说明两个的相关性比较大。拟合关系要看R2，显著性看signifnance F。

（本文内容由百度知道网友茗童贡献）