AI表格助手

作用是表格的操作，sheet表操作，新建，删除，拆分数据到表格，合并数据到表格，数据的位移，增加，删除，修改等操作

image.png

案例1 拆分数据

指令要点：请根据"业务所在地"将当前工作表拆分为不同的工作表
传统做法：可以通过筛选排序，然后手工将数据复制粘贴到新表操作。
1.关键信息表中列名要双引号 或者 中括号 用于强调信息。
2.操作的表格一般通过代码指令，并wps自动执行操作完成。

image.png

image.png

案例2 增加字符

指令要点：在B列的各个城市名称后面添加“大区”两个字
传统做法：添加辅助列，辅助列写入大区，函数合并进行字符串拼接新列

image.png

案例3 金额大写

指令要点：请将D列的数字转换为人民币大写格式
单元格格式可以转换
AI也可以操作

image.png

image.png

小结

只要涉及表格操作的，如果不会可以通过AI操作表格完成尝试

批量生成

解读为根据某信息生成新的批量性的数据，批量翻译，批量提取，批量分类等

案例1 翻译

根据“图书名称”列，把图书翻译成英文

image.png

image.png

image.png

案例2 图书分类

根据“图书名称”列，将图书分为中国文学和外国文学

image.png

image.png

案例3 提取省份

观察数据有些是非省份的，比如北京市，自治区等

image.png

根据“户籍地址”提取户籍地所在的省份

image.png

表格助手

主要用于生成一个表格模版，生成模糊的数据，建表时使用
可以当案例样表来用

案例 1 建表

image.png

image.png

AI写公式

image.png

案例1 统计计算公式

image.png

image.png

SUMIF函数，有些函数学多了可能会忘记参数顺序啥的，又不想上网查，可以借助AI写，并且有函数介绍。

案例2 复杂函数编写

我们注意到西区的名称并不同意，需要采用模糊匹配的方式，我们看下AI能否完成

image.png

AI采用了通配符的方式，学单一的话通配符还能记住，再学点其他数据技术，就容易忘记使用方法，传统做法是上网查，现在通过AI可以实现。

image.png

案例3 跨表匹配

此表需要找到其他表中已收款金额数据做对比看

合同表.png

收款记录表.png

合同表需要引用收款记录表来看尾款是否结清

请根据“客户名称”，帮我从工作表“收款对账表”中匹配每个客户对应的“已收款金额”，若匹配不到数据，则显示为“无收款记录”

image.png

image.png

AI条件格式

image.png

image.png

案例1 找到单科成绩大于90分的同学，数据标记一下

将D列到F列中，90分以上的数据标记为黄色
tip1:条件范围 哪些数据需要标记 D到F列
tip2:条件 什么条件 90分以上
tip3:结果要求 什么标记 标记为黄色（隐含了背景色或前景色）

image.png

image.png

案例2 找不同值 并标记

将C列D列中不相等的数据标记为红色

image.png

案例3

如果表头很清晰则用表头表达，如果不清晰，有重复项，合并项等，采用列的方式（h 列 a 列等）
如果希望条件格式作用的范围是某个具体区域则需要在提问末尾（A1:H33）加上范围
当质保期<30天，且库存数量>50时，将商品名称标记为黄色，视为囤积商品
当质保期剩余时间>50%,且库存数量<30时，把商品名称标记为绿色，视为需补充库存商品

image.png

image.png

数据问答

案例1 找出进步最大的3名同学

请对比各位同学期中期末考试成绩的排名情况，哪些同学进步比较大，哪些同学退步比较大，请分别帮我挑选3名同学

image.png

image.png

image.png

案例2 评选优秀学生

要求：满足期中考试，期末考试成绩排名前10名，日常操行为优等，体育成绩合格的同学

image.png

image.png

案例3 制作图表

制作折线图，用于对比王伟杰的期中考试和期末考试成绩

image.png

image.png

新功能 数据分析和AI函数

数据分析功能基于python pandas分析，个人认为它目前处在一个比较基础的探索阶段，而且不适用于普通办公人员，而是有一定python基础的数据分析类岗位和人员
AI函数最主要的功能还是以上描述过的，依然是测试阶段，可以做些尝试使用。