DTI_Tool办公Office/Excel/WPS插件UDFs自定义函数说明示例

653Views

No Comments

共计 11274 个字符，预计需要花费 29 分钟才能阅读完成。

DTI_Tool & Funs V1.0.0.0简介

DTI_Tool 是一个功能强大的 Excel 扩展插件，为用户提供了广泛的自定义函数和工具，用于提升 Excel 中的工作效率和数据处理能力。

DTI_Funs 是 DTI_Tool 的扩展组件，专门为 Excel/WPS 用户提供更多高效的自定义函数（UDFs），帮助简化日常工作流程。

随着版本不断更新，DTI_Funs 会不断增加新的函数和功能。请务必根据文档和最新版本进行使用和更新。

详细介绍与下载页面：
点击查看版本信息

Json_序列化：
- 功能：将对象（如数组或字典）序列化为 JSON 字符串。
- 用法：=Json_序列化(A1:B2)（假设 A1:B2 是一个二维数组）。
- 输出：返回 JSON 字符串。
Json_反序列化：
- 功能：将 JSON 字符串反序列化为对象，并返回对象的字符串形式。
- 用法：=Json_反序列化("{'name':'John', 'age':30}")。
- 输出：返回反序列化后的对象的字符串形式。
Json_读取键值：
- 功能：从 JSON 对象中读取单层或多层嵌套的键值。
- 用法：=Json_读取键值("{'person':{'name':'John', 'age':30}}", "person.name")。
- 输出：返回对应的键值，例如 "John"。
Json_转换为数组：
- 功能：将 JSON 数据转换为 Excel 数组，并返回到单元格区域。
- 用法：=Json_转换为数组("{'name':'John','age':30}")。
- 输出：返回一个 2D 数组，直接在 Excel 中展开。

将简单 JSON 对象转换为 Excel 数组：
```
=Json_转换为数组("{'name':'John','age':30}")
```
- 在 Excel 中返回如下内容：
```
name  | John
age   | 30
```

将 JSON 数组转换为 Excel 数组：

=Json_转换为数组("[[1,2,3],[4,5,6],[7,8,9]]")

在 Excel 中返回如下内容：
```
1 | 2 | 3
4 | 5 | 6
7 | 8 | 9
```

读取 JSON 中的键值：

=Json_读取键值("{'person':{'name':'John','age':30}}", "person.name")

返回 John。

序列化为 JSON：
```
=Json_序列化(A1:B2)
```
- 假设 A1:B2 是 [["Name", "Age"], ["John", 30]]，返回 "[["Name", "Age"], ["John", 30]]"。

统一命名：所有函数名称都使用 Json_ 前缀加上中文描述的方式，方便在 Excel 中查找和使用。
高效的 Excel 数组处理：Json_转换为数组 使用高效的方式将 JSON 数据转换为 Excel 数组，并返回多单元格区域。
多功能支持：这些函数涵盖了 JSON 数据的序列化、反序列化、读取键值和数组转换，适用于各种 JSON 数据处理需求。

‍

用法：在 Excel 中执行一段简单的 Python 代码，并返回输出。

=Python_执行代码("print('Hello, World!')")

说明：

这段代码会在 Python 中打印 "Hello, World!"，并将输出 "Hello, World!" 返回到 Excel 单元格中。

用法：执行 Python 代码并返回 JSON 格式的输出。

=Python_执行代码("import json; print(json.dumps({'name':'Alice', 'age':30}))", TRUE, "json")

说明：

这段代码会在 Python 中生成一个包含 "name" 和 "age" 的字典，并将其以 JSON 格式输出。Excel 将会返回 "name":"Alice","age":30。

用法：执行一段包含数学运算的 Python 代码，并返回计算结果。

=Python_执行代码("result = 5 * (3 + 2); print(result)")

说明：

这段代码计算 5 * (3 + 2)，结果为 25，并将结果返回到 Excel 中。

用法：执行存储在相对路径中的 Python 脚本，并返回输出。

=Python_执行相对路径脚本("scripts/hello_world.py")

说明：

这段代码执行 scripts 文件夹中的 hello_world.py 脚本，并返回脚本的输出结果。如果脚本中有 print 语句，这些输出会返回到 Excel 中。

用法：执行存储在绝对路径中的 Python 脚本，并返回输出。

=Python_执行绝对路径脚本("C:\PythonScripts\calculate.py")

说明：

这段代码执行位于 C:\PythonScripts\ 文件夹中的 calculate.py 脚本，并返回脚本的输出结果。

用法：获取当前配置的 Python 解释器的路径。

=Python_获取解释器路径()

说明：

这段代码返回当前配置的 Python 解释器的路径，帮助用户了解正在使用哪个 Python 环境。

用法：启动内置的 Python API 服务。注意： 不要使用函数调用，在脚本中调用例如VBA中使用比较好！

=Python_启动API服务()

说明：

这段代码启动 Python API 服务，并返回启动状态和消息，表示服务是否启动成功。

用法：停止运行的 Python API 服务。注意： 不要使用函数调用，在脚本中调用例如VBA中使用比较好！

=Python_停止API服务()

说明：

这段代码停止正在运行的 Python API 服务，并返回停止状态和消息。

用法：执行一段包含语法错误的 Python 代码，查看错误处理情况。

=Python_执行代码("print('Hello, World!)")  # 注意缺少一个引号

说明：

由于代码中缺少一个引号，这段代码将会产生语法错误。函数将捕获并返回错误信息，帮助用户调试。

用法：在 Excel 中执行复杂的 Python 代码，计算并返回多个结果。

=Python_执行代码("
import math
result1 = math.sqrt(144)
result2 = math.pow(2, 10)
result3 = sum(range(1, 11))
print(f'Result 1: {result1}, Result 2: {result2}, Result 3: {result3}')
")

说明：

这段代码计算并返回多个结果，包括平方根、指数运算和范围求和，输出将会是：Result 1: 12.0, Result 2: 1024.0, Result 3: 55。

多种使用场景：这些示例展示了如何使用 Python 处理简单和复杂的任务，包括数学计算、脚本执行、API 服务控制等。
实时交互：Excel 用户可以通过这些自定义函数实时与 Python 进行交互，执行代码并立即获取结果。
错误处理：通过捕获和返回 Python 执行过程中的错误信息，用户可以在 Excel 环境中调试和修正代码。

‍

4.1 `筛选_Table` 函数使用说明

筛选_Table 函数是一个用于 Excel 的自定义函数，专为从多列数据中筛选出符合特定条件的行而设计。该函数支持多种筛选条件，包括比较运算符、逻辑运算符、字符串操作、日期时间比较等，提供了一种强大且灵活的方式来处理 Excel 中的数据筛选任务。

筛选_Table(dataRange, filterCondition, [useColumnHeaders])

dataRange: 要筛选的数据区域。输入为Excel单元格区域，例如 A1:D10。
filterCondition: 筛选条件的字符串表达式，使用类似 SQL 的语法，可以包含比较运算符、逻辑运算符、字符串操作等。
useColumnHeaders（可选）: 布尔值，决定是否使用数据区域的第一行作为列标题。如果为 TRUE，则第一行将被视为列名；默认为 FALSE，此时列名将使用 Column1, Column2 等名称。

以下示例展示了如何在 Excel 中使用 筛选_Table 函数进行数据筛选。每个示例都展示了不同的运算符和功能。

假设我们有以下数据：

A	B	C	D
Name	Age	City	Salary
Alice	25	New York	70000
Bob	30	Los Angeles	80000
Charlie	35	New York	90000
David	40	Chicago	100000
Eva	45	Miami	110000

等于（=）和不等于（<>）

=筛选_Table(A1:D6, "Age = 30", TRUE)

返回：Bob, 30, Los Angeles, 80000

=筛选_Table(A1:D6, "City <> 'New York'", TRUE)

返回：Bob, 30, Los Angeles, 80000; David, 40, Chicago, 100000; Eva, 45, Miami, 110000

大于（>）和小于（<）

=筛选_Table(A1:D6, "Salary > 90000", TRUE)

返回：David, 40, Chicago, 100000; Eva, 45, Miami, 110000

=筛选_Table(A1:D6, "Age < 35", TRUE)

返回：Alice, 25, New York, 70000; Bob, 30, Los Angeles, 80000

大于等于（>=）和小于等于（<=）

=筛选_Table(A1:D6, "Age >= 40", TRUE)

返回：David, 40, Chicago, 100000; Eva, 45, Miami, 110000

=筛选_Table(A1:D6, "Salary <= 80000", TRUE)

返回：Alice, 25, New York, 70000; Bob, 30, Los Angeles, 80000

AND（与）

=筛选_Table(A1:D6, "Age > 30 AND Salary < 100000", TRUE)

返回：Charlie, 35, New York, 90000

OR（或）

=筛选_Table(A1:D6, "City = 'Chicago' OR City = 'Miami'", TRUE)

返回：David, 40, Chicago, 100000; Eva, 45, Miami, 110000

NOT（非）

=筛选_Table(A1:D6, "NOT (City = 'New York')", TRUE)

返回：Bob, 30, Los Angeles, 80000; David, 40, Chicago, 100000; Eva, 45, Miami, 110000

LIKE（匹配模式）

=筛选_Table(A1:D6, "Name LIKE 'A%'", TRUE)

返回：Alice, 25, New York, 70000

IN（多个匹配）

=筛选_Table(A1:D6, "City IN ('New York', 'Chicago')", TRUE)

返回：Alice, 25, New York, 70000; Charlie, 35, New York, 90000; David, 40, Chicago, 100000

IS NULL（为空）

假设数据中某些单元格为空：

A	B	C	D
Name	Age	City	Salary
Alice	25	New York	70000
Bob	30	Los Angeles	80000
Charlie	35	90000
David	40	Chicago	100000
Eva	Miami	110000

=筛选_Table(A1:D6, "City IS NULL", TRUE)

返回：Charlie, 35, , 90000

IS NOT NULL（不为空）

=筛选_Table(A1:D6, "Age IS NOT NULL", TRUE)

返回：Alice, 25, New York, 70000; Bob, 30, Los Angeles, 80000; Charlie, 35, , 90000; David, 40, Chicago, 100000

假设数据表如下：

A	B	C	D
Name	Age	HireDate	Salary
Alice	25	2020-01-15	70000
Bob	30	2019-06-01	80000
Charlie	35	2018-09-10	90000
David	40	2021-04-22	100000
Eva	45	2022-12-30	110000

日期比较

=筛选_Table(A1:D6, "HireDate > #2020-01-01#", TRUE)

返回：Alice, 25, 2020-01-15, 70000; David, 40, 2021-04-22, 100000; Eva, 45, 2022-12-30, 110000

运算符优先级控制了表达式的计算顺序，可以通过使用括号 () 明确优先级。

=筛选_Table(A1:D6, "(Age > 30 OR Salary > 90000) AND City = 'New York'", TRUE)

返回：Charlie, 35, New York, 90000

‍

筛选_Table 函数支持通过正则表达式进行高级字符串匹配。这使得它在处理复杂的文本数据时非常强大，例如筛选出以特定字符开头、包含特定模式的字符串。

在 筛选_Table 函数中，你可以使用自定义函数 CustomRegexMatch 来实现正则表达式的筛选。以下是几个使用正则表达式进行筛选的示例。

假设我们有以下数据：

A	B	C	D
Name	Age	City	Salary
Alice	25	New York	70000
Bob	30	Los Angeles	80000
Charlie	35	New York	90000
David	40	Chicago	100000
Eva	45	Miami	110000
Ann	28	Boston	75000
Daniel	38	Dallas	95000

=筛选_Table(A1:D8, "CustomRegexMatch(Name, '^A')", TRUE)

返回：Alice, 25, New York, 70000; Ann, 28, Boston, 75000

=筛选_Table(A1:D8, "CustomRegexMatch(Name, 'e$')", TRUE)

返回：Charlie, 35, New York, 90000; Eve, 45, Miami, 110000

=筛选_Table(A1:D8, "CustomRegexMatch(Name, 'an')", TRUE)

返回：Ann, 28, Boston, 75000; Daniel, 38, Dallas, 95000

=筛选_Table(A1:D8, "CustomRegexMatch(City, '^New')", TRUE)

返回：Alice, 25, New York, 70000; Charlie, 35, New York, 90000

假设我们的数据表包含一些带有数字的城市名称：

A	B	C	D
Name	Age	City	Salary
Alice	25	New York1	70000
Bob	30	Los Angeles	80000
Charlie	35	New York2	90000
David	40	Chicago	100000
Eva	45	Miami3	110000
Ann	28	Boston	75000
Daniel	38	Dallas	95000

=筛选_Table(A1:D8, "CustomRegexMatch(City, '[0-9]')", TRUE)

返回：Alice, 25, New York1, 70000; Charlie, 35, New York2, 90000; Eva, 45, Miami3, 110000

^A: 匹配以字母 "A" 开头的字符串。
e$: 匹配以字母 "e" 结尾的字符串。
.*an.*: 匹配包含 "an" 的字符串。
[0-9]: 匹配包含数字的字符串。

正则表达式大小写敏感：如果需要忽略大小写，可以在表达式中使用适当的模式修饰符，或者通过自定义函数进行进一步处理。
性能考虑：正则表达式的匹配功能强大，但在处理大数据量时可能会影响性能。筛选_Table 已经通过并行处理优化了性能，但在极大数据集上，仍需考虑性能问题。
复杂表达式的使用：你可以结合多个正则表达式进行复杂筛选。例如，筛选出以 "A" 开头且以 "e" 结尾的名字，可以使用以下表达式：

=筛选_Table(A1:D8, "CustomRegexMatch(Name, '^A.*e$')", TRUE)

返回：Alice, 25, New York, 70000

通过使用正则表达式，筛选_Table 函数为处理复杂的文本数据提供了灵活的工具。希望这些示例能够帮助你在 Excel 中更好地利用这一功能，实现复杂的数据筛选需求。

‍

不会用上面筛选表达式？没关系~下面有一些降低难度的筛选函数！

假设你在Excel工作表中有以下数据，存储在一个名为“数据”的区域中：

日期	产品	销售额	数量	地区	备注
2023-01-01	Apple	100	10	East	Urgent
2023-01-02	Orange	150	20	West
2023-01-03	Banana	50	5	North
2023-01-04	Grape	120	12	South
2023-01-05	Apple	200	25	East
2023-01-06	Orange	300	30	West	Special Order

在这个案例中，你可以使用我们定义的筛选函数来处理和分析数据。

注意下面所有的函数，最后一个参数需要指定是否使用标题，建议使用公式插入面板来看参数提示。

描述：筛选出列中大于指定值的行。
示例：

=筛选_大于(数据, "销售额", 100)

描述：返回销售额大于100的所有行。

描述：筛选出列中小于指定值的行。
示例：

=筛选_小于(数据, "销售额", 100)

描述：返回销售额小于100的所有行。

描述：筛选出列中介于指定范围的行。
示例：

=筛选_介于(数据, "销售额", 50, 200)

描述：返回销售额在50到200之间的所有行。

描述：筛选出列中等于指定值的行。
示例：

=筛选_等于(数据, "销售额", 150)

描述：返回销售额等于150的所有行。

描述：筛选出列中不等于指定值的行。
示例：

=筛选_不等于(数据, "销售额", 150)

描述：返回销售额不等于150的所有行。

描述：筛选出列中包含指定字符串的行。
示例：

=筛选_包含(数据, "备注", "Urgent")

描述：返回备注中包含“Urgent”的所有行。

描述：筛选出列中不包含指定字符串的行。
示例：

=筛选_不包含(数据, "备注", "Urgent")

描述：返回备注中不包含“Urgent”的所有行。

描述：筛选出列中符合正则表达式的行。
示例：

=筛选_正则匹配(数据, "产品", "^A.*")

描述：返回产品名称以“A”开头的所有行。

描述：筛选出列中为空值的行。
示例：

=筛选_空值(数据, "备注")

描述：返回备注为空值的所有行。

描述：筛选出列中为非空值的行。
示例：

=筛选_非空值(数据, "备注")

描述：返回备注不为空的所有行。

描述：筛选出列中唯一值的行。
示例：

=筛选_唯一值(数据, "产品")

描述：返回产品列中只出现一次的产品对应的行。

描述：筛选出列中去除重复值的行。
示例：

=筛选_去重(数据, "产品")

描述：返回产品列中不重复的所有产品对应的行。

描述：筛选出列中不符合数据治理规则的行，例如空值、异常值。
示例：

=筛选_数据治理(数据, "备注")

描述：返回备注列中不符合数据治理规则的所有行（如空值）。

描述：筛选出包含缺失数据的行。
示例：

=筛选_缺失数据(数据, {"备注", "销售额"})

描述：返回备注或销售额中有缺失值的所有行。

描述：筛选出列中出现频率最高的前 N 个值的行。
示例：

=筛选_高频值(数据, "产品", 2)

描述：返回产品列中最常见的前2个产品对应的行。

描述：筛选出列中具有上升或下降趋势的行，适合时间序列数据。
示例：

=筛选_趋势分析(数据, "日期", "销售额", TRUE)

描述：返回销售额具有上升趋势的行。

描述：筛选出列中可能的异常值，使用Z值方法。
示例：

=筛选_异常检测(数据, "销售额", 2.0)

描述：返回销售额列中异常值（Z值大于2）的行。

描述：筛选出日期列在指定范围内的行。
示例：

=筛选_日期范围(数据, "日期", DATE(2023,1,2), DATE(2023,1,4))

描述：返回日期在2023年1月2日至4日之间的行。

描述：组合多个条件进行筛选，适合复杂的多条件筛选。
示例：

=筛选_条件组合(数据, "销售额 > 100", "数量 < 20")

描述：返回销售额大于100且数量小于20的所有行。

描述：根据动态计算结果进行筛选。
示例：

=筛选_动态列计算(数据, "销售额 > 数量 * 10")

描述：返回销售额大于数量乘以10的所有行。

筛选出列中倒数前 N 个数据的行。

=筛选_倒数TopN(数据, "销售额", 3)

描述：返回销售额最低的前三行。

剔除列中包含空格的行。

=筛选_空格剔除(数据, "备注")

描述：返回备注中不包含空格的所有行。

筛选出列中为负值的行。

=筛选_负值(数据, "销售额")

描述：返回销售额为负值的所有行。

筛选出列中为零值的行。

=筛选_零值(数据, "销售额")

描述：返回销售额为零值的所有行。

筛选出列中非零值的行。

=筛选_非零值(数据, "销售额")

描述：返回销售额不为零的所有行。

筛选出列中为非负值的行。

=筛选_非负值(数据, "销售额")

描述：返回销售额为非负值的所有行。

筛选出列中文本长度满足指定条件的行。

=筛选_文本长度(数据, "产品", 5, 6)

描述：返回产品名称长度在5到6个字符的所有行。

筛选出列中数值总和大于指定值的行。

=筛选_列总和大于(数据, {"销售额", "数量"}, 200)

描述：返回销售额和数量之和大于200的所有行。

筛选出列中数值平均值小于指定值的行。

=筛选_列平均值小于(数据, {"销售额", "数量"}, 50)

描述：返回销售额和数量的平均值小于50的所有行。

筛选出列中日期等于指定日期的行。

=筛选_日期等于(数据, "日期", DATE(2023,1,3))

描述：返回日期为2023年1月3日的所有行。

筛选出列中日期不等于指定日期的行。

=筛选_日期不等于(数据, "日期", DATE(2023,1,3))

描述：返回日期不为2023年1月3日的所有行。

筛选出列中日期在指定范围内的行。

=筛选_日期在范围内(数据, "日期", DATE(2023,1,2), DATE(2023,1,4))

描述：返回日期在2023年1月2日到4日之间的所有行。

筛选出列中日期不在指定范围内的行。

=筛选_日期不在范围内(数据, "日期", DATE(2023,1,2), DATE(2023,1,4))

描述：返回日期不在2023年1月2日到4日之间的所有行。

筛选出列中日期为周末的行。

=筛选_日期为周末(数据, "日期")

描述：返回日期为周末的所有行。

筛选出列中日期为工作日的行。

=筛选_日期为工作日(数据, "日期")

描述：返回日期为工作日的所有行。

筛选出列中最大值的行。

=筛选_列中最大值(数据, "销售额")

描述：返回销售额为最大值的行。

筛选出列中最小值的行。

=筛选_列中最小值(数据, "销售额")

描述：返回销售额为最小值的行。

筛选出满足所有条件的行。

=筛选_满足所有条件(数据, "销售额 > 100", "数量 < 25")

描述：返回销售额大于100且数量小于25的所有行。

筛选出满足任一条件的行。

=筛选_满足任一条件(数据, "销售额 > 200", "数量 = 5")

描述：返回销售额大于200或数量等于5的所有行。

筛选出列中非空文本的行。

=筛选_非空文本(数据, "备注")

描述：返回备注中非空文本的所有行。

筛选出列中以指定文本开头的行。

=筛选_以指定文本开头(数据, "产品", "Ap")

描述：返回产品名称以“Ap”开头的所有行。

筛选出列中以指定文本结尾的行。

=筛选_以指定文本结尾(数据, "备注", "Order")

描述：返回备注以“Order”结尾的所有行。

筛选出列中值为null或空的行。

=筛选_值为null或空(数据, "备注")

描述：返回备注中值为null或空的所有行。

筛选出列中排除指定值的行。

=筛选_排除指定值(数据, "产品", "Banana")

描述：返回产品不为Banana的所有行。

筛选出列中值在指定范围内的行。

=筛选_值范围(数据, "销售额", 50, 150)

描述：返回销售额在50到150之间的所有行。

筛选出列中某特定字符串存在指定次数的行。

=筛选_特定字符串存在次数(数据, "备注", "Order", 1)

描述：返回备注中包含“Order”1次的所有行。

筛选出某列中至少有一个值大于指定值的行。

=筛选_指定列中至少一个值大于(数据, {"销售额", "数量"}, 100)

描述：返回销售额或数量中至少有一个值大于100的所有行。

筛选出某列中所有值都大于指定值的行。

=筛选_指定列中所有值大于(数据, {"销售额", "数量"}, 50)

描述：返回销售额和数量都大于50的所有行。

筛选出某列中以特定字符开头的所有行。

=筛选_特定字符开头的行(数据, "产品", "A")

描述：返回产品名称以"A"开头的所有行。

筛选出某列中以特定字符结尾的所有行。

=筛选_特定字符结尾的行(数据, "备注", "d")

描述：返回备注以“d”结尾的所有行。

正文完

发表至：技术与开发数据治理与分析

2024-09-04

0

Copyright notice: Our original article, by binbin 2024-09-04 publish, total 11274 words.

转载说明：除特殊说明外本站文章皆由CC-4.0协议发布，转载请注明出处。

数据分析：数据领域大维度细分库和工具推荐

Power Query常用自定义M函数 v1.0

使用 Python 和 FFmpeg 将视频转换为 GIF（带显卡加速选项）

Python小游戏：避敌者 (Enemy Dodger) 源码

DuteIT - Excel插件开源，基于C#和VSTO技术编写，供学习参考使用。

DTI_Tool办公Office/Excel/WPS插件UDFs自定义函数说明示例

DTI_Tool & Funs V1.0.0.0简介

二、Json 函数说明

使用示例

关键点总结

三、Python 函数说明

示例 1: 执行简单的 Python 代码片段

示例 2: 执行 Python 代码片段并返回 JSON 格式输出

示例 3: 执行包含数学运算的 Python 代码片段

示例 4: 执行 Python 脚本（相对路径）

示例 5: 执行 Python 脚本（绝对路径）

示例 6: 获取当前 Python 解释器的路径

示例 7: 启动 Python API 服务

示例 8: 停止 Python API 服务

示例 9: 执行包含错误的 Python 代码并捕获异常

示例 10: 执行复杂的 Python 代码片段

关键点总结

四、筛选函数

4.1 筛选_Table​ 函数使用说明

1. 函数作用

2. 函数语法

3. 参数说明

4. 使用示例

1. 基本比较运算符

等于（=）和不等于（<>）

大于（>）和小于（<）

大于等于（>=）和小于等于（<=）

2. 逻辑运算符

AND（与）

OR（或）

NOT（非）

3. 字符串操作

LIKE（匹配模式）

IN（多个匹配）

4. 空值判断

IS NULL（为空）

IS NOT NULL（不为空）

5. 日期操作

日期比较

6. 运算符优先级

5. 正则表达式筛选示例

1. 筛选出以字母 "A" 开头的名字

2. 筛选出名字以 "e" 结尾的行

3. 筛选出名字包含 "an" 的行

4. 筛选出城市名称以 "New" 开头的行

5. 筛选出包含数字的城市名称

常用正则表达式模式示例

注意事项

4.2 其它筛选函数

1. 筛选_大于

2. 筛选_小于

3. 筛选_介于

4. 筛选_等于

5. 筛选_不等于

6. 筛选_包含

7. 筛选_不包含

8. 筛选_正则匹配

9. 筛选_空值

10. 筛选_非空值

11. 筛选_唯一值

12. 筛选_去重

13. 筛选_数据治理

14. 筛选_缺失数据

15. 筛选_高频值

16. 筛选_趋势分析

17. 筛选_异常检测

18. 筛选_日期范围

19. 筛选_条件组合

20. 筛选_动态列计算

21. 筛选_倒数TopN

22. 筛选_空格剔除

23. 筛选_负值

24. 筛选_零值

25. 筛选_非零值

26. 筛选_非负值

27. 筛选_文本长度

28. 筛选_列总和大于

29. 筛选_列平均值小于

30. 筛选_日期等于

31. 筛选_日期不等于

4.1 `筛选_Table` 函数使用说明