PMC表格模型 01 ：一维转二维
优秀创作者
全文约1300字
大家好，我是古老师。从今天开始，我将为大家介绍PMC在日常工作中所需的表格技能的基础建模。通过学习这些基础模型，我们可以更好地应对各种工作场景。面对未来可能出现的复杂表格问题，实际上我们只需要组合和嵌套不同的基础模型就能找到解决方案。
例如，在工作中如果需要分析某产品的前10名销量，可以应用“筛选指定条件数据模型”与“保留指定数据列模型”来解决这个问题。
今天，我要分享的第一个基础模型是数据维度转换——即将一维的基础数据结构转换成二维展示结构，简称为“一维转二维”。这个模型能帮助我们将简单的数据集以更直观的方式展现出来，从而提升数据分析的效率和准确性。
一维数据
为了实现一维数据到二维数据的高效转换，首先需要对原始的一维数据进行标准化定义。如果数据不符合以下标准，则需采用适当的方法将其转换为标准结构：
每个字段属性在每一列中必须唯一，不允许存在同一列内数字与文本等不同类型的混合情况；
数据集中不应包含合并单元格，因为这会妨碍数据分析的准确性；
数据应保持连续性，避免出现空列或空行；
每一列的数据都应当配有清晰的标题。
确保同一列内的所有数据项都具有相同的数据类型（如全部为日期、数字或文本）
传统方法
对于使用较低版本表格软件的用户，可以通过以下函数来实现数据处理：去重、转置以及汇总求和（针对数值）或引用（确保无重复值）。下面是具体的操作方法：
垂直方向（即行内）去除重复值并展示公式为：
=UNIQUE(B2:B1692)
水平方向（即列间）转换数据顺序的公式为：
=TRANSPOSE(UNIQUE(A2:A1692))
对于交错区域（即特定值的汇总），可以使用条件求和公式：
=SUMIFS(C:C, B:B, F2#, A:A, G1#)。
通过上述三个步骤，我们可以快速地将一维数据转换成二维数据格式进行展示。然而，这种方法在面对超过10,000行的数据时，可能会出现运算效率下降的情况，导致明显的延迟或“卡顿”。因此，建议这些用户考虑升级到更高版本的表格软件，以便利用更高效的聚合函数等高级功能来进行数据处理。
聚合函数
在升级到最新版本的表格软件后，新增加了聚合函数PIVOTBY，这使得我们可以更便捷地将一维数据转换为二维数据。以下是该函数的基础和中级用法：
基础用法：
=PIVOTBY(B1:B1692,A1:A1692,C1:C1692,SUM)
公式解释：
通过输入这四个基本参数，即可实现一键快速聚合：
参数1（行参数）：B列，用于对编码进行去重；
参数2（列参数）：A列，用于对仓位进行去重；
参数3（值参数）：C列，指定需要聚合求和的数量；
参数4（函数参数）：SUM，表示对数据进行汇总求和。
中级用法：
为了进一步控制数据范围，比如只汇总大于0的数据且不显示行列总计，可以调整函数如下：：
=PIVOTBY(B1:B1692,A1:A1692,C1:C1692,SUM,,0,,0,,C1:C1692>0)
公式解释：
前面4参数和基础用法一致；
参数中的0或空：代表不显示标头或总计
最后一个参数：代表筛选C列数据大于0
前四个参数与基础用法相同；
使用0或空值来指示不显示标头或总计；
最后一个参数是一个筛选条件，即仅当C列中的数据大于0时才包含这些数据。
通过使用PIVOTBY聚合函数，可以高效地完成PMC的基础模型之一——“一维转二维”的快速转换。这种方法不仅简化了操作流程，还提高了数据分析的效率。古老师强烈推荐此方法给所有用户。
