记录一个刚刚用本‘笨’办法解决的数据清洗和数据整理问题
前几天收到邮件，对之前我一篇论文的方法进行测试的时候有些疑问。我在复现的时候遇到了以下的问题：
我现在有三个结果，res1， res2 和 res3，他们的结构基本是一致的，都是两列：
N8 N84
N18 N4
N22 N64
N10 N17
...
M0P1 M0P2
...
如果不用 Python，只用 Excel， 如何找出三个结果中的重复值？（N2-N1视为与N1-N2等同）
我的笨办法（不用 VBA）
首先，分别按照编号大小左右排序，再从小到达按列排序，最后拼接字符串。然后只要找出三个结果中的重复值并高亮就行了。
首先，将数据清理一下。因为 M0P 开头的数据只有 M0P1 和 M0P2，我直接通过查找替换将所有 M0P1 换为 1001，M0P2换为1002（1001是因为N*中没有大于500的值，所以1001可以保证 unique）。
然后，我们将第二列向右移动一列，因为空出的这一列要放分列的输出。我们通过文本分列向导（数据->分列）将所有N*拆分成N和数字。如果选择按数据的“分隔符”进行拆分并将N设置为分隔符，则可以直接提取数字（这个在窗口预览的时候就能看到。具体可以参考微软的这个教程）。由于之前已经把M0P*转换为数字了，所以分列后这些1001、1002不会动；对于这两列，我们分别进行分列操作，这时所有N*中的数字则会以一个新列的形式出现在列旁。之后我们只要所有处理好的数据归回成完整的两列，我们的数据清理就完成了。
(Copyright © https://blog.csdn.net/s_gy_zetrov. All Rights Reserved)
数据现在长这样：
8 84
18 4
22 64
10 17
...
1001 1002
...
之后，我们需要进行按行排序，这一步直接做的话我试了一些方案，都不行，除非用 VBA，否则都不能自动化操作。因为我的每行就两个数字，所以我们可以使用LARGE来实现类似排序的效果。假设我们第一列为excel的A列，第二列为B列，则使用=LARGE(A1:B1,2)就可以找出二者中小的数字，=LARGE(A1:B1,1)则找出二者中大的数字（具体参考这篇微软的教程：“If n is the number of data points in a range, then LARGE(array,1) returns the largest value, and LARGE(array,n) returns the smallest value.”）
这步完成后大概数据变成这样：
A B C D
8 84 8 84
18 4 4 18
22 64 22 64
10 17 10 17
...
1001 1002 1001 1002
...
之后我们直接对C列（每行的最小值）进行按列排序就好，excel会帮我们扩展到全部四列(Copyright © https://blog.csdn.net/s_gy_zetrov. All Rights Reserved)：
A B C D
18 4 4 18
8 84 8 84
10 17 10 17
22 64 22 64
...
1001 1002 1001 1002
...
最后一步，为了比较重复值，我们需要将CD列挤成一列，这里是用拼接函数=CONCATENATE(C1,"_",D1)然后一样拉到底使其apply到所有行:
A B C D E
18 4 4 18 4_18
8 84 8 84 8_84
10 17 10 17 10_17
22 64 22 64 22_64
...
1001 1002 1001 1002 1001_1002
...
将三个结果粘进一个 Excel 文件中，假设拼接字符串的列在E、J、O，则全选这三列，选择“条件格式”->“重复值”，所有重复出现的字符串就会被高亮出来了！（具体参考这篇微软教程）。
至此，问题解决。办法应该是最笨的一种了，但优势是不需要VBA，对没有编程背景知识的用户(Copyright © https://blo友好g.csdn.net/s_gy_zetrov. All Rights Reserved)。
以上。
(Copyright © https://blog.csdn.net/s_gy_zetrov. All Rights Reserved)
visitor tracker
来源：oschina
链接：https://my.oschina.net/u/4323912/blog/4659542