WedX - журнал о программировании и компьютерных науках

Таблицы Google, использующие фильтры и сортировку вместе

Это мой первый вопрос. Надеюсь, все в порядке. Я немного новичок в использовании таблиц Google, но я медленно прогрессирую.

Я пытаюсь создать лист со всеми моими данными на листе 1. На листе 2 я хотел бы отфильтровать все данные с листа 2, который отмечен цифрой «1» в столбце D. Для этого я с использованием

=FILTER('Ark1'!A2:C999; 'Ark1'!D2:D999=1)

Все идет нормально. Оно работает.

Затем я хотел бы отсортировать этот лист по значению в столбце E. Для этой цели я использую

=sort(FILTER('Ark1'!A2:C999; 'Ark1'!D2:D999=1);'Ark1'!E2:E999; SAND)

Я получаю ошибку I / T. На датском языке сказано:

SORT har forskellige intervalstørrelser. Forventede 2 rkker og 1 kolonner, мужчины независимые 998 rkker и 1 kolonner.

Google переведен на:

SORT имеет разные размеры диапазона. Ожидается 2 строки и 1 столбец, но содержит 998 строк и 1 столбец.

У меня есть копия этого листа, которую вы можете редактировать. https://docs.google.com/spreadsheets/d/1Eh8aBnXH-SbqHyuvvmaCMc9eoNwZvoAtulxeJXB5-bE/edit?usp=sharing

Любая помощь горячо приветствуется.


Ответы:


1

использовать:

=SORT(FILTER('Ark1'!A2:C999; 'Ark1'!D2:D999=1); 5; 0)

or:

=SORT(FILTER('Ark1'!A2:C999; 'Ark1'!D2:D999=1); 5; 1)
19.12.2019
Новые материалы

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]