Loading [MathJax]/jax/input/TeX/jax.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >AI办公自动化:根据一个Excel列检索另一个excel表格内容

AI办公自动化:根据一个Excel列检索另一个excel表格内容

作者头像
AIGC部落
发布于 2024-07-31 08:31:49
发布于 2024-07-31 08:31:49
3640
举报
文章被收录于专栏:Dance with GenAIDance with GenAI

要在一个Excel工作簿的工作表中的某个公司名称的列检索另一个excel表格(全部上市公司名称列表)内容,来判断这个公式是否是上手公式,需要写一个Excel公式,可以在deepseek中输入提示词:

在当前excel表格的E2单元格写一个公式,完成如下任务:

将D2单元格内容和"D:\360AI浏览器下载\全部A股2024上半年业绩预告.xlsx"工作簿的工作表“全部A股”的c1到c5360之间的单元格进行比较,如果和某个单元格内容一致,则将这个单元格所在行的B列内容复制到当前excel表格的E2单元格

deepseek的回复:

要在当前Excel表格的E2单元格中编写一个公式,以完成将D2单元格内容与另一个工作簿中的C1到C5360单元格进行比较,并在找到匹配项时将相应行的B列内容复制到当前工作簿的E2单元格,可以使用以下步骤和公式:

确保外部工作簿已打开:在运行公式之前,确保全部A股2024上半年业绩预告.xlsx工作簿已经打开。

编写公式:在E2单元格中输入以下公式:

=IFERROR(INDEX('[全部A股2024上半年业绩预告.xlsx]全部A股'!B1:B5360, MATCH(D2, '[全部A股2024上半年业绩预告.xlsx]全部A股'!C1:C5360, 0)), "未找到")

这个公式的解释如下:

MATCH(D2, '[全部A股2024上半年业绩预告.xlsx]全部A股'!C1:C5360, 0):这部分公式在全部A股2024上半年业绩预告.xlsx工作簿的全部A股工作表的C1到C5360单元格范围内查找D2单元格的内容,并返回匹配项的位置。

INDEX('[全部A股2024上半年业绩预告.xlsx]全部A股'!B1:B5360, MATCH(...)):这部分公式使用MATCH函数返回的位置,从全部A股2024上半年业绩预告.xlsx工作簿的全部A股工作表的B1到B5360单元格范围内提取相应的内容。

IFERROR(..., "未找到"):这部分公式用于处理错误情况,如果MATCH函数没有找到匹配项,则返回"未找到"。

确保工作簿路径正确:请确保全部A股2024上半年业绩预告.xlsx工作簿的路径正确,并且该工作簿已经打开。如果工作簿未打开,Excel可能无法访问其中的数据。

保存并测试公式:输入公式后,按Enter键,Excel将尝试执行公式。如果一切设置正确,E2单元格将显示匹配项的B列内容,或者显示"未找到"

在Excel中输入公式,很快找到上市公式名称。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-07-29,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Dance with GenAI 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
​一文带你了解:人工智能大模型:技术原理、应用与未来发展
近年来,人工智能领域取得了前所未有的突破,尤其是以GPT(Generative Pre-trained Transformer)、LLaMA、Claude等为代表的大型语言模型(Large Language Models,LLMs)引领了一场技术革命。这些大模型凭借数十亿甚至数千亿参数的规模,展现出了接近人类的语言理解和生成能力,为人工智能的应用开辟了广阔前景。本文将深入探讨AI大模型的技术原理、训练方法、应用场景以及未来发展趋势,并提供丰富的代码示例,帮助读者更好地理解和应用这些技术。
远方2.0
2025/04/04
3150
基于大模型的多模态数据融合实战应用
多模态数据融合是当前人工智能(AI)研究的热门领域,涉及文本、图像、音频、视频等多种数据类型的集成。随着大型语言模型(LLM)和多模态大模型(如GPT-4V、BLIP-2、Flamingo等)的发展,AI 在处理多模态数据的能力得到极大提升。本文将探讨基于大模型的多模态数据融合方法,并通过 Python 代码示例演示如何构建多模态应用。
一键难忘
2025/03/03
1.3K1
深度探索 DeepSeek 微调:LoRA 与全参数微调实战指南
DeepSeek 作为强大的大模型,提供了优质的基础能力,但在某些特定任务上,直接使用预训练模型可能无法满足需求。本篇文章将介绍 LoRA(Low-Rank Adaptation)、全参数微调 等微调策略,并提供详细的代码示例,帮助开发者高效定制 DeepSeek 以适应特定任务。
Swift社区
2025/02/07
6.3K0
深度探索 DeepSeek 微调:LoRA 与全参数微调实战指南
解锁DeepSeek多模态:从原理到实战全解析(3/18)
摘要:本文深入探讨了DeepSeek在多模态领域的前沿技术与应用实践,旨在为研究人员和开发者提供一个全面的进阶指南。文章首先介绍了图文跨模态对齐技术的原理,展示了如何通过先进的模型架构和算法实现文本与图像之间的高效对齐,从而为多模态理解奠定基础。接着,文章提出了一个视频理解与生成的统一框架,该框架能够同时处理视频内容的理解和生成任务,显著提升了模型在复杂多模态场景下的表现能力。最后,文章通过一个实际案例,详细介绍了如何搭建多模态检索系统,包括数据预处理、特征提取与融合,以及检索算法的优化。通过这些内容,本文不仅展示了DeepSeek在多模态领域的强大能力,还为读者提供了丰富的实践指导,帮助他们在实际项目中更好地应用这些技术。
正在走向自律
2025/02/15
1.2K2
解锁DeepSeek多模态:从原理到实战全解析(3/18)
CLIP与DINOv2的图像相似度对比
在计算机视觉领域有两个主要的自监督模型:CLIP和DINOv2。CLIP彻底改变了图像理解并且成为图片和文字之间的桥梁,而DINOv2带来了一种新的自监督学习方法。
deephub
2023/10/06
1.9K0
CLIP与DINOv2的图像相似度对比
大模型实战:使用 LoRA(低阶适应)微调 LLM
[1] 详细内容请参阅 MarkAI Blog [2] 更多资料及工程项目请关注 MarkAI Github [3] 通关感知算法面试请Star 2024年千道算法面试题综述
码科智能
2023/12/19
6.2K2
大模型实战:使用 LoRA(低阶适应)微调 LLM
深度探索 DeepSeek 微调:LoRA 与全参数微调实战指南
DeepSeek 作为强大的大模型,提供了优质的基础能力,但在某些特定任务上,直接使用预训练模型可能无法满足需求。本篇文章将介绍 LoRA(Low-Rank Adaptation)、全参数微调 等微调策略,并提供详细的代码示例,帮助开发者高效定制 DeepSeek 以适应特定任务。
网罗开发
2025/02/18
9170
深度探索 DeepSeek 微调:LoRA 与全参数微调实战指南
【人工智能】多模态AI:如何通过融合文本、图像与音频重塑智能系统未来
多模态AI的核心在于融合来自不同模态(如文本、图像、音频等)的信息,以便在更广泛的上下文中理解和处理任务。这种融合可以在多个层次上进行,包括特征级别、模型级别和决策级别。
2的n次方
2024/10/15
7941
【人工智能】多模态AI:如何通过融合文本、图像与音频重塑智能系统未来
Transformers 4.37 中文文档(八十四)
中文 CLIP 模型是由 An Yang、Junshu Pan、Junyang Lin、Rui Men、Yichang Zhang、Jingren Zhou、Chang Zhou 在中文 CLIP:中文对比视觉-语言预训练中提出的。中文 CLIP 是在大规模中文图像-文本对数据集上实现的 CLIP(Radford 等,2021)的一个实现。它能够执行跨模态检索,并且还可以作为视觉任务的视觉骨干,如零样本图像分类、开放域目标检测等。原始的中文 CLIP 代码在此链接上发布。
ApacheCN_飞龙
2024/06/26
1.1K0
拥有LLM模型
大型语言模型(LLM)越来越显示出其价值。将图像纳入LLMs使它们作为视觉语言模型更加有用。在本文中,我将解释一个名为GIT-LLM的模型的开发,这是一个简单但强大的视觉语言模型。一些部分,比如代码解释,可能会感觉有点繁琐,所以可以直接跳到结果部分。我进行了各种实验和分析,因此我认为你会喜欢看到我能够取得的成就。
磐创AI
2024/06/06
2680
拥有LLM模型
万亿参数背后的算力密码:大模型训练的分布式架构与自动化运维全解析
在人工智能技术高速发展的当下,AI 大模型凭借其强大的学习能力和泛化能力,已成为推动各领域变革的核心力量。深度学习作为 AI 大模型的技术基石,通过构建多层神经网络实现复杂模式识别;分布式计算解决了大模型训练所需的海量算力问题;自动化技术则大幅提升了模型开发、部署及应用的效率。三者深度融合,正在重塑整个 AI 生态。
羑悻的小杀马特.
2025/05/25
1290
万亿参数背后的算力密码:大模型训练的分布式架构与自动化运维全解析
Transformers 4.37 中文文档(二)
除了🤗 Transformers 的 notebooks 之外,还有示例脚本演示如何使用PyTorch、TensorFlow或JAX/Flax训练模型的方法。
ApacheCN_飞龙
2024/06/26
7580
Transformers 4.37 中文文档(二)
【机器学习】QLoRA:基于PEFT亲手量化微调Qwen2大模型
之前陆续写了Qwen1.5、Qwen2.0、GLM-4等国产开源大模型的原理、训练及推理相关的文章,每一篇都拿到了热榜第一,但其中训练部分均基于Llama-factory框架,对于工程师而言,最喜欢的就是刨根问底,使用中间层的训练框架,还是少一些“安全感”。今天我们抛开中间框架,深入底层,一步一步带大家微调一个大模型。
LDG_AGI
2024/08/13
1.9K0
【机器学习】QLoRA:基于PEFT亲手量化微调Qwen2大模型
CLIP-图文预训练模型
CLIP: Contrastive LanguageImage Pre-training
iResearch666
2023/09/13
7330
CLIP-图文预训练模型
谷歌Gemma介绍、微调、量化和推理
谷歌的最新的Gemma模型是第一个使用与Gemini模型相同的研究和技术构建的开源LLM。这个系列的模型目前有两种尺寸,2B和7B,并且提供了聊天的基本版和指令版。
deephub
2024/03/01
2.1K0
谷歌Gemma介绍、微调、量化和推理
如何使用多模态知识图谱嵌入:整合图像与文本
在信息爆炸的时代,知识图谱(Knowledge Graph, KG)作为一种重要的信息组织方式,被广泛应用于推荐系统、智能问答和信息检索等领域。然而,传统的知识图谱主要依赖于结构化数据(如实体和关系),难以充分利用丰富的非结构化数据(如文本和图像)。为了解决这一问题,多模态知识图谱嵌入(Multimodal Knowledge Graph Embedding)应运而生。
数字扫地僧
2024/09/24
9660
如何使用多模态知识图谱嵌入:整合图像与文本
使用Huggingface创建大语言模型RLHF训练流程的完整教程
ChatGPT已经成为家喻户晓的名字,而大语言模型在ChatGPT刺激下也得到了快速发展,这使得我们可以基于这些技术来改进我们的业务。
deephub
2023/12/05
2K0
使用Huggingface创建大语言模型RLHF训练流程的完整教程
从LLM出发:由浅入深探索AI开发的全流程与简单实践(全文3w字)
人工智能(Artificial Intelligence,简称AI)的概念最早可以追溯到20世纪40年代,当时计算机科学的奠基人阿兰·图灵(Alan Turing)提出了“图灵测试”,试图定义机器是否能够具备人类智能。然而,AI作为一个独立的研究领域,直到1956年才正式诞生。当时,一群科学家在达特茅斯会议上首次提出了“人工智能”这一术语,并试图探索如何让机器模拟人类智能。
码事漫谈
2025/03/15
2500
从LLM出发:由浅入深探索AI开发的全流程与简单实践(全文3w字)
在自定义数据集上实现OpenAI CLIP
在2021年1月,OpenAI宣布了两个新模型:DALL-E和CLIP,它们都是以某种方式连接文本和图像的多模态模型。CLIP全称是Contrastive Language–Image Pre-training,一种基于对比文本-图像对的预训练方法。为什么要介绍CLIP呢?因为现在大火得Stable Diffusion 并不是单一模型,而是多个模型组成。其中会用到一个 Text encoder 将用户的文本输入进行编码,这个 text encoder 就是 CLIP 模型中 text encoder
deephub
2023/09/14
1.5K0
在自定义数据集上实现OpenAI CLIP
60分钟吃掉ChatGLM2-6b微调范例~
干货预警:这可能是你能够找到的最容易懂的,最完整的,适用于各种NLP任务的开源LLM的finetune教程~
lyhue1991
2023/09/05
8200
60分钟吃掉ChatGLM2-6b微调范例~
推荐阅读
相关推荐
​一文带你了解:人工智能大模型:技术原理、应用与未来发展
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档