Суммирование по множеству условий функцией БДСУММ (DSUM)
Для выборочного подсчета по нескольким условиям в больших таблицах можно использовать несколько способов: фильтры, сводные таблицы, функции СУММЕСЛИ и СУММЕСЛИМН и т.д.
Еще одним, относительно экзотическим, но весма мощным инструментом является функция БДСУММ (DSUM) из категории Работа с базой данных (Database). При внешней простоте, она позволяет гибко фильтровать списки по нескольким сложным и связанным между собой условиям и подсчитывает сумму найденных записей по заданному столбцу. Синтаксис функции таков:
=БДСУММ(Исходные_данные; Столбец_результата; Диапазон_условий)
где
- Исходные_данные - диапазон, включающий в себя таблицу с данными, которые мы анализируем и строкой заголовка.
- Столбец_результата - название (из шапки таблицы) или порядковый номер столбца, по которому нужно просуммировать данные.
- Диапазон_условий - диапазон, содержащий названия столбцов и условия по ним.
Чтобы удобнее было ссылаться эту таблицу в будущем, конвертируем ее в "умную" командой Форматировать как таблицу на вкладке Главная (Home - Format as Table) или сочетанием клавиш Ctrl+T. На появившейся затем вкладке Конструктор (Design) зададим ей имя - например БазаДанных.
Простая сумма по одному условию
Начнем с простого случая. Допустим, нам нужно просуммировать стоимость по всем сделкам сока Добрый. Это будет выглядеть следующим образом:
Обратите внимание на следующие моменты:
- Не достаточно просто написать имя умной таблицы БазаДанных в первом аргументе, т.к. в этом случае ссылка не включает шапку, а для функции БДСУММ она необходима. Поэтому к имени добавляется тег [#Все] или, в английском варианте [#All].
- Столбец, по которому нужно просуммировать данные можно задать либо названием ("Стоимость"), либо номером (было бы 5).
- Название столбца в желтом диапазоне условий должно один-в-один совпадать с названием в исходной таблице.
- Функция БДСУММ не различает регистр символов (добрый = ДОБРЫЙ = Добрый = ДоБрЫй и т.д.)
- Чтобы критерий в желтой ячейке А2 Excel не начал понимать как формулу (т.к. формулы обычно начинаются со знака равно) можно использовать текстовый формат или просто начать ввод в ячейку с апострофа:
Приблизительный и точный текстовый поиск
При необходимости, можно легко реализовать не только точный, но и приблизительный текстовый поиск. Посмотрите внимательно на следующие варианты суммирования выручки по городу Абакан и разницу между ними:
- Если нужен поиск точного соответствия, то используем конструкцию '= (апостроф и знак равно).
- Если нужен поиск подстроки, т.е. всех ячеек, которые содержат нужное значение, то его надо заключить в звездочки. В нашем случае будут просуммированы все варианты Абакана (с "г.", без "г.", с пробелами перед-после и т.п.)
- Если просто ввести значение без равно и звездочек, то будут найдены и просуммированны все строки, где содержимое начинается с указанного значения, т.е. это равноценно звездочке в конце.
Несколько условий со связками "И" - "ИЛИ"
Если нужно просуммировать данные по нескольким условиям, связанным друг с другом логическим оператором И (AND), то ячейки с этими условиями должны быть в одной строке. Например, если нужно просуммировать все продажи Fanta по Абакану (в любом виде его написания), то это будет выглядеть так:
Если же нужно связать несколько условий логическим оператором ИЛИ (OR), то их нужно расположить в разных строчках. Например, если нужно просуммировать деньги по всем вариантам написания "города на Неве", коих великое множество:
И конечно же, можно комбинировать оба подхода, сочетания в одном запросе условия со связками И и ИЛИ одновременно:
В этом случае вычисляется сумма продаж Fanta в Абакане и Burn у Дубинина.
Суммирование по интервалу дат
В диапазоне условий можно легко задать интервал дат для подсчета. Если интервал ограничен с двух сторон, то нужно будет задать два условия, связанных между собой логическим "И" - поэтому придется писать условия в одной строке, т.е. добавить еще один столбец с тем же названием Дата сделки:
В данном случае вычисляется сумма продаж Fanta за 2016 год и Фруктайм до 2016 года.
Условия для чисел
Для отбора по числовым критериям можно смело использовать обычные знаки неравенств >, <, >=, <= как и в обычных формулах Excel. Например, если нам нужно просуммировать все продажи любых видов колы, где сумма сделки была в интервале 500-600:
Исключения "все кроме"
Если нужно при суммировании исключить записи по какому-либо параметру, то можно использовать символы "<>" обозначающие "не равно" в синтаксисе Excel. Допустим, нам нужно просуммировать все данные по Fanta кроме Самары и по Квасу кроме Пензы - это будет выглядеть так:
Обратите внимание, что если нужно просуммировать Fant'у И Квас по всем городам, кроме Самары И Пензы, то конструкция таблицы условий будет уже немного другая - для каждого товара нужно исключить каждый город:
Заключение
Надеюсь, вы уже поняли, что функция БДСУММ является очень неплохим инструментом и, зачастую, более удобной альтернативой классическим функциям выборочного подсчета типа СУММЕСЛИ (SUMIF) и СУММЕСЛИМН (SUMIFS). Кроме того, в той же категории Работа с базой данных (Database) можно найти ее "подруг", вычисляющих не только сумму:
- БСЧЁТ (DCOUNTA) - количество непустых ячеек (в нашем случае - строк заказов)
- ДМИН (DMIN) - минимальное (например, худшая сделка)
- ДМАКС (DMAX) - максимальное (лучшая сделка)
- ДСРЗНАЧ (DAVERAGE) - среднее арифметическое (например, средний чек)
Ссылки по теме
- Выборочные вычисления по одному или нескольким условиям
- Расширенный фильтр и немного магии
- Суперфильтр на VBA
почему два раза начинается или тут какая та ошибка
Можно ли в одной ячейке сделать суммирование-2D, чтобы собрать сумму ремонта по 2017 году (2018, 2019 и т.д.), имея данные за несколько лет, разбитых помесячно?
[img]data:image/png;base64,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[/img]
в A1 оставить пустым, а в a2
Вычисления можно разносить по строкам и столбцам, аналогично обычному применению, но с единственным отличием., что заголовок критерия всегда остается не заполненным, несмотря на то что указывается
Способ интересен тем что комбинировать условие может оказаться проще, а также появляются дополнительные возможности, брать значения с определенных строк по номеру, учитывать длину текстовых значений , использовать массивы значений .... любые фантазии.
Хотел сказать, что последний пример "если нужно просуммировать Fant'у И Квас по всем городам, кроме Самары И Пензы" работает в такой конструкции только.
У вас сумма по Фанте и Квасу, не исключая города.
В самом последнем примере