关于【同比和环比的区别】，同比增长率怎么算，今天向乾小编给您分享一下，如果对您有所帮助别忘了关注本站哦。

1、同比和环比的区别

在统计中，同比和环比用于表示某一事物在对比时期内发展变化的方向和程度。

同比和环比的区别是：

同比：以历史同期为基期，例如2010年12月份与2009年12月份、2010年上半年与2009年上半年的比较。

环比，以前一个统计时间段为基期，例如2010年12月份与2010年11月份、2010年四季度与2010年三季度的比较。

本期同比增长（下降）率计算公式：

本期同比增长（下降）率(%) = (本期价格/上年同期价格-1) × 100%。

说明：（1）如果计算值为正值（+），则称增长率；如果计算值为负值（-），则称下降率。（2）如果本期指本日、本周和本月，则上年同期相应指上年同日、上年同周和上年同月。

本期环比增长（下降）率计算公式：

本期环比增长（下降）率(%) = (本期价格/上期价格-1 )× 100%。

说明：（1）如果计算值为正值（+），则称增长率；如果计算值为负值（-），则称下降率。（2）环比分为日环比、周环比、月环比和年环比。如果本期指本日、本周、本月和本年，则上期相应指上日、上周、上月和上年。

2、一次性学懂Excel中的Power Query和Power Pivot使用

传统的Excel单表虽然可以有100万行数据的承载量，但是在实际分析时，20万行的数据就已经让传统的Excel非常吃力了。

但是，如果使用Excel中的Power Query和Power Pivot商务智能组件，即使是上百万行数据，也可以在短时间内快速完成处理和分析。

Power Query在Excel和Power BI Desktop中都是内置组件，并且管理界面和知识体系保持了高度一致。

其实，Power BI中的Power Query和Power Pivot最早是以Excel为载体的。

换句话说，Power BI中的Power Query和Power Pivot组件的功能和语法等方面都是一样的。

Power Query是用来做数据的获取和清洗的组合，Power Pivot是用来做数据建模与计算分析的。

这两个组件分别对应强大的函数式语言：M语言和DAX语言。

这两个组件在Excel和Power BI中是通用的，正是这两个内置组件，使得Excel这个传统的分析工具越来越商务化，越来越智能化。

相对于Power BI，在Excel中使用Power Query和Power Pivot的应用场景更加灵活，人群更广、效率更高，能适应更多的应用场景。

那么，有没有一本书可以一次性讲解Power Query和Power Pivot在Excel中的使用呢？

答案是：《Excel商务智能：Power Query和Power Pivot数据清洗、建模与分析实战》。

通过学习这本书，你可以：

获得1种技能：智能高效的数据分析技能

掌握2种核心知识：M函数和DAX函数

掌握2个分析工具：Excel和Power BI

内容简介

本书主要介绍Excel商务智能组件Power Query和Power Pivot在数据分析方面的应用。

全书共11章：

• 第1章介绍Excel中的Power Query和Power Pivot两大商务智能组件及其功能；
• 第2章至第6章介绍如何使用Power Query来获取数据并进行处理，主要包含Power Query的基本操作、M函数和M公式的基础知识、常用的M函数，以及数据处理的综合案例；
• 第7章至第11章介绍如何使用Power Pivot进行数据建模和分析，主要包含Power Pivot的基本操作、数据模型的建立、多维数据集函数与Power Pivot数据模型、DAX表达式的基础知识和进阶知识、常用的DAX函数，以及数据分析的综合案例。

本书紧贴实际应用场景，深入浅出地介绍了Excel商务智能组件强大的数据处理和建模分析能力。

为了方便读者学习，本书针对一些综合性强及存在难点的章节录制了配套视频。

通过阅读本书，读者可以更加高效地进行数据分析工作。

本书特色

01.紧贴实际应用场景，介绍Power Query和Power Pivot在数据分析方面的应用（50+个实例）

02.针对综合性强和难点章节配有视频（超过25节共1G+视频讲解）

03.免费入本书交流群，与作者互动。

根据本书封底“读者服务”提示，即可加入本书读者交流群，不懂随时问，作者免费在线为您答疑。

本书目录

<向上滑动查看更多详细目录>

第1章 Excel：你的职场生产力工具

1.1 你所不知道的Excel分析“利器”

1.2 从Excel到Power BI，只需要一步

第2章 认识Power Query编辑器

2.1 初识Power Query

2.2 编辑器管理界面介绍

2.3 创建查询的方法

2.4 数据源路径的修改与设置

2.5 数据上载与刷新

第3章 Power Query的基本操作实例

3.1 入门基础知识

3.1.1 数据类型的设置

3.1.2 标题的升降设置

3.1.3 “转换”与“添加列”选项卡中的功能

3.2 删除行或列操作

3.2.1 选择列与删除列

3.2.2 删除行与保留行

3.2.3 通过筛选器删除行

3.3 添加列操作

3.3.1 简单快速地添加条件列

3.3.2 为行添加自定义序号

3.3.3 添加自定义列

3.4 拆分列与合并列操作

3.4.1 实例1：按分隔符拆分列

3.4.2 实例2：按字符数拆分列

3.4.3 实例3：按位置拆分列

3.4.4 实例4：其他拆分列的方法

3.4.5 合并列常用的方法

3.5 透视列与逆透视列操作

3.5.1 一维表和二维表

3.5.2 实例1：一维表转二维表

3.5.3 实例2：二维表转一维表

3.5.4 实例3：含有多重行/列表头的数据清洗

3.6 提取文本值中指定字符的操作

3.6.1 实例1：按指定的长度提取文本值中指定的字符

3.6.2 实例2：按分隔符的位置提取文本值中指定的字符

3.7 数学运算和分组统计

3.7.1 聚合运算的操作

3.7.2 实例1：活用“选择性粘贴”功能处理考试成绩

3.7.3 实例2：使用分组统计功能快速计算各部门的数据

3.8 追加查询与合并查询

3.8.1 实例1：使用追加查询批量合并多个Excel工作表数据

3.8.2 认识合并查询的6种类型

3.8.3 实例2：使用合并查询完成各种数据匹配

第4章 M函数和M公式基础入门

4.1 M函数和M公式介绍

4.1.1 M函数和M公式

4.1.2 主要的M函数类型

4.1.3 常用的数据类型

4.1.4 运算符

4.1.5 如何查看函数帮助

4.2 三大数据结构

4.2.1 列表

4.2.2 记录

4.2.3 表

4.2.4 数据结构的组合和深化

4.2.5 数据结构的扩展

4.3 数据结构之间的相互转换

4.3.1 List和Record之间的转换

4.3.2 Table和List之间的转换

4.3.3 Table和Record之间的转换

4.4 M公式中常用的语句

4.4.1 let…in…语句

4.4.2 条件分支语句

4.4.3 容错语句try…otherwise…

4.4.4 each _与(x)=>的关系

4.4.5 为公式添加注释

第5章 常用的M函数实战详解

5.1 各种数据类型之间的相互转换

5.1.1 将值转换为文本

5.1.2 将值转换为数值

5.1.3 将值转换为日期

5.2 List和Table的批量转换实战

5.2.1 批量转换函数List.Transform的实际应用

5.2.2 批量转换函数Table.TransformColumns的实际应用

5.3 获取和删除各种数据实战

5.3.1 使用Table.Skip函数和Table.SelectRows函数筛选行

5.3.2 获取和删除指定文本值中的指定字符

5.3.3 获取和删除列表中的元素

5.4 各种数据结构的拆分、合并、截取和替换实战

5.4.1 实例1：表的拆分与合并应用

5.4.2 实例2：列表的拆分与合并应用

5.4.3 实例3：拆分和提取文本值中的数值并求和

5.4.4 对文本值进行截取的函数

5.4.5 实例4：批量替换和有条件地批量替换文本值

5.4.6 实例5：使用List.Zip函数批量更换标题及制作工资条

5.5 判断文本值和列表中是否包含指定的内容

5.5.1 实例1：对任意组合的条件值求和

5.5.2 实例2：根据标准答案计算多选题的得分

5.6 分组函数Table.Group及其应用

5.6.1 Table.Group函数和常规分组计算

5.6.2 实例：条件分组计算和数据清洗整理获奖数据

5.7 参数与自定义函数

5.7.1 参数的设置方法

5.7.2 实例：创建和调用自定义函数将一列拆分为多列

第6章 Power Query综合实战

6.1 数据获取综合实战

6.1.1 实例1：获取并合并Excel工作簿中的多个工作表的数据

6.1.2 实例2：获取并合并多个文件夹下的Excel工作簿中的数据

6.1.3 实例3：获取网页中的表格数据

6.1.4 实例4：获取CSV或TXT文件数据

6.1.5 实例5：实时获取数据库中的数据

6.2 数据转换综合实战

6.2.1 实例1：将复杂的二维调薪表转换为一维明细表

6.2.2 实例2：高效快速地清洗零乱的考勤数据

6.2.3 实例3：同时拆分组合的供应商中文名称和英文名称

6.2.4 实例4：批量提取Excel工作簿中不规则的防疫数据

第7章 认识Power Pivot与DAX

7.1 Power Pivot介绍

7.1.1 认识Power Pivot

7.1.2 从数据透视表的不重复计算说起

7.1.3 在Excel中加载Power Pivot

7.1.4 认识Power Pivot的管理界面

7.2 Power Pivot的数据获取方式

7.2.1 从表格/区域和Power Query导入数据

7.2.2 从Excel文件导入数据

7.2.3 从文本文件导入数据

7.2.4 从剪切板导入数据

7.2.5 从数据库导入数据

7.3 认识数据分析表达式DAX

7.3.1 常用的DAX函数类型

7.3.2 DAX中的数据类型与运算符

7.3.3 创建DAX表达式时表和列的引用方式

第8章 Power Pivot和DAX基础知识

8.1 理解计算列与度量值

8.1.1 依附于数据表的计算列

8.1.2 能适应各种环境的度量值

8.1.3 度量值与数据透视表的计算字段

8.1.4 如何选择度量值与计算列

8.1.5 管理度量值

8.2 数据模型与表间关系

8.2.1 理解Power Pivot的数据模型

8.2.2 多表操作时表间关系的建立和管理

8.2.3 表、列和度量值的隐藏

8.2.4 LOOKUPVALUE函数介绍

8.2.5 RELATED函数与RELATEDTABLE函数介绍

8.3 DAX的基础函数

8.3.1 以SUMX为代表的结尾带有X的聚合函数

8.3.2 筛选函数FILTER和逻辑运算符

8.3.3 DAX中最重要的CALCULATE函数

8.3.4 CALCULATE函数的筛选器的选择

8.3.5 VALUES函数和DISTINCT函数

8.3.6 初识ALL函数和ALLEXCEPT函数

8.4 初识计值上下文

8.4.1 初识筛选上下文

8.4.2 创建筛选上下文

8.4.3 初识行上下文

8.4.4 行上下文转换

8.5 CALCULATE函数的调节器

8.5.1 删除筛选器的ALL函数

8.5.2 追加筛选的KEEPFILTERS函数

8.5.3 激活关系的USERELATIONSHIP函数

第9章 DAX进阶知识和常见应用

9.1 Power Pivot和数据透视表

9.1.1 实例1：在数据透视表中使用自定义排序：按列排序

9.1.2 实例2：在数据透视表中创建KPI规则——设置“条件格式”

9.2 在DAX中使用VAR变量

9.2.1 关于VAR变量

9.2.2 使用变量时应该避免的错误

9.3 常见的DAX函数和实际案例应用

9.3.1 实例1：使用CONCATENATEX函数进行文本值透视

9.3.2 实例2：使用ALLSELECTED函数动态地计算各类占比

9.3.3 实例3：使用RANKX函数动态地计算各类排名

9.3.4 实例4：自定义数据透视表标题行完成复杂的报表

9.4 DAX作为查询工具的实际应用

9.4.1 数据查询和EVALUATE

9.4.2 实例1：使用ADDCOLUMNS函数建立查询表

9.4.3 实例2：使用SELECTCOLUMNS函数建立查询表

9.4.4 实例3：使用SUMMARIZE和SUMMARIZECOLUMNS函数分组汇总数据

9.5 Power Pivot数据模型与多维数据集函数

9.5.1 认识CUBE类函数

9.5.2 实例1：使用CUBEVALUE函数提取Power Pivot数据模型中的数据

9.5.3 实例2：使用“切合器+CUBEVALUE函数”动态提取Power Pivot数据模型中的数据

第10 章时间智能计算

10.1 认识时间智能函数和日期表

10.1.1 时间智能函数与日期函数

10.1.2 日期表的创建与标记

10.1.3 与时间智能函数相关的常用计算指标

10.2 常见的时间智能计算

10.2.1 实例1：年初、季初与月初至今计算

10.2.2 实例2：各类同比与环比的计算

10.2.3 实例3：动态移动平均分析模型

第11章 Power Pivot综合实战

11.1 实例1：TOP-N门店销售和利润贡献度分析模型

11.2 实例2：折扣比例分组（分区间）分析模型

11.3 实例3：动态ABC分类分析模型（帕累托分析模型）

11.4 实例4：RFM客户价值分析模型

11.5 实例5：员工在职、入职、离职和离职率的计算模型

大咖力荐

20位Excel和Power BI大咖联袂力荐，既说明了Power Query和Power Pivot在数据清洗、建模与分析方面的重要性和前沿性，也说明了各位大佬对本书的内容的认可！

适读人群

本书适合有一定基础的Excel用户和Power BI用户阅读，可以作为销售、客服、采购、仓储、物流、人力资源、财务、电商等相关岗位职场人士的参考用书，也适合Excel爱好者、数据“发烧友”、在校大学生及经常和数据打交道的朋友阅读。

扫码了解本书详情

本文关键词：同比和环比的区别计算公式，同比和环比的区别举例说明，环比怎么算，同比和环比的区别百度百科，什么叫同比,什么叫环比。这就是关于《同比和环比的区别，同比增长率怎么算（一次性学懂Excel中的Power）》的所有内容，希望对您能有所帮助！更多的知识请继续关注《犇涌向乾》百科知识网站：http://www.029ztxx.com！