跳至主要内容

数据透视表条件格式:两个实用方法

学习两种可靠的方法为数据透视表应用条件格式,并避免常见陷阱。
· 7分钟 阅读

使用 AI 探索

将条件格式应用到数据透视表,可以通过直观突出关键数据点来提升数据分析的价值,并增强表格的可读性。

在本教程中,我们将学习在 Excel 中为数据透视表应用条件格式的两种方法。我们还会列出需要注意的一些细节和潜在问题,以及相应的处理方式。

如果您需要快速回顾 Excel 基础知识,我们的 Introduction to Excel 课程会对您有所帮助。

如何为数据透视表应用条件格式

在 Excel 中为数据透视表应用条件格式有两种方法:

  • 从预设的规则类型和格式中选择
  • 使用专用的规则管理器。

两种方法都从以下步骤开始:

  • 选择要应用条件格式的其中一个单元格,
  • 打开 Excel 功能区的开始选项卡
  • 点击条件格式按钮。

第一种方法更直观,并为每种规则提供了预设格式。第二种方法自定义空间更大,可在一个位置访问所有选项、设置以及已创建的规则。

为练习两种方法,本教程将使用基于 Kaggle 源数据表构建的数据透视表——印度信用卡消费习惯:

基于印度信用卡消费习惯数据表的数据透视表。作者供图。

方法一:使用数据透视表的格式图标

来看如何实现第一种方法:从预定义的规则类型、规则和格式中进行选择。

  • 在数据透视表中选择一个感兴趣的单元格。
  • 打开 Excel 功能区的开始选项卡。
  • 点击条件格式按钮。
  • 选择预设选项:
    • 选择加粗显示的其中一种规则类型。
    • 按照出现的步骤选择规则和格式。
    • 点击出现在单元格右侧的格式选项图标。

您可以自定义诸如规则类型、条件(如大于或前 10 项)、字体颜色、单元格填充颜色、数字格式,甚至图标集等内容。

如何从预定义的条件格式规则类型与规则中进行选择。作者供图。

从预设条件格式规则中选择。作者供图

如何从预设格式中进行选择。作者供图。

从预设格式中选择。作者供图

如何在为数据透视表中的某个单元格设置条件格式规则后打开格式选项。作者供图。

打开格式选项。作者供图

如何使用格式选项图标将条件格式规则扩展到数据透视表中的所有单元格。作者供图。

将条件格式规则扩展到所有单元格。作者供图

方法二:使用条件格式规则管理器

现在,让我们用第二种方法来练习:在专用的规则管理器中设置规则类型、规则和格式,为数据透视表应用条件格式。

  • 在数据透视表中选择一个感兴趣的单元格。
  • 打开 Excel 功能区的开始选项卡。
  • 点击条件格式按钮。
  • 使用专用规则管理器:
    • 选择管理规则。
    • 点击新建规则按钮。
    • 在将规则应用于:部分选择第三个选项。
    • 选择一种规则类型。
    • 手动设置格式。

如何打开条件格式规则管理器。作者供图。

打开条件格式规则管理器。作者供图

如何在条件格式规则管理器中新建规则。作者供图。

在条件格式规则管理器中新建规则。作者供图

如何使用条件格式规则管理器将条件格式规则扩展到数据透视表中的所有单元格。作者供图。

将条件格式规则扩展到所有单元格。作者供图

如何在条件格式规则管理器中选择规则类型、构建规则并打开格式构造器。作者供图。

选择规则类型、构建规则并打开格式构造器。作者供图

如何在条件格式规则管理器中设置格式细节。作者供图。

设置格式细节。作者供图

如何在条件格式规则管理器中预览格式并确认新规则的创建。作者供图。

确认创建新规则。作者供图

注意事项

  1. 条件格式直接应用于数据透视表。无需在数据透视表所基于的原始 Excel 表上应用任何条件格式。
  2. 如果对底层数据表进行了任何更改,需要刷新数据透视表,以确保条件格式被正确应用。
  3. 在重新排列数据透视表布局或应用筛选器或切片器之后,条件格式规则仍然有效并按预期工作。
  4. 如果从数据透视表中移除了曾应用该格式的任何字段,则条件格式会丢失。

在更新源数据表后,如何刷新带有条件格式的数据透视表。作者供图。

在更新源数据表后刷新带条件格式的数据透视表。作者供图

结论

现在轮到您动手实践,尝试不同的条件格式技巧,以便在其他场景中取得更佳效果。我们的 Data Analysis in Excel 课程是继续精进技能的理想之选。

Elena Kosourova

作者

Elena Kosourova

IBM 认证数据科学家(2020)。此前曾在全球油气田担任石油地质学家/地质建模师,拥有 12 年以上国际工作经验。精通 Python、R 和 SQL。专长领域包括:数据清洗、数据处理、数据可视化、数据分析、数据建模、统计、数据叙事、机器学习。具备丰富的数据科学社区管理经验,并长期撰写与审校数据科学及职业发展相关的文章与教程。

主题