有序返回情況計算方法

❶ EXCEL查找指定數據並返回該數值進行計算

用數組公式，對品類群去重，

然後用SUMIF匯總，無需數據透視表。

假設第1圖核前拿的sheet名為Sheet1,品類群在D列，金悔首額在E列

第2表的A2

=INDEX(Sheet1!$D:$D,SMALL(IF(MATCH(Sheet1!$D$2:$D$1000&"",Sheet1!$D$2:$D$1000&""改搭,)=ROW(Sheet1!$D$2:$D$1000)-1,ROW(Sheet1!$D$2:$D$1000),65536),ROW(A1)))&""

數組公式，需要同時按CTRLSHIFT回車鍵，出現結果，然後下拉公式，可以事先多下拉點行數。

B2=SUMIF(Sheet1!D:D,A2,Sheet1!E:E)

下拉公式

❷ 常見查找和排序演算法

查找成功最多要n 次，平均（n+1）/2次， 時間復雜度為O(n) 。
優點：既適用順序表也適用單鏈表，同時對表中元素順序無要求，給插入帶來方便，只需插入表尾即可。
缺點：速度較慢。

改進：在表尾設置一個崗哨，這樣不用去循環判斷數組下標是否越界，因為最後必然成立。

適用條件：

二分查找的判定樹不僅是二叉排序樹，而且是一棵理想平衡樹。 時間復雜度為O(lbn) 。

循環實現

遞歸實現

待排序的元素需要實現 Java 的 Comparable 介面，該介面有 compareTo() 方法，可以用它來判斷兩個元素的大世握枝小關系。

從數組中選擇最小元素，將它與數組的第一個元素交換位置。再從數組剩下的元素中選擇出最小的元素，將它與數組的第二個元素交換位置。不斷進行這樣的操作，直到將整個數組排序。

選擇排序需要 ~N2/2 次比較和 ~N 次交換，==它的運行時間與輸入無關==，這個特點使得它對一個已經排序的數組也需要這么多的比較和交換操作。

從左到右不斷 交換相鄰逆序的元素 ，在一輪的循環之後，可以讓未排序的最大元素上浮到右側。

在一輪循環中，如果沒有發生交換，那麼說明數組已經是有序的，此時可以直接退出。

每次都 將當前元素插入到左側已經排序的數組中 ，使得插入之後左側數組依然有序。

對於數組 {3, 5, 2, 4, 1}，它具有以下逆序：(3, 2), (3, 1), (5, 2), (5, 4), (5, 1), (2, 1), (4, 1)，插入排序每次只能交換相鄰元素，令逆序數量減少 1，因此插入排序需要交換的次數為逆序數量。

==插入排序的時間復雜度取決於數組的初始順序，如果數組已經部分有序了，那麼逆序較少，需要的交換次數也就較少，時間復雜度較低==。

對於大規模的數組，插入排序很慢，因為它只能交換相鄰的元素，每次只能將逆序數量減少 1。希爾排序的出現就是為了解決插入排序的這種局限性，它通過交換不相鄰的元素，每次可以將逆序數量減少大於 1。

希爾排序使用插入排序對間隔 h 的序列進行排序。通過不斷減小 h，最後令 h=1，就可以使得整個數組是有序的。

希爾排序的運行時間達不到平方級別，使用遞增序列 1, 4, 13, 40, ... 的希爾排序所需要的比較次數不會超過 N 的若干倍乘於遞增序列的長度。後面介紹的高級排序演算法只會比希爾排序快兩倍左右。

歸並排序的思想是將數組分成兩部分，分別進行排序，然後歸並起來。

歸並方法將數組中兩個已經排序的部分歸並成一個。

將一個大數組分成兩個小數組去求解。

因為每次都將問題對半分成兩個子問題，這種對半分的演算法復雜度一般為 O(NlogN)。

先歸並那些微皮笑型數組，然後成對歸並得到的微型數組。

取 a[l] 作為切分元素，然後從數組的左端向右掃描直到找到第一個大於等於它的元素，再從數組的右端向左掃描找到第一個小於它的元素，交換這兩個元素。不斷進行這個過程，就可以保證左指針 i 的左側元素都不大於切分搜敏元素，右指針 j 的右側元素都不小於切分元素。當兩個指針相遇時，將切分元素 a[l] 和 a[j] 交換位置。

快速排序是原地排序，不需要輔助數組，但是遞歸調用需要輔助棧。

快速排序最好的情況下是每次都正好將數組對半分，這樣遞歸調用次數才是最少的。這種情況下比較次數為 CN=2CN/2+N，復雜度為 O(NlogN)。

最壞的情況下，第一次從最小的元素切分，第二次從第二小的元素切分，如此這般。因此最壞的情況下需要比較 N2/2。為了防止數組最開始就是有序的，在進行快速排序時需要隨機打亂數組。

因為快速排序在小數組中也會遞歸調用自己，對於小數組，插入排序比快速排序的性能更好，因此在小數組中可以切換到插入排序。

最好的情況下是每次都能取數組的中位數作為切分元素，但是計算中位數的代價很高。一種折中方法是取 3 個元素，並將大小居中的元素作為切分元素。

對於有大量重復元素的數組，可以將數組切分為三部分，分別對應小於、等於和大於切分元素。

三向切分快速排序對於有大量重復元素的隨機數組可以在線性時間內完成排序。

快速排序的 partition() 方法，會返回一個整數 j 使得 a[l..j-1] 小於等於 a[j]，且 a[j+1..h] 大於等於 a[j]，此時 a[j] 就是數組的第 j 大元素。

可以利用這個特性找出數組的第 k 大的元素。

該演算法是線性級別的，假設每次能將數組二分，那麼比較的總次數為 (N+N/2+N/4+..)，直到找到第 k 個元素，這個和顯然小於 2N。

堆中某個節點的值總是大於等於其子節點的值，並且堆是一顆完全二叉樹。

堆可以用數組來表示，這是因為堆是完全二叉樹，而完全二叉樹很容易就存儲在數組中。位置 k 的節點的父節點位置為 k/2，而它的兩個子節點的位置分別為 2k 和 2k+1。這里不使用數組索引為 0 的位置，是為了更清晰地描述節點的位置關系。

在堆中，當一個節點比父節點大，那麼需要交換這個兩個節點。交換後還可能比它新的父節點大，因此需要不斷地進行比較和交換操作，把這種操作稱為上浮。

類似地，當一個節點比子節點來得小，也需要不斷地向下進行比較和交換操作，把這種操作稱為下沉。一個節點如果有兩個子節點，應當與兩個子節點中最大那個節點進行交換。

將新元素放到數組末尾，然後上浮到合適的位置。

從數組頂端刪除最大的元素，並將數組的最後一個元素放到頂端，並讓這個元素下沉到合適的位置。

把最大元素和當前堆中數組的最後一個元素交換位置，並且不刪除它，那麼就可以得到一個從尾到頭的遞減序列，從正向來看就是一個遞增序列，這就是堆排序。

一個堆的高度為logN，因此在堆中插入元素和刪除最大元素的復雜度都為 logN。

對於堆排序，由於要對 N 個節點進行下沉操作，因此復雜度為 NlogN。

堆排序是一種原地排序，沒有利用額外的空間。

現代操作系統很少使用堆排序，因為它無法利用局部性原理進行緩存，也就是數組元素很少和相鄰的元素進行比較和交換。

計數排序的核心在於將輸入的數據值轉化為鍵存儲在額外開辟的數組空間中。作為一種線性時間復雜度的排序，==計數排序要求輸入的數據必須是有確定范圍的整數==。

當輸入的元素是 n 個 0 到 k 之間的整數時，它的==運行時間是 O(n + k)==。計數排序不是比較排序，排序的速度快於任何比較排序演算法。由於用來計數的數組C的長度取決於待排序數組中數據的范圍（等於待排序數組的最大值與最小值的差加上1），這使得計數排序對於數據范圍很大的數組，需要大量時間和內存。比較適合用來排序==小范圍非負整數數組的數組==。

桶排序是計數排序的升級版。它利用了函數的映射關系，高效與否的關鍵就在於這個映射函數的確定。為了使桶排序更加高效，我們需要做到這兩點：

同時，對於桶中元素的排序，選擇何種比較排序演算法對於性能的影響至關重要。

當輸入數據均勻分配到每一個桶時最快，當都分配到同一個桶時最慢。

實間復雜度N*K

快速排序是最快的通用排序演算法，它的內循環的指令很少，而且它還能利用緩存，因為它總是順序地訪問數據。它的運行時間近似為 ~cNlogN，這里的 c 比其它線性對數級別的排序演算法都要小。

使用三向切分快速排序，實際應用中可能出現的某些分布的輸入能夠達到線性級別，而其它排序演算法仍然需要線性對數時間。

❸ 如何在EXCEL中判斷判斷一個數值屬於多區間中的哪個部分，並按相應公式計算出對應數值並返回

=CHOOSE(SUM(N(A1>{0,10,50,100,200,500,1000,2000,5000})),A1*8%,A1*7%,A1*5%,A1*3%,A1*1.6%,A1*0.7%,A1*0.3%,A1*0.12%,A1*0.05%)

❹ 怎麼用spss來做有序多分類probit回

Probit回歸：
Probit回歸全稱probability unit，翻譯過來叫做概率單位法，蠻拗口的一個名字。這個回歸主要用於研究半數效量用的。直白一點說，就是比方你拿一種葯去葯蟑螂，你想知道你用多少葯能葯死多少蟑螂，那你就可以用probit回歸來估計這個數。Probit回歸經常拿來和logistic回歸作比較，通常對於二分類變數來說，這兩個回歸計算出來的概率是非常相似的。（雖然logistic回歸最後判斷的是是或否，但是它也需要計算一個概率來判斷這個結果倒是是還是否。）而且如果有一點數學基礎的話，會知道，這兩個回歸畫出來的圖也非常像，只是logistic回歸畫出來的Z型稍微平緩一些。
那麼這兩個回歸到底有什麼區別呢？通常來說區別不大。最重要的一個區別在於probit回歸適用於呈正態分布的數據，logistic回歸適用於呈logistic分布的數據。不過這個區別也蠻微妙的，因為正態分布和logistic分布還蠻像的。所以大概來講，到底是選擇哪個分布更多的還是一種個人喜好。
但是大家都知道啊，logistic分布比probit分布可有名多了。如果說十個從事大數據的人里邊有五個人知道logistic回歸，那麼有三個知道probit回歸就不錯了。在我們ppv課網站的spss視頻教學里邊，絕大部分都會講到logistic回歸，但是probit回歸就不見得有人講了。（順便說一句，我個人最喜歡spss從入門到精通這套課程，剛入門的時候就是聽得這套課。強烈推薦大家去聽一聽）。
那麼這是什麼原因呢？這絕不是probit不好用的原因。主要原因有兩個，第一，logistic回歸形式比較多。二分類，有序多分類，無序多分類，這些logistic回歸都可以做。這就好像我們ppv課網站提供了spss，sas，r，matlab，hadoop等等視頻，你可以從零基礎學到精通級別，肯定比較受歡迎哈。第二，則歸功於logistic回歸的易解釋性。Logistic回歸提供了一個很重要的參數，OR值，這個值很直接的告訴你處於某個狀態比處於另一個狀態時因變數發生的概率增加了多少倍。這當然是一個很重要很直觀的參數啦。就好像你每學一段時間以後，我們ppv課網站告訴你你的知識積累比之前增加了多少倍多少倍，這個肯定很重要撒。
因此呢，logistic回歸就比probit回歸應用的廣泛了。不過這並不是說logistic回歸就比probit回歸好。實際上，兩種回歸擬合的方程幾乎一樣好。不過，再怎麼幾乎一樣，那也肯定是有所不同的。可惜這種不同用你的肉眼一般是看不出來的，至於怎麼看，下邊在講。
好了，現在大概就介紹完probit回歸的背景知識了（絕對沒有湊字數）。現在我們開始操作。
首先假設一個情景，假設我們ppv課網站打算增加一定的課程，達到收視率增加百分之二十的目的，我們就有了三個變數，課程增加的數目（假設分為3,6,9三個水平），各個增加水平的課程數（比方加3節課，6節課，9節課的都是十個課程），各個水平的課程的收視率增加達到百分之二十的課程數（假設分別是3，5，6）。（這段真的有點繞，最好讀兩遍保證能看懂哪個變數是表示的什麼意思）。
那麼我們就有了一個3*3的數據集，選擇菜單分析——回歸——probit，打開主面板，響應頻率里選我們各個水平收視率增加達到百分之二十的課程數（也就是我們做實驗的課程里邊有多少課程成功達到了收視率增加的目標），觀測值匯總里邊選擇各個增加水平的總課程數，再下邊有一個因子，一個協變數。我們的自變數課程增加的水平是三節課一個台階，所以我們要選到協變數里邊去哈。（如果你的自變數是連續型變數，那你就得在因子下邊的那個定義范圍里邊選好范圍。）此外協變數下邊有一個轉換下拉菜單，這個菜單有三種方法，除了「無」以外，還有兩種對數轉換，你可以試試，你的數據到底怎麼轉換效果最好。完了以後，在左下邊還有一個模型：概率/logit，這個單選框里默認的是概率。也就是默認數據分布是正態的。這個也不用管它。
然後點開選項，勾選頻率，信仰置信區間，繼續，確定。
然後就可以看結果了。參數值和卡方檢驗這兩個表會告訴你這個模型有沒有意義，適不適合用probit回歸（如果想和logistic回歸作比較，就可以用這里的擬合度檢驗檢測）。此外置信限度這個很大的表會告訴你假如你想要你的課程收視率增加的概率是百分之八十的時候，你的課程要增加多少節課這么個數據。它大概是以百分之五為精度的。那如果我想知道增加百分之八十三，需要加多少節課的話，那麼我們就要用參數估計值里的參數進行計算了。
非線性回歸
自然界中既然有線性回歸，那麼理所當然的，也會有非線性回歸。不過，人類對於非線性回歸的研究遠遠不如對線性回歸的研究來的深刻，廣泛。不信你看一看你的spss教科書，線性回歸的內容可以洋洋灑灑寫一章，非線性回歸確佔一小節，還往往是比較薄的一節。
線性回歸指的是y=a+a1*x1+a2*x2…這種形式的方程，非線性回歸包含的方程類型就多得多了。常見的有，冪函數，指數函數，雙曲函數，對數函數等等。我們先舉個例子。假設想擬合ppv課授課老師的數目和網站受歡迎程度的關系。選擇分析——回歸——非線性。打開主對話框。因變數選擇網站受歡迎程度，模型表達式需要自己編輯。（我就挺怵這個的），首先我們知道，我們肯定不可能看一眼就看出我們的數據是什麼樣子的模型，我們可以通過圖形——圖表構建程序里邊，畫出散點圖，通過散點圖大致判斷我們的模型符合什麼樣的方程，然後在進一步使用（或者直接使用）參數估計法（前面講過的），估計出它的表達式。
估計出表達式以後，就可以編輯模型表達式了。編輯好以後看左下角的參數那一欄。你的模型里邊的參數是需要首先定義一個初始值的。這個初始值要盡量靠近真實值，如果離真實值太遠的話，也會影響到模型的准確度。看到這里，可能你要發脾氣了，這是個什麼模型？怎麼這么麻煩？！！要是我知道模型，知道初始值，那我還需要做分析嗎啊？！！唉，我也沒辦法，非線性回歸就是這么個玩意，總之你還是拿起你的筆，根據你的模型代幾組數據算一算大概的初始值吧。畢竟為了最後的精度嘛。
輸好初始值以後，打開保存對話框，勾選預測值，殘差。繼續，其他的默認就可以。點確定。
輸出的參數估計值會給出參數，套到你的模型里就可以。注意看方差分析表下邊的標注，里邊會給出決定系數R^2，這個R^2通常比參數估計法里的大，也就是說，非線性回歸的精度往往比參數估計法的大，模型擬合的好。（廢話，要是非線性回歸一點優勢也沒有，還有誰肯研究啊。）
上邊只是簡單介紹了一點非線性回歸的方法。實際生活中，非線性回歸比線性回歸遠遠復雜的多，不是一句兩句就能說清楚的，此外，還有一種很普遍的辦法是通過數學公式把非線性方程轉化成線性方程。這樣就能大大降低方程的復雜性。在這里，給大家總結了幾個常見的公式。

❺ 用遞歸方法寫出有序數組的二分查找演算法

什麼是二分查找？

二分查找也稱折半查找（Binary Search），它是一種效率較高的查找方法。但是，折半查找要求線性表必須採用順序存儲結構，而且表中元素按關鍵字有序排列。

二分查找優缺點

優點是比較次數少，查找速度快，平均性能好；

其缺點是要求待查表為有序表，且插入刪除困難。

因此，折半查找方法適用畝搭輪於不經常變動而查找頻繁的有序列表。
使用條件：查找序列是順序結構，有序。

過程

首先，假設表中元素是按升序排列，將表中間位置記錄的關鍵字與查找關鍵字比較，如果兩者相等，則枝此查找成功；否則利用中間位置記錄將表分成前、後兩個子表，如果中間位置記錄的關鍵字大於查找關鍵字，則進一步查找前一子表，否則進一步查找後一子表。重復以上過程，直到找到滿足條件的記錄，使查找成功，或直到子表不存在為止，此時查找不成功。

利用循環的方式實現二分法查找

public class BinarySearch {
public static void main(String[] args) {
// 生成一個隨機數組 int[] array = suiji();
// 對隨機數組排序 Arrays.sort(array);
System.out.println("產生的隨機數組為： " + Arrays.toString(array));

System.out.println("要進行查找的值： ");
Scanner input = new Scanner(System.in);
// 進行查找的目標值 int aim = input.nextInt();

// 使用二分法查找 int index = binarySearch(array, aim);
System.out.println("查找的值的索引位置： " + index);

}

/** * 生成一個隨機數組 *
* @return 返回值，返回一個隨機數組 */
private static int[] suiji() {
// random.nextInt(n)+m 返回m到m+n-1之間的隨機數 int n = new Random().nextInt(6) + 5;
int[] array = new int[n];
// 循環遍歷為數組賦值 for (int i = 0; i < array.length; i++) {
array[i] = new Random().nextInt(100);
}
return array;
}

/** * 二分法查找 ---循環的方式實現 *
* @param array 要查找的數組 * @param aim 要查找的值 * @return 返回值，成功返回索引，失敗返回-1 */
private static int binarySearch(int[] array, int aim) {
// 數組最小索引值 int left = 0;
// 數組最大索引值 int right = array.length - 1;
int mid;
while (left <= right) {
mid = (left + right) / 2;
// 若查找數值比中間值小，則以整個查找范圍的前迅信半部分作為新的查找范圍 if (aim < array[mid]) {
right = mid - 1;
// 若查找數值比中間值大，則以整個查找范圍的後半部分作為新的查找范圍 } else if (aim > array[mid]) {
left = mid + 1;
// 若查找數據與中間元素值正好相等，則放回中間元素值的索引 } else {
return mid;
}
}
return -1;
}}
運行結果演示：

總結：

遞歸相較於循環，代碼比較簡潔，但是時間和空間消耗比較大，效率低。在實際的學習與工作中，根據情況選擇使用。通常我們如果使用循環實現代碼只要不是太繁瑣都選擇循環的方式實現~

❻ 編寫無序順序表順序查找、有序順序表順序查找、二分查找演算法。用c語言。高分急求！

int IdxSerch(SeqList A[],IdxType index[],int b,KeyType k,int n) {
//分塊查找關鍵字為k的記錄，索引表為
index[0..b-1]
int low=0,high=b-1,mid,i;
int s=n/b; //每塊記錄個數
while(low<=high)
{
//在索引表中和首進行二分查找，找到的位置放在low中
mid=(low+high)/2;
if(index[mid].key<k) low=mid+1；
else high=mid-1;
}

if(low<b)
{
//在順序表中順序查找
for(i=index[low].link;i<=index[low].link+s-1 && i<n;i++)
if(A[i].key==k) return i;
return -1;
}
return -1;
}

typedef struct node
{
KeyType key;
//結點中的關鍵喚神數字
struct node *lchild,*rchild; //左、右孩子指針
}BsTree;

BsTree *BstSeareh(BsTree *BST,KeyType k ,BsTree **parent)
{
BsTree *p=BST,*q=NULL; //p指向根結點，q指向*p的雙親
while(p!=NULL)
{
if(k==p->key)
{ //查找成瞎皮功
*parent=q;
return (p);
}
q=p;
if(k<p->key) p=p->lchild；
//在左子樹中查找
else p=p->rchild; //在右子樹中查找
}
*parent=q;
return (p);
//查找失敗，返回空
}

❼ JAVA類方法的返回值

這問題問的，需要返回值的時候就返回值啊
比如一個方法，計算兩個整數相加後的結果，就應該返回一個整數型啊
public int add(int a,int b)//典型的需要返回值的
{
return a+b;
}
如果一個方法，只需要處理問題，而不需要返回處理結果，就不用返回,也就是void,比如下面這個方法，傳一個名字做參數，這個方法是向這個人問好的，就只需要問好，不需要返回值
public void sayHello(String name)
{
System.out.println("中午好"+name);
}
另外，一個方法雖然有返回值，但是可以不接收這個返回值。

❽ 如何進行Excel排序有序數計算

如何進行Excel排序有序數計算

排序是數據處理中的經常性工作，Excel排序有序數計算（類似成績統計中的名次）和數據重排兩類。本文以幾個車間的產值和名稱為例，介紹Excel 2000/XP的數據排序方法。

一、數值排序

1、RANK函數

RANK函數是Excel計算序數的主要工具，它的語法為：RANK（number，ref，order），其中number為參與計算的數字或含有數字的單元格，ref是對參與計算的數字單元格區域的絕對引用，order是用來說明排序方式的數字（如果order為零或省略，則以降序方式給出結果，反之按升序方式）。

例如要計算E2、E3、E4單元格存放一季度的總產值，計算各車間產值排名的方法是：在F2單元格內輸入公式 「=RANK（E2，$E:$E）」，敲回車即可計算出鑄造車間的產值排名是2。再將F2中的公式復制到剪貼板，選中F3、F4單元格按 Ctrl+V，就能計算出其餘兩個車間的產值排名為3和1。美文坊提醒大家如果B1單元格中輸入的公式為「=RANK（E2，$E:$E，1）」，則計算出的序數按升序方式排列，即2、1和3。相同數值用RANK函數計算得到的序數（名次）相同，但會導致後續數字的序數空缺。假如上例中F2單元格存放的`數值與F3相同，則按本法計算出的排名分別是 3、3和1（降序時）。

2、COUNTIF函數

COUNTIF函數可以統計某一區域中符合條件的單元格數目，它的語法為COUNTIF（range，criteria）。其中range為參與統計的單元格區域，criteria是以數字、表達式或文本形式定義的條件。其中數字可以直接寫入，表達式和文本必須加引號。

仍以上面的為例，F2單元格內輸入的公式為「=COUNTIF（$E:$E，」>「&E2）+1」。計算各車間產值排名的方法同上，結果也完全相同，2、1和3。

此公式的計算過程是這樣的：首先根據E2單元格內的數值，在連接符&的作用下產生一個邏輯表達式告塵，即「>176。7」、 「>167。3」等。COUNTIF函數計算出引用區域內符合條件的單元格數量，該結果加一即可得到該數值的名次。很顯然，利用上述方法得到的是降序排列的名次，對重復數據計算得到的結果與RANK函數相同。

3、IF函數

Excel自身帶有排序功能，可使數據以降序或升序方式重新排列。如果將它與IF函數結合，可以計算出沒有空缺的排名。以上例中E2、E3、E4單元格的產值排序為例，具體做法是：選中E2單元格，根據排序需要，單擊Excel工具欄中的「降序排序」或「升序排序」按鈕，即可使工作表中的所有數據按要求重新排列。

假如數據是按產值由大到小（降序）排列的，而您又想賦予每個車間從1到n（n為自然數）的排名。可以在G2單元格中輸入1，然後在G3單元格中輸入襪塌禪公式「=IF（E3=E2，G3，G3+1）」，只要將公式復制到G4等單元格，就可以計算出其他車間的產值排名。

二、文本排序

選舉等場合需要按姓氏筆劃為文本排序，Excel提供了比較好的解決辦法。如果您要將上例數據表按車間名稱的筆劃排序，可以使用以下方法：選中排序關鍵字所在列（或行）的首個單元格，單擊Excel「數衫行據」菜單下的「排序」命令，再單擊其中的「選項」按鈕。選中「排序選項」對話框「方法」下的「筆畫排序 」，再根據數據排列方向選擇「按行排序」或「按列排序」，「確定」後回到「排序」對話框。如果您的數據帶有標題行，則應選中「有標題行」（反之不選），然後打開「主要關鍵字」下拉列表，選擇其中的「單位」，選中排序方式（「升序」或「降序」）後「確定」，表中的所有數據就會據此重新排列。提醒大家此法稍加變通即可用於「第一名」、「第二名」等文本排序，請讀者自行摸索。

三、自定義排序

如果您要求Excel按照金工車間、鑄造車間和個人簡歷表格的特定順序重排工作表數據，前面介紹的幾種方法就無能為力了。這類問題可以用定義排序規則的方法解決：首先單擊Excel「工具」菜單下的「選項」命令，打開「選項」對話框中的「自定義序列」選項卡。選中左邊「自定義序列」下的「新序列 」，游標就會在右邊的「輸入序列」框內閃動，您就可以輸入「金工車間」、「鑄造車間」等自定義序列了，輸入的每個序列之間要用英文逗號分隔，或者每輸入一個序列就敲回車。如果序列已經存在於工作表中，可以選中序列所在的單元格區域單擊「導入」，這些序列就會被自動加入「輸入序列」框。提醒大家無論採用以上哪種方法，單擊「添加」按鈕即可將序列放入「自定義序列」中備用。

使用排序規則排序的具體方法與筆劃排序很相似，只是您要打開「排序選項」對話框中的「自定義排序次序」下拉列表，選中前面定義的排序規則，其他選項保持不動。回到「排序」對話框後根據需要選擇「升序」或「降序」，「確定」後即可完成數據的自定義排序。

需要說明的是：顯 示在「自定義序列」選項卡中的序列（如一、二、三等），均可按以上方法參與排序，請讀者注意Excel 提供的自定義序列類型。 ;

❾ 有序排列中，如何進行消序操作

當順序對排列的組合沒有影響時需要消序，當順序對排列的組合有影響時不用消序。

這里結合具體的例子來解釋：

求當甲乙丙三人握手的次數問題時，按照有序排列的方法可計算到消差3×2×1=6種，但實際握手中，甲乙握手與乙甲握手的情況是相同的，也就是說計算中有重復計算的次數，此時就需消序，出現這種問題的可能老察性為2×1=2，所以最終握手的次數應為6÷2=3種。

當甲乙丙坐座位時，此時的作為有三個，甲乙丙按照一定順序坐座位，那麼第一個位置是甲還是乙會對結果造成不同的影響，按照有序排列的方法可計算到3×2×1=6種，這六種方式是沒有重復情況的，所以不需要消序。

(9)有序返回情況計算方法擴展閱讀：

兩個常用的排列基本計數原理及應用

1、加法原理和分類計數法：

每一類中的每一種方法都可以獨立地完成此任務；兩類不同辦法中的具體方法，互不相同(即分類不重)；完成此任務的任何一種方法，都屬於某一類(即分類不漏)。侍橋茄

2、乘法原理和分步計數法：

任何一步的一種方法都不能完成此任務，必須且只須連續完成這n步才能完成此任務；各步計數相互獨立；只要有一步中所採取的方法不同，則對應的完成此事的方法也不同。

❿ 排列組合公式是什麼，舉例說一下謝謝怎麼計算

8個人里選4個人按順序坐在4個位置上
第一個位置可以8個人中選一個，有8種可能
第二個位置剩灶碰下7個人中選一個，有7種可能
第三個位置剩下6個人中選一個，有6種可能
第四個位置剩下5個人中選一個，隱或談有5種可能
所以，一共有8*7*6*5種可能，這是排列。
8個人里團兄選4個人不按順序 隨便坐在4個位置上
上面知道，按順序做有8*7*6*5種可能，假設選出的4個人分別是 甲乙丙丁
但是4次選擇順序中，甲乙丙丁、甲丙丁乙、丁丙乙甲...等是一樣的情況，都是這4個人隨便坐在位置上，選出的都是這4個人的情況有4*3*2*1
所以，一共有8*7*6*5 / (4*3*2*1) = 70種可能，這是組合
綜上，排列和組合的關鍵在於：
排列是有序的，公式為A（m,n） = m! / (m-n)！ = m* m-1 * m-2 *.........* m-n+1
組合是無序的，公式為C（m,n） = A(m,n) /A(n,n) = A(m,n) /n!