当前位置:首页 > 文章列表 > 文章 > 软件教程 > Excel自定义移动平均函数教程

Excel自定义移动平均函数教程

2026-02-12 16:41:52 0浏览 收藏

哈喽!今天心血来潮给大家带来了《ExcelSCAN与LAMBDA创建自定义移动平均函数》,想必大家应该对文章都不陌生吧,那么阅读本文就都不会很困难,以下内容主要涉及到,若是你正在学习文章,千万别错过这篇文章~希望能帮助到你!

使用SCAN与LAMBDA函数可创建任意窗口期的移动平均,无需辅助列。通过SCAN遍历数据并用LAMBDA维护状态,结合SEQUENCE与INDEX实现高效滑动窗口计算,最终封装为可复用的MOVING_AVERAGE函数,支持动态数组实时更新。

ExcelSCAN与LAMBDA如何创建自定义移动平均函数_SCAN实现任意窗口期移动平均计算

在Excel中,使用SCAN与LAMBDA函数可以灵活创建自定义的移动平均函数,尤其适用于任意窗口期的动态计算。传统方法如OFFSET或AVERAGE常受限于固定结构,而SCAN配合LAMBDA提供了更简洁、可复用的解决方案。

理解SCAN与LAMBDA的基本作用

SCAN函数用于遍历数组并累积中间结果,其语法为SCAN(初始值, 数组, LAMBDA)。它会返回一个与原数组等长的结果数组,适合逐元素处理场景。

LAMBDA允许你定义自定义函数,无需VBA,直接在公式中封装逻辑。结合两者,可以在不使用辅助列的情况下实时计算移动平均。

构建任意窗口期的移动平均函数

核心思路是:利用SCAN记录最近N个数据点,并在每个位置计算其平均值。虽然SCAN本身不能直接滑动窗口,但可通过LAMBDA维护一个“状态”来模拟窗口行为。

例如,假设数据在A2:A100,想计算窗口期为3的移动平均:

  • 使用SCAN从第一个数据开始累积处理
  • 在LAMBDA中保留最近的3个值(通过数组拼接与截取)
  • 当累计数量不足窗口期时返回空或直接平均,达到后取最后N项均值

具体公式如下:

=DROP( SCAN("", A2:A100, LAMBDA(acc, x, LET( current, IF(ISNUMBER(acc), HSTACK(acc, x), x), len, COLUMNS(current), window, IF(len >= 3, INDEX(current,, SEQUENCE(,3,, -2)), current), AVERAGE(window) ) )), , -1)

说明:此例仅示意逻辑,实际需更精确控制窗口长度。更优方式是用INDEX和ROW组合追踪位置。

简化并通用化为可复用的LAMBDA函数

将逻辑封装成命名函数,比如叫MOVING_AVERAGE:

  • 参数包括数据范围和窗口大小(n)
  • 使用SEQUENCE生成索引,结合INDEX逐行提取前n个值
  • 避免使用HSTACK频繁扩展数组,提升性能

推荐实现方式:

=LAMBDA(data, n, BYROW(SEQUENCE(ROWS(data)), LAMBDA(i, IF(i

这个版本虽未使用SCAN,但在多数情况下更稳定高效。若坚持用SCAN模拟过程流,可结合计数器与条件判断,但复杂度更高,实用性略低。

基本上就这些。对于大多数用户,BYROW + SEQUENCE方式更直观可靠;SCAN + LAMBDA更适合需要状态传递的复杂累积场景。掌握这两种模式,就能应对各种动态计算需求。

终于介绍完啦!小伙伴们,这篇关于《Excel自定义移动平均函数教程》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

西瓜视频直播怎么开?手把手教学开通方法西瓜视频直播怎么开?手把手教学开通方法
上一篇
西瓜视频直播怎么开?手把手教学开通方法
关闭小米云服务影响及使用指南
下一篇
关闭小米云服务影响及使用指南
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    324次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    378次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    375次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    338次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    164次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码