当前位置:首页 > 文章列表 > 文章 > 软件教程 > 透视表轻松统计考勤与迟到早退

透视表轻松统计考勤与迟到早退

2026-05-29 09:22:34 0浏览 收藏
本文详细介绍了如何利用Excel数据透视表高效完成考勤统计与迟到早退汇总,从原始打卡数据清洗(通过Power Query转为标准一维格式)、构建透视表自动提取每日最早/最晚打卡时间,到添加智能公式判断迟到、早退、缺勤等异常状态,再到用条件格式直观高亮问题记录——整套方法无需编程,操作清晰、可复用性强,特别适合HR或行政人员快速实现结构化、可视化、可筛选的考勤分析,大幅提升日常考勤管理效率与准确性。

透视表怎么做考勤统计_迟到早退汇总计算【行政管理】

如果您拥有员工每日打卡原始数据,但需要快速汇总迟到、早退、缺勤等异常情况,则可借助Excel数据透视表实现结构化统计。以下是完成该任务的具体步骤:

一、准备标准化一维打卡数据表

透视表要求数据为“扁平化”结构,即每人每次打卡占一行,含员工姓名、日期、打卡时间三列。若原始数据为多列时间(如早/晚各一列),需先转为一维格式。

1、选中原始打卡区域(含姓名、日期、打卡时间列),点击【数据】→【从表格/区域】,勾选“表包含标题”,创建Power Query连接。

2、在Power Query编辑器中,选中打卡时间列,点击【转换】→【拆分列】→【按分隔符】,选择空格或制表符分离日期与时间。

3、保留姓名、日期、时间三列,其余列删除;全选→【主页】→【删除重复项】确保无冗余记录。

4、点击【主页】→【关闭并上载】,将清洗后的一维数据载入新工作表。

二、构建基础透视表并提取上下班时间

通过透视表自动识别每位员工每日最早与最晚打卡时间,分别对应上班与下班记录,为后续判断提供依据。

1、选中清洗后的一维数据表任意单元格,点击【插入】→【数据透视表】→选择新工作表。

2、将“姓名”拖至【行】区域,“日期”也拖至【行】区域(置于“姓名”下方)。

3、将“打卡时间”字段拖入【值】区域两次;双击第一个“打卡时间”字段,在弹出窗口中将【值字段设置】→【汇总方式】改为“最小值”,【数字格式】设为“时间”。

4、双击第二个“打卡时间”字段,将【汇总方式】改为“最大值”,【数字格式】同样设为“时间”。

5、右键透视表任意时间值→【值字段设置】→重命名:第一个为最早打卡,第二个为最晚打卡。

三、添加计算列判断迟到早退状态

在透视表源数据表(非透视表本身)中新增辅助列,使用逻辑公式标记每条记录的异常类型,再将其纳入透视分析。

1、在清洗后的一维数据表右侧空白列(如D列)输入列标题“异常类型”。

2、在D2单元格输入公式:=IF(AND(A2=A1,C2"",C1""), "", IF(C2(假设标准上班时间为8:30,下班时间为17:30)。

3、向下填充该公式至全部打卡记录行;对重复姓名同日多条记录,仅首条有效,其余留空以避免重复计数。

4、将“异常类型”列拖入透视表【值】区域,汇总方式设为“计数”;再拖入【筛选器】区域以便按异常类型动态筛选。

四、设置条件格式高亮异常值

在透视表结果中直接可视化呈现关键问题,便于行政人员快速定位高频异常人员或时段。

1、选中透视表中“最早打卡”和“最晚打卡”两列数值区域(不含标题行)。

2、点击【开始】→【条件格式】→【新建规则】→【使用公式确定要设置格式的单元格】。

3、输入公式:=$C2>TIME(8,30,0),设置格式为红色背景+白色字体,应用于“最早打卡”列对应区域。

4、再次新建规则,输入公式:=$D2,设置相同格式,应用于“最晚打卡”列对应区域。

五、生成部门级迟到早退汇总报表

将统计维度从个人扩展至组织层级,满足行政管理中跨部门对比分析需求。

1、在原始一维数据表中新增“部门”列,确保每条打卡记录均关联所属部门(可从员工主表VLOOKUP补全)。

2、新建一个透视表,将“部门”拖至【行】区域,“异常类型”拖至【列】区域,“姓名”拖至【值】区域并设为“计数”。

3、右键透视表任意数值单元格→【值显示方式】→【显示值为】→【%列汇总】,即可获得各部门迟到、早退占本部门总异常的比例。

4、将“日期”字段拖入【筛选器】区域,可按月、周灵活筛选统计周期,输出当月各部门迟到率TOP3等管理看板指标。

理论要掌握,实操不能落!以上关于《透视表轻松统计考勤与迟到早退》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

NTP时钟倒流影响time.After性能NTP时钟倒流影响time.After性能
上一篇
NTP时钟倒流影响time.After性能
Golang实现API Webhook通知教程
下一篇
Golang实现API Webhook通知教程
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。
    226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。
    273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。
    235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。
    219次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    209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