Công thức Excel: Tính tổng nếu bằng x hoặc y -

Mục lục

Tóm lược

Để tính tổng các số dựa trên các ô khác bằng giá trị này hoặc giá trị khác (x hoặc y), bạn có thể sử dụng hàm SUMIF. Trong chương trình ví dụ, chúng tôi đang tổng hợp tất cả doanh số bán hàng từ miền Tây HOẶC miền Bắc. Công thức trong ô H6 là:

=SUMIF(region,"West",amount)+SUMIF(region,"North",amount)

Trong đó vùng (C5: C30) và số lượng (E5: E30) là các dải được đặt tên.

Giải trình

Trong ví dụ được hiển thị, chúng tôi muốn tính tổng số tiền cho cả hai miền Tây và Bắc. Nói cách khác, chúng tôi muốn tổng số cho các số tiền có khu vực là Tây hoặc Bắc. Trong ví dụ được hiển thị, công thức trong H6 sử dụng SUMIFS hai lần:

=SUMIF(region,"West",amount)+SUMIF(region,"North",amount)

SUMIF đầu tiên tính doanh số bán hàng ở miền Tây và SUMIF thứ hai tính doanh số bán hàng ở miền Bắc. Sau đó, công thức cộng hai giá trị này với nhau và trả về tổng.

SUMIF với một hằng số mảng

Một giải pháp thanh lịch hơn là cung cấp cho hàm SUMIF nhiều hơn một giá trị cho tiêu chí, sử dụng một hằng số mảng. Để làm điều này, hãy xây dựng một SUMIF bình thường, nhưng đóng gói các tiêu chí trong cú pháp mảng - dấu ngoặc nhọn, với các mục riêng lẻ được phân tách bằng dấu phẩy. Cuối cùng, bọc toàn bộ hàm SUMIF trong hàm SUM. Điều này là cần thiết vì SUMIF sẽ trả về một kết quả cho mỗi mục trong mảng tiêu chí và các kết quả này cần được thêm vào với nhau:

Công thức trong ô H7 là:

=SUM(SUMIF(region,("West","North"),amount))

Tiêu chí tham khảo

Nếu bạn muốn cung cấp tiêu chí dưới dạng phạm vi (tham chiếu), bạn sẽ cần nhập dưới dạng công thức mảng với control + shift + enter:

(=SUM(SUMIF(region,criteria,amount)))

trong đó tiêu chí là một phạm vi như A1: A2.

Thay thế SUMPRODUCT

Bạn cũng có thể sử dụng SUMPRODUCT để tính tổng các ô có logic HOẶC. Công thức trong ô H8 là:

=SUMPRODUCT(amount *((region="West") + (region="North")))

Điều này cũng có thể được viết là:

=SUMPRODUCT(amount*(region=("West","North")))

SUMPRODUCT không nhanh bằng SUMIF, nhưng sự khác biệt về tốc độ không đáng chú ý với các tập dữ liệu nhỏ hơn.

thú vị bài viết...