Намери подобно съдържание

✅ Excel Interview Questions with Answers📊💼 1️⃣ How do you clean a messy dataset in Excel? Steps: - TRIM() → removes extra spaces =TRIM(A1) - CLEAN() → removes non-printable characters =CLEAN(A1) - Remove Duplicates → Data → Remove Duplicates - Text to Columns → split data - Find & Replace (Ctrl+H) → fix values - Filter → remove blanks or errors 2️⃣ Absolute vs Relative References Relative (A1) → changes when copied Absolute ($A$1) → stays fixed When to use: - Relative → normal calculations - Absolute → fixed values (tax rate, constants) 3️⃣ Create PivotTable for Sales Analysis Steps: 1. Select data 2. Insert → PivotTable 3. Drag: Region → Rows, Product → Columns, Sales → Values Used for fast data summarization. 4️⃣ VLOOKUP Formula + #N/A Fix Formula: =VLOOKUP(A2, Sheet2!A:B, 2, FALSE) Fix #N/A: - Check lookup value exists - Match data types Use: =IFERROR(VLOOKUP(A2, A:B, 2, FALSE),"Not Found") 5️⃣ INDEX-MATCH vs VLOOKUP VLOOKUP:=VLOOKUP(A2,A:B,2,FALSE) INDEX-MATCH:=INDEX(B:B, MATCH(A2,A:A,0)) ✅Why INDEX-MATCH? - Faster for large data - Works left lookup - More flexible 6️⃣ COUNTIF vs SUMIF vs COUNTIFS COUNTIF → count condition =COUNTIF(A:A,"East") SUMIF → sum condition =SUMIF(A:A,"East",B:B) COUNTIFS → multiple conditions =COUNTIFS(A:A,"East",B:B,">500") 7️⃣ Goal Seek Used for what-if analysis. Steps: 1. Data → What-if Analysis → Goal Seek 2. Set cell → target value 3. Change variable cell Example: target revenue calculation. 8️⃣ Conditional Formatting Top 10% Steps: Select data Home → Conditional Formatting Top/Bottom Rules → Top 10% 9️⃣ Dynamic Dashboard + Slicers Create PivotTable Insert → Slicer Insert → Timeline (for dates) Connect slicers to multiple visuals Used for interactive dashboards. 🔟 SUMPRODUCT (Multi-condition sum) =SUMPRODUCT((A2:A10="East")(B2:B10>500)C2:C10) Used for weighted or multiple-condition calculations. 1️⃣1️⃣ What is Power Query? Excel’s ETL tool. Steps: - Get Data → Load data - Remove columns - Change types - Remove duplicates - Load cleaned data Used for automation and transformation. 1️⃣2️⃣ Freeze Panes vs Split Panes Freeze Panes → lock rows/columns while scrolling Split Panes → divide screen into sections 1️⃣3️⃣ XLOOKUP vs VLOOKUP XLOOKUP:=XLOOKUP(A2,A:A,B:B) ✅Advantages: - Left lookup - No column index - Default exact match - Handles errors 1️⃣4️⃣ Circular References Fix Occurs when formula refers to itself. Fix: Formulas → Error Checking → Circular References Correct formula logic 1️⃣5️⃣ Data Validation + Named Range Steps: 1. Formulas → Define Name 2. Data → Data Validation → List 3. Select named range Used for dropdown lists. Excel Resources: https://whatsapp.com/channel/0029VaifY548qIzv0u1AHz3i Double Tap ♥️ For More

🚀Top 50 Data Analyst Interview Questions📊💼 ▎📊EXCEL Questions 1. Can you show me how you'd clean this messy dataset in Excel? What functions like TRIM or Remove Duplicates would you use? 2. What's the difference between absolute ($A$1) and relative (A1) references? When do you use each? 3. Walk me through creating a PivotTable to analyze sales by region and product. What are the exact steps? 4. Write a VLOOKUP formula right now. What if you get #N/A? How do you fix it? 5. Why use INDEX-MATCH over VLOOKUP? Show me both formulas for this lookup. 6. What's COUNTIF vs SUMIF vs COUNTIFS? Write formulas for conditional sales totals. 7. How does Goal Seek work? Demo target revenue scenario on this data. 8. Apply conditional formatting to highlight top 10% sales performers. Which rule? 9. Build me a dynamic dashboard. How do slicers and timelines work together? 10. Explain SUMPRODUCT. Write formula for multi-condition sales sum. 11. What's Power Query? Show basic ETL steps for cleaning data. 12. Freeze panes vs split panes—when do you use each? 13. XLOOKUP vs VLOOKUP advantages? Write both for this example. 14. How do you find and fix circular references in formulas? 15. Create data validation dropdown + named ranges. Demo it. ▎🗄️SQL Questions 16. Write query for 2nd highest salary from Employee table. Use subquery OR window function. 17. INNER JOIN vs LEFT JOIN vs FULL JOIN? Write examples for employees + departments. 18. Find and remove duplicate records. Use CTE + ROW_NUMBER() or GROUP BY. 19. WHERE vs HAVING with GROUP BY? Show department-wise avg salary > 50k. 20. RANK() vs DENSE_RANK() vs ROW_NUMBER()? Partition by dept, order by salary. 21. Top 5 products by total sales. Write complete query with GROUP BY + LIMIT. 22. Self-join for employee-manager hierarchy. Show employee name + manager name. 23. Handle NULL salaries. Use COALESCE, IS NULL, IFNULL examples. 24. Pivot sales data by month using CASE statements. Write query. 25. Subquery vs JOIN—which is faster for this scenario? Why? 26. Recursive CTE for company hierarchy (CEO → managers → employees). 27. Clustered vs non-clustered indexes? When does each improve performance? ▎🎨Tableau Questions 28. {FIXED [Region]: SUM([Sales])}—what's this LOD doing? Write region total ignoring filters. 29. Create dual-axis chart comparing sales vs profit trends. Exact steps? 30. Data blending vs joining? When do you use each approach? 31. Parameters vs filters? Write calculated field using parameter. 32. Build dashboard with filter action + highlight action. Demo flow. 33. % of total calculated field? Write formula for region sales %. 34. FIXED vs INCLUDE vs EXCLUDE LOD? Give 3 examples. 35. Tableau Extracts vs Live connection? Performance + refresh differences? ▎⚡Power BI Questions 36. CALCULATE(SUM(Sales), SAMEPERIODLASTYEAR())—explain this DAX. YoY growth? 37. Measures vs Calculated Columns? When do you use each? Write both. 38. Star schema vs Snowflake? Draw relationships for sales → products → customers. 39. Power Query: Write M code for custom column parsing dates. 40. Implement Row-Level Security (RLS). Show DAX for region manager filter. 41. DirectQuery vs Import mode? Pros/cons + when to choose each? 42. TOTALYTD(SUM(Sales))—explain time intelligence DAX. 43. Dashboard loads slow. Optimization steps? Aggregations + query folding? ▎🐍Python/Pandas Questions 44. Group sales by region and sum: write pandas code. .reset_index() 45. pd.merge(df1, df2, on='ID', how='inner')—explain all merge types. 46. Three ways to handle NaN values: fillna(), dropna(), interpolate(). 47. loc[] vs iloc[]? Filter sales > 1000 by region vs first 5 rows. 48. pivot_table() vs groupby()? Reshape sales by month/product. 49. Read 1GB CSV without crashing: chunksize=10000 example. 50. df['New'] = df['Sales'].apply(lambda x: x*1.1)—alternatives to apply? Double Tap ♥️ For More

N 斑駁的牆面 懷舊的木椅 只要把畫面想像成穿越時代 想像自己在回憶的感覺 就能讓照片很有意境 這裡置中的效果 以及人物環抱雙腳並縮起 緊靠在座椅 閉起雙眼微微側臉並抬頭 彷彿人沉浸在環境中 抑或是 站立姿勢 側邊站立 一手輕輕擺在頭上45度角 手掌朝前 輕閉雙眼 像在陽光沐浴般的感覺也是很搭，這時調整光影的變化 就可以很有效果 #N 也不要忘了支持一下 開車群 和 專屬頻道呦🥰

N 每次看到咖啡店裡 站在櫃台後面是為美美的闆娘 用認真的眼神 像是呵護般 沖泡出氣味香濃的咖啡時 那個姿態 總是迷住了我的視線 深邃的大眼與黑髮，簡單稍作點造型，氣質瞬間拉滿 大家有推薦的咖啡廳嗎? 最好是有美美闆娘的哈哈哈 我先推一個 位於高雄左營的 - 曦玥咖啡 高雄市左營區左營大路𝟏𝟔𝟐巷𝟒𝟔號 📱 kigetsu_kohi 📱 kigetsu_kohi #N 也不要忘了支持一下 開車群 和 專屬頻道呦🥰

Функция РАЗВЕРНУТЬ / EXPAND Что она делает? Увеличивает размеры массива. Все "дополнительные" значения (то есть дополнительные строки и/или столбцы, то, чего нет в исходном массиве, который задается в первом аргументе функции) будут ошибками #Н/Д (#N/A). Но их можно заменить на какое-то значение — указав его в четвертом аргументе. Вот пример, как мы используем эту функцию, чтобы при сборе топ-N сделок из разных таблиц формировать дополнительный столбец, в котором будет имя каждой таблицы. В предыдущем варианте — по ссылке — мы использовали для этого другую функцию MAKEARRAY.

Оберни колонки: новая (относительно) функция WRAPCOLS Итак, нам с вами нужно превратить одномерный массив — например, столбец, в котором данные цикличные (время начала мероприятия + N строк с выступающими в нашем примере) — в двумерный, разместив каждый повторяющийся "блок" в отдельный столбец. Засунем диапазон в WRAPCOLS, вторым аргументом укажем, сколько ячеек отправлять в каждый столбец. Необязательный третий аргумент — как возвращать пустые ячейки из исходника, если они там будут. Иначе будет выводиться ошибка #N/A (#Н/Д). =WRAPCOLS(A1:A;N; [чем заменить пустые]) Можно и открытый диапазон использовать, но тогда справа от функции ничего нельзя будет вводить вручную, так как она будет требовать много-много столбцов. Можно фильтровать с помощью FILTER, оставляя только заполненные ячейки. =WRAPCOLS(FILTER(A1:A;A1:A<>"");N) P.S. Раз есть функция WRAPCOLS — значит — это кому-нибудь нужно? есть и WRAPROWS. P.P.S. В Excel (365) при русскоязычном интерфейсе — СВЕРНСТОЛБЦ и СВЕРНСТРОК.

N-Y53745 FTDNA / N-BY69898 Yfull Башкир племени Минг из с.Киргиз-Мияки, Миякинский рн, Башкортостан. Ближайшее ДДНК: мадьяр эпохи «Обретения Родины» Őrhalom, Sárrétudvari, Hungary; Кушнаренковская культура могильник «Уелги» Челябинская обл. Среди совпавших ближе всех башкиры из племени Минг, разделенные в IX-X вв. и мишар из Нижнего Новгорода, с которым Минги были разделены в VI-VII вв.н.э. Также близки башкиры из племен Елан и Юрматы, татары из д. Именьково Лаишевского рна РТ и современные венгры, разделение с которыми произошло во II в.н.э. Благодаря полногеномному тесту была установлена Mt-ДНК U4D2 , которая была также выявлена среди ДДНК мадьяр эпохи «Обретения Родины». #Мең#N (N-BY69898)

#GUNPOW#N https://testflight.apple.com/join/mmQXPFmQ

中文名: 女神异闻录5（P5A） 话数: 26 放送开始: 2018年4月7日 放送星期: 星期六 导演: 石浜真史 脚本: 兵頭一歩、木村暢、猪爪慎一 分镜: 大橋一輝、佐々木守、南川達馬、福島利規、尾崎隆晴、原田征爾、小林孝志、五十嵐達也、田口智久、柴田彰久、石浜真史、丸山裕介、伊藤祐毅、亀井幹太 ☺️评分：6.1 还行 💙故事简介 高二的春天，雨宫莲转学进了东京的「秀尽学园」。 因某事为契机而觉醒为“Persona”使用者的莲，与新认识的伙伴们组建了「心之怪盗团」。怪盗团员们去盗走陷进罪恶欲望之中的成年人们的“扭曲欲望”，让成年人们洗心革面。 同时，难以让人理解的“精神暴走事件”在城市中的各个角落接连发生……。 以大都市“东京”为舞台，一边是身为享受日常生活的高中生、一边是放学后身为「心之怪盗团」的暗地活跃——。 壮大的恶汉罗曼故事，就此一触即发！ 💔OneDrive：打开表格 😱百度网盘：点击下载 😄往期番剧汇总表格：打开 🔐解压:blackcatunderthemoon 引索：#N#NS 标签：#游戏改 🗣请不要在讨论中打开链接，请使用频道消息的链接或者表格，讨论中的链接是失效的，百度网盘是自提取，如果没有自提取复制链接可以看到提取码，禁止在线解压

中文名: NULL & PETA（Nullpeta） 话数: 13 放送开始: 2019年10月4日 放送星期: 星期五 导演: 小倉宏文 脚本: はと（TOKYOTOON） ☺️评分：6.6 推荐 💙故事简介 天才少女Null的姐姐Peta在事故中死亡。 但是没问题！靠着仅有的知识和对姐姐的爱，Null成功制作了机器人版的姐姐"Peta"！ 不过呢，作为机器人复活的姐姐和生前稍微有些不同？！ 围绕妹妹和机器人姐姐的姊妹嬉戏打闹的喜剧展开了：“姐姐，你插头掉了！” 💔OneDrive：打开表格 😱百度网盘：点击下载 😄往期番剧汇总表格：打开 🔐解压:blackcatunderthemoon 引索：#N#N& 标签：#原创#百合#日常#治愈 🗣请不要在讨论中打开链接，请使用频道消息的链接或者表格，讨论中的链接是失效的，百度网盘是自提取，如果没有自提取复制链接可以看到提取码，禁止在线解压

中文名: 女神异闻录4 黄金版（女神异闻录G） 话数: 12 放送开始: 2014年7月10日 放送星期: 星期四 导演: 田口智久 脚本: 田沢大典、井上美緒、熊谷純 分镜: 政木伸一、保戸木知恵、塚田夏央、西本由紀夫、河本昇悟、岩崎光洋、田口智久、平井義通、山本秀世、林勇雄 ☺️评分：6.8 推荐 💙故事简介 因双亲要在海外出差，所以一人留在日本的主人公以一年为期限住在了舅父的家里。之后转校到八十神高中的他得知一个深夜电视的传言在雨夜的十二时，只要看着关闭着的电视屏上自己的脸，就会浮现出另一个人的映像。主人公与同伴为了确认这一传言是否属实，不料被拉进了异空间，在那里被称为暗影的怪物袭击，与怪物接触时主角一行人的Persona能力觉醒。为了掘开深夜电视与连续杀人事件之间的关系，以及避免其他人被卷入该事件，他们组成了特别搜查队展开了战斗。 女神异闻录4 黄金版（P4GA）演绎的是在前作动画女神异闻录4（P4A）基础上追加的与玛丽相关的小故事。同时对足立透的故事也做了部分补充。省略了与P4A相当多的重复部分。 💔OneDrive：打开表格 😱百度网盘：点击下载 😄往期番剧汇总表格：打开 🔐解压:blackcatunderthemoon 引索：#N#NS 标签：#游戏改#奇幻 🗣请不要在讨论中打开链接，请使用频道消息的链接或者表格，讨论中的链接是失效的，百度网盘是自提取，如果没有自提取复制链接可以看到提取码，禁止在线解压

中文名: 女神异闻录4（P4A） 话数: 26 放送开始: 2011年10月6日 放送星期: 星期四 导演: 岸誠二 脚本: 熊谷純、柿原優子、広田光毅 分镜: 政木伸一、平井義通、岸誠二、鎌仲史陽、伊藤真朱、吉川浩司、田口智久、小坂春女、西久保瑞穂、別所誠人、松本剛彦、植田洋一、古川順康、鈴木薫 ☺️评分：7.3 推荐 💙故事简介 因为双亲要往海外出差，只剩下主角一个人留在日本，于是以一年为期限住在舅父的家里。在他转校到的八十神高中，流传着奇妙的都市传说，“在雨夜的12点，看着没有开着的电视上自己的脸，就会浮现另一个人的映像”。主角和同伴在亲身尝试的时候被拉进了异空间，他们随即发现深夜电视跟镇上的连续杀人事件有莫大关系，在那里搜查时被称为暗影的怪物袭击。主角一行人跟怪物接触而觉醒了Persona能力，他们认为警察并不会相信这么离奇的事，便决定独自解决这起连续杀人事件。 💔OneDrive：打开表格 😱百度网盘：点击下载 😄往期番剧汇总表格：打开 🔐解压:blackcatunderthemoon 引索：#N#NS 标签：#游戏改#奇幻 🗣请不要在讨论中打开链接，请使用频道消息的链接或者表格，讨论中的链接是失效的，百度网盘是自提取，如果没有自提取复制链接可以看到提取码，禁止在线解压