日期計算的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

Excel函數庫最完整職場商業應用 王者歸來

為了解決日期計算的問題，作者洪錦魁 這樣論述：

　　【510個職場／商業實例】 　　【表格運算】 　　出差費 　　保險費給付計算 　　超商來客數累計 　　找出優秀的業務 　　連鎖店業績總計   　　【基礎數值計算】 　　發票含稅與未稅計算 　　貨幣計算 　　外銷裝箱計算   　　【條件判斷與邏輯函數】 　　業績評比 　　網路購物是否免運費 　　仲介房屋搜尋 　　健康檢查表 　　是否符合退休資格 　　業務獎金或中秋節獎金計算 　　汽車駕照考試 　　血壓檢測   　　【序列與排序的應用】 　　羅馬數字的應用 　　業務員業績排名 　　職棒金手套獎排名 　　排名的檢索 　　優秀排名使用醒目提示 　　企業費用支出排名 　　智力測驗排名 　　建立下

拉式選單   　　【文字字串操作】 　　餐廳的美食評比 　　餐廳星級評價 　　擷取城市字串 　　擷取地址街道   　　【日期與時間的應用】 　　商業往來支票兌現日期 　　應收帳款日期 　　辦公室租約起租日的日期處理 　　計算網購到貨日期 　　計算工作日的天數 　　員工年資計算 　　信用卡交易與付款日計算 　　月曆的製作 　　加班時數與金額計算 　　手機通話費用計算   　　【完整解說表格檢索】 　　客服評比 　　庫存檢索 　　賣場商品檢索 　　所得稅率檢索、 　 　　【Excel在統計上的應用】 　　中位數、眾數、四分位數、變異數、標準差的用法 　　計算平均年終獎金 　　計算平均年資的眾數 　

　新進員工智力測驗分佈 　　業績考核   　　【機器學習的基礎Excel在迴歸上的應用】 　　建立迴歸直線 　　銷售數據預測   　　【Excel在房貸、投資、折舊的財務計算與應用】 　　計算定期定額存款經過一段時間後的金額 　　計算貸款需要繳款次數 　　計算債劵一段時間需要付息次數 　　計算房貸每期的還款金額 　　規劃存款第一桶金的計畫書 　　機器設備每年折舊金額 　　購屋計畫書 　　計算儲蓄型保單收益率 　　退休計畫書   　　【建議閱讀書籍】 　　Excel入門到完整學習邁向最強職場應用王者歸來   本書特色   　　1：全書附Excel實例檔案節省學習時間 　　2：依據函數功能分類、循

序漸進解說 　　3：全書附有索引表方便查閱 　　4：每個函數皆有語法解說與靈活職場/商業實例應用 　　5：可以從第一章開始閱讀，所有實例會以前面章節解說過的函數做基礎。 　　6：除了解說傳統函數、也解說最新版函數。 　　7：為了增加學習效率，每個實例皆附有執行前的原始檔案與執行結果檔案，讀者可以使用原始檔案對照書籍步驟學習，然後和執行結果檔案做比較。

日期計算進入發燒排行的影片

概念知識偏序運用於虛擬社群經營分析 - 以Mobile01旅遊美食討論區為例

為了解決日期計算的問題，作者廖晋熥 這樣論述：

目錄摘要 IAbstract II目錄 III圖目錄 V表目錄 VIII目錄第一章緒論 11.1 研究動機 11.2 研究背景 11.3 研究目的 21.4 研究流程 2第二章文獻探討 32.1 數據庫知識挖掘(Knowledge Discovery in Databases) 32.2 資料探勘42.2.1 預測 52.2.2 關聯規則 72.2.3 聚類 82.3 文字探勘(Textmining)112.4 正規化概念分析(formal concept analysis) 152.5 虛擬社群 172.6 旅遊資訊 212.7 小結 24第三章研究方法 263.1 研究架構 263.2

研究方法 283.2.1 聚類演算法的選擇 283.2.2 關聯規則的最小suport 與confidence 決定方式 283.2.3 斷詞工具 303.3 決定目標與選擇資料集 30第四章資料分析方法 344.1 資料收集 344.2 社群發展分析 344.3 內容分析 364.4 促進討論 40第五章分析結果 435.1 社群發展分析結果 435.2 內容分析結果 465.3 交叉分析結果 485.4 關聯分析與概念格圖(Concept Lattice) 525.5 促進討論應用案例 585.6 小結 61第六章結論 62參考文獻 i圖目錄圖2.1 資料探勘演算法分類 5圖2.2 單一隱

藏層類神經網路示意圖 6圖2.3 階層式聚類Dendrogram 圖 10圖2.4 單一連結聚合 11圖2.5 完整連結聚合 11圖2.6 平均連結聚合 11圖2.7 中心聚合 11圖2.8 文字雲示意圖 14圖2.9 Concept Lattice 演示圖 16圖2.10 Life Cycle of a Community of Practice 20圖2.11 yahoo 入口網站 22圖2.12 研究脈絡 24圖3.1 虛擬社群經營知識分析架構圖 26圖3.2 google 搜尋趨勢，台鐵、普悠瑪詞頻趨勢圖 27圖3.3 support 遞增關聯圖 29圖3.4 取最小Support 方

法說明 29圖3.5 重度使用者對於前十大觀光網站造訪傾向示意圖 33圖4.1 網頁資料收集示意圖 34圖4.2 作者行為統計示意圖 35圖4.3 運用聚類產生關鍵字流程說明圖 37圖4.4 關聯規則計算方式示意圖 38圖4.5 旅遊概念知識格示意圖 39圖4.6 概念知識偏序與聚類之貼文推薦流程圖 41圖4.7 使用類神經網路對文章目的分類數據格式示意表 41圖4.8 使用類神經網路對文章目的分類示意圖 42圖5.1 收集資料欄位說明圖 43圖5.2 作者行為概念統計圖表 44圖5.3 依星期日期計算貼文數統計圖 45圖5.4 依月份計算貼文數統計圖 45圖5.5 子討論文章比例趨勢 46圖

5.6 詞頻文字雲 47圖5.7 關鍵字文字雲 47圖5.8 貼文屬性圖 48圖5.9 第一時期與第二時期比對消失的關鍵字文字雲 49圖5.10 第一時期與第二時期比對新增的關鍵字文字雲 49圖5.11 第二時期與第三時期比對消失的關鍵字文字雲 49圖5.12 第二時期與第三時期比對新增的關鍵字文字雲 49圖5.13 第三時期與第四時期比對消失的關鍵字文字雲 50圖5.14 第三時期與第四時期比對新增的關鍵字文字雲 50圖5.15 第四時期與第五時期比對消失的關鍵字文字雲 50圖5.16 第四時期與第五時期比對新增的關鍵字文字雲 50圖5.17 support 與confidence 的分佈圖

1 52圖5.18 support 與confidence 的分佈圖2 52圖5.19 視覺化關聯圖 53圖5.20 旅遊社群文章五大屬性概念格圖 53圖5.21 概念格圖節點分佈圖1 55圖5.22 概念格圖節點分佈圖2 55圖5.23 概念格圖節點分佈圖3 55圖5.24 概念格圖節點分佈圖4 55圖5.25 概念格圖節點分佈圖5 56圖5.26 概念格圖節點分佈圖6 56圖5.27 概念格圖節點分佈圖7 56圖5.28 概念格圖節點分佈圖8 56圖5.29 概念格圖節點分佈圖9 57圖5.30 概念格圖節點分佈圖10 57圖5.31 應用軟體操作流程1 58圖5.32 應用軟體操作流程2

58圖5.33 應用軟體操作流程3 59圖5.34 應用軟體操作流程4 59圖5.35 應用軟體操作流程5 60圖5.36 應用軟體操作流程6 60表目錄表2.1 類神經網路 6多肉植物葉片數據示意表 6表2.2 資料庫欄位 12表2.3 概念背景演示數據表 16表2.4 虛擬社群觀點 17表2.5 虛擬社群觀點續 18表3.1 使用討論區與其他社群搜尋旅遊資訊比對表 32表4.1 時間標準差計算說明 36表4.2 旅遊概念知識背景示意表 39表5.1 依星期日期計算貼文數統計表 44表5.2 依照月份計算貼文數統計表 45表5.3 貼文數與討論天數表 45表5.4 類神經網路對文發文目的檢

測結果 48表5.5 The Five Stages of Small Business Growth Key Word Compare Table 49表5.6 依照星期比對關鍵字表 50表5.7 依照月比對關鍵字表 51表5.8 子討論區比對關鍵字表 51表5.9 精華文章比對關鍵字表 51表5.10 依作者比對關鍵字表 52表5.11 概念圖節點表 54

DAX權威指南：運用Power BI、SQL Server Analysis Services和Excel實現商業智慧分析（第2版）

為了解決日期計算的問題，作者（意）瑪律•科盧梭 這樣論述：

《DAX權威指南》是微軟DAX語言在商業智慧分析、資料建模和資料分析方面的指南。   通過對《DAX權威指南》的學習，你將瞭解如何使用DAX語言進行商業智慧分析、資料建模和資料分析；你將掌握從基礎資料表函數到高級代碼，以及模型優化的所有內容；你將確切瞭解在運行DAX運算式時，引擎內部所執行的操作，並利用這些知識編寫可以高速運行且健壯的代碼。   《DAX權威指南》第2版的重點內容包括基於免費的Power BI Desktop來構建和運行示例，幫助你在Power Bl、SQL Server Analysis Services或Excel中充分利用強大的變數（VAR）語法。你想要使用DAX所有的強

大功能嗎？那麼這本未進行任何刪減、深入淺出的著作正是你所需要的。   《DAX權威指南》適合Excel高級使用者、商業智慧分析人員、使用DAX和微軟分析工具的專業人士。 Marco Russo和Alberto Ferrari SQLBI.COM的創始人。他們定期發佈關於微軟Power BI、Power Pivot、DAX和SQL Server的文章。自2009年測試版的Power Pivot發佈以來，SQLBI.COM成了DAX相關文章和教程的主要來源之一。他們都為商業智慧（Business Intelligence，BI）解決方案提供諮詢和指導，並精通與BI相關的微軟技術。

他們編寫了很多關於Power Pivot、DAX和Analysis Services的文章、圖書。   高飛   資料分析師，BI總監 2015年接觸Power Pivot，被DAX語言的強大和靈活所吸引。 2016年3月創建了面向Power BI用戶的微信公眾號“Power BI極客”，並更新至今。 2019年上線同名網站PowerBIGeek.com，致力於打造一個綜合性的Power BI中文學習網站。   現從事技術分享，企業BI專案實施和培訓工作。 微軟Power BI最有價值專家（MVP），Power BI視覺化大賽評委，Excel Home論壇版主。 第1章 D

AX是什麼 1 理解資料模型 1 理解關係的方向 3 給Excel用戶的DAX學習建議 5 儲存格和智慧表格 5 Excel函數和DAX：兩種函數式語言 7 使用反覆運算器 7 DAX相關理論 8 給SQL開發人員的DAX學習建議 8 處理關係 9 DAX是函數式語言 9 DAX是一種程式設計語言和查詢語言 10 DAX和SQL中的子查詢與條件陳述式 10 給MDX開發者的DAX學習建議 11 多維模型和表格模型 12 DAX是一種程式設計語言和查詢語言 12 層級結構 12 葉級計算 14 給Power BI用戶的DAX學習建議 14 第2章 DAX介紹 15 理解DAX計算 15 DAX

的資料類型 17 DAX運算子 20 表構造器 22 條件陳述式 22 理解計算列和度量值 23 計算列 23 度量值 24 正確選擇計算列和度量值 27 變數 28 處理DAX運算式中的錯誤 29 轉換錯誤 29 算數運算錯誤 30 空值或缺失值 30 截獲錯誤 32 生成錯誤 35 規範化DAX代碼 36 彙總函式和反覆運算函數介紹 39 認識常用的DAX函數 42 彙總函式 42 邏輯函數 43 資訊函數 45 數學函數 45 三角函數 46 文本函數 46 轉換函數 48 日期和時間函數 48 關係函數 49 結論 51 第3章 使用基礎資料表函數 52 表函數介紹 52 EVALU

ATE函數語法介紹 54 理解FILTER函數 56 ALL和ALLEXCEPT函數介紹 58 理解VALUES、DISTINCT函數和空行 63 將表用作作為標量值 68 ALLSELECTED函數介紹 70 結論 72 第4章 理解計值上下文 73 計值上下文介紹 74 理解篩選上下文 74 理解行上下文 79 測試你對計值上下文的理解 81 在計算列中使用SUM函數 81 在度量值中使用列 83 使用反覆運算函數創建行上下文 83 嵌套多個表的行上下文 84 同一個表上的多層嵌套行上下文 85 使用EARLIER函數 90 理解FILTER、ALL函數和上下文交互 91 使用多個表 9

4 行上下文和關係 95 篩選上下文和關係 98 在篩選上下文中使用DISTINCT和SUMMARIZE函數 102 結論 105 第5章 理解CALCULATE和CALCULATETABLE函數 107 CALCULATE和CALCULATETABLE函數介紹 107 創建篩選上下文 108 CALCULATE函數介紹 111 使用CALCULATE函數計算百分比 116 KEEPFILTERS函數介紹 126 篩選單列 130 篩選複雜條件 131 CALCULATE計值順序 135 理解上下文轉換 139 行上下文和篩選上下文回顧 139 上下文轉換介紹 142 計算列中的上下文轉換

145 度量值中的上下文轉換 148 理解迴圈依賴 151 CALCULATE函數調節器 155 理解USERELATIONSHIP函數 155 理解CROSSFILTER函數 158 理解KEEPFILTERS函數 159 理解CALCULATE函數中的ALL函數 160 無參數的ALL和ALLSELECTED函數介紹 162 CALCULATE規則總結 163 第6章 變數 165 VAR語法介紹 165 變數是常數 167 理解變數的範圍 168 使用表作為變數 171 理解惰性計算 173 使用變數的常見模式 174 結論 176 第7章 反覆運算函數和CALCULATE函數的使用

177 反覆運算函數的使用 177 理解反覆運算的基數 178 在反覆運算函數中使用上下文轉換 180 CONCATENATEX函數的使用 184 返回表的反覆運算函數 186 使用反覆運算函數解決常見問題 189 計算平均和移動平均 189 RANKX函數的使用 192 改變計算的顆粒度 200 結論 204 第8章 時間智慧計算 205 時間智慧介紹 205 Power BI中的“自動日期/時間” 206 Excel Power Pivot中的自動日期列 207 Excel Power Pivot中的日期表範本 208 創建日期表 208 CALENDAR和CALENDARAUTO函數

的使用 209 多個日期表的使用 212 處理連接到與日期表的多個關係 212 處理多個日期表 214 理解基礎時間智慧計算 215 標記為日期表 219 基礎時間智慧函數介紹 221 計算年初至今、季度初至今和月初至今 222 計算平移後的週期平移 224 嵌套混合使用時間智慧函數 227 計算週期之間的差異 229 計算移動年度總計 231 為嵌套的時間智慧函數選擇正確的調用順序 232 理解半累加計算 234 使用LASTDATE和LASTNONBLANK函數 236 使用期初和期末餘額 241 理解高級時間智慧計算 245 理解累計至今區間 246 理解DATEADD函數 249 理解

FIRSTDATE、LASTDATE、FIRSTNONBLANK和 LASTNONBLANK函數 255 利用時間智慧函數進行鑽取 258 使用自訂日期表 258 基於周的時間智慧 259 自訂YTD、QTD和MTD 262 結論 264 第9章 計算組 265 計算組介紹 265 創建計算組 268 理解計算組 274 理解計算項的應用 277 理解計算組優先順序 285 在計算項中包含或排除度量值 289 理解橫向遞迴 292 使用最佳實踐 296 結論 296 第10章 使用篩選上下文 298 使用HASONEVALUE和SELECTEDVALUE函數 299 ISFILTERED和

ISCROSSFILTERED函數介紹 303 理解VALUES和FILTERS函數的區別 306 理解ALLEXCEPT和ALL/VALUES函數的區別 308 使用ALL函數避免上下文轉換 312 使用ISEMPTY函數 314 資料沿襲和TREATAS函數介紹 316 使用固化篩選器 320 結論 326 第11章 處理層級結構 328 計算層級占比 328 處理父/子層級結構 333 結論 344 第12章 使用表函數 345 使用CALCULATETABLE函數 345 動作表的函數 347 使用ADDCOLUMNS函數 348 使用SUMMARIZE函數 351 使用CROSS

JOIN函數 354 使用UNION函數 356 使用INTERSECT函數 360 使用EXCEPT函數 361 使用表作為篩選器 363 實現或（OR）條件 364 將銷售額的計算範圍縮小至首年客戶 367 計算新客戶 368 使用DETAILROWS函數複用表運算式 370 創建計算表 372 使用SELECTCOLUMNS函數 372 使用ROW函數創建靜態表 373 使用DATATABLE函數創建靜態表 374 使用GENERATESERIES函數 375 結論 376 第13章 編寫查詢 377 DAX Studio介紹 377 理解EVALUATE函數 378 EVALUATE

函數語法介紹 378 在DEFINE函數中使用VAR 379 在DEFINE函數中使用度量值 381 實現DAX查詢的常用模式 382 使用ROW函數測試度量值 382 使用SUMMARIZE函數 383 使用SUMMARIZECOLUMNS函數 385 使用TOPN函數 391 使用GENERATE和GENERATEALL函數 396 使用ISONORAFTER函數 399 使用ADDMISSINGITEMS函數 401 使用TOPNSKIP函數 402 使用GROUPBY函數 402 使用NATURALINNERJOIN和NATURALLEFTOUTERJOIN函數 405 使用SUBST

ITUTEWITHINDEX函數 407 使用SAMPLE函數 409 理解DAX查詢中的自動匹配（Auto-Exists）行為 410 結論 416 第14章 高級DAX原理 418 擴展表介紹 418 理解RELATED函數 422 在計算列中使用RELATED函數 424 理解表篩選器和列篩選器的區別 425 在度量值中使用表篩選器 428 理解活動關係 431 表的擴展行為和篩選行為的區別 433 擴展表中的上下文轉換 435 理解ALLSELECTED函數和影子篩選上下文 436 影子篩選上下文介紹 437 ALLSELECTED函數返回反覆運算的行 441 無參數的ALLSELE

CTED函數 443 ALL系列函數 443 ALL函數 445 ALLEXCEPT函數 446 ALLNOBLANKROW函數 446 ALLSELECTED函數 446 ALLCROSSFILTERED函數 446 理解資料沿襲 446 結論 449 第15章 高級關係 451 使用計算列創建物理關係 451 創建基於多列的關係 451 創建基於範圍的關係 453 使用計算列創建關係中的迴圈依賴問題 456 使用虛擬關係 459 在DAX中轉移篩選器 460 使用TREATAS函數轉移篩選器 462 使用INTERSECT函數轉移篩選器 463 使用FILTER函數轉移篩選器 464 使

用虛擬關係實現動態分組 465 理解DAX中的物理關係 468 使用雙向交叉篩選器 470 理解一對多關聯性 472 理解一對一關聯性 473 理解多對多關係 473 通過橋接表實現多對多關係 473 通過公共維度表實現多對多關係 479 使用MMR弱關係實現多對多關係 483 選擇正確的關係類型 485 管理資料顆粒度 486 管理關係中的歧義 490 理解活動關係中的歧義 492 解決非活動關係中的歧義 494 結論 496 第16章 DAX中的高級計算 497 計算兩個日期之間的工作日數量 497 同時展示預算資料和銷售資料 505 計算同店銷售額 508 對事件進行排序 514 根據

最新銷售日期計算上一年的銷售額 517 結論 522 第17章 DAX引擎 523 瞭解DAX引擎的架構 523 公式引擎介紹 524 存儲引擎介紹 525 VertiPaq（in-memory）存儲引擎介紹 526 DirectQuery存儲引擎介紹 527 理解資料刷新 527 理解VertiPaq存儲引擎 528 列式資料庫介紹 528 理解VertiPaq壓縮 531 理解值編碼 531 理解雜湊編碼 532 理解行程長度編碼（RLE） 533 理解再編碼 536 確定最佳排序順序 536 理解層級和關係 538 理解分段和分區 539 使用動態管理視圖 540 理解關係在Verti

Paq中的運用 542 物化介紹 545 聚合表介紹 547 為VertiPaq配置合適的硬體 549 是否可以自主選擇硬體 550 設置硬體優先順序 550 CPU型號 550 記憶體速度 552 內核數量 552 記憶體大小 552 硬碟I/O和分頁 553 硬體選擇的最佳實踐 553 結論 553 第18章 優化VertiPaq引擎 555 收集有關資料模型的資訊 555 反規範化 560 列基數 566 處理日期和時間列 567 計算列 570 使用布林類型的計算列優化複雜篩選器 572 計算列的處理 573 存儲合適的列 574 優化列存儲 577 列的拆分優化 577 優化大基數

列 578 禁用屬性層級結構 578 優化鑽取屬性 579 管理VertiPaq聚合表 579 結論 582 第19章 分析DAX查詢計畫 583 捕獲DAX查詢 583 DAX查詢計畫介紹 586 收集查詢計畫 587 邏輯查詢計畫介紹 587 物理查詢計畫介紹 588 存儲引擎查詢介紹 589 獲取配置資訊 590 使用DAX Studio 591 使用 SQL Server Profiler 594 讀懂VertiPaq存儲引擎查詢 597 xmSQL語法介紹 597 彙總函式 598 算數運算 600 篩選運算 600 Join運算子 602 批次處理事件中的臨時表和淺關係 603

理解掃描時間 605 理解DISTINCTCOUNT函數的內部行為 606 理解並行度和資料緩存 607 理解VertiPaq緩存 609 理解CallbackDataID函數 611 讀懂DirectQuery模式下的存儲引擎查詢 616 分析複合模型 617 在資料模型中使用聚合表 618 讀懂查詢計畫 620 結論 626 第20章 DAX優化 628 定義優化策略 629 確定要優化的單個DAX運算式 629 創建查詢副本 632 創建DAX查詢副本 632 使用DAX Studio創建查詢度量值 633 創建MDX查詢副本 635 分析執行時間和查詢計畫資訊 636 發現存儲引擎或

公式引擎中的性能瓶頸 639 修改並重新運行測試查詢 639 優化DAX運算式中的瓶頸 639 優化篩選條件 640 優化上下文轉換 644 優化IF條件 650 優化度量值中的IF函數 650 選擇IF函數還是DIVIDE函數 655 優化反覆運算函數中的IF函數 658 減少Callback DataID函數帶來的影響 661 優化嵌套的反覆運算函數 665 避免在表篩選器中使用DISTINCTCOUNT函數 671 使用變數避免重複計算 676 結語結論 681

以類神經網路預測配水管網中之破漏潛勢

為了解決日期計算的問題，作者李安 這樣論述：

地下自來水管線漏水問題，為台灣枯水期缺水的主要原因之一，同時也造成台灣自來水公司營業上之虧損。目前國內管線檢漏方式主要以人工音聽方式，而現有之專責檢漏人員人力相當不足，使得管線修漏速度不及漏水速度。由於國內水價低廉，每年漏水整治的預算有限，勢必更新現有之管線檢漏流程，提升整體管線檢漏效率。因此本研究利用大數據分析做為管線檢漏之輔助工具。探勘管線歷年破漏數據，並解析管線破漏特徵，以類神經網路做為模型基礎，預測現有管線之破漏潛勢。本研究以「台灣自來水公司圖資系統」與「台灣自來水公司修漏管理系統」之資料庫為資料來源，以第四區處為研究目標區域，篩選及整理其中完整之管線破漏潛勢資料作為類神經網路模型之

輸入參數，進一步試誤各數入參數對於模型之準確率與模型擬合好壞，同時挑選最佳模型神經元數與隱藏層數，建立最佳輸入參數組合之預測模型。經資料前處理後，初步選擇之參數為包含：管徑、管長、管深、管材、埋設日期、破漏日期與水壓7項參數。其中輸入參數為：管徑、管長、管深、管材、埋設日期與水壓6項參數；輸出參數由埋設日期與破漏日期計算差值，並區分為7類破漏潛勢等級所得。討論各輸入參數對預測模型之準確率與模型擬合影響後，篩選之最佳輸入參數組合為：管材、管長、埋設日期與水壓，其模型準確率高達82%且模型擬合狀況良好。將最佳輸入參數模型預測結果帶回台灣自來水公司第四區處地理資訊系統(GIS)中，可以明顯觀察到環境

對於破漏潛勢之關係。地理位置為交通荷重嚴重之區域，管線破漏潛勢等級大多為高風險，有效呈現管線破漏潛勢熱區，可做為資產管理及主動漏水控制之輔助工具。