全文约1600 字；
阅读时间：约4分钟；
听完时间：约8分钟；
这几天我们一直在介绍WPS更新后的新函数GROUPBY（以下简称GBY），同时也学习了GBY函数在数据聚合分析中的优势。今天，古老师分享了一个与它类似的函数PIVOTBY（以下简称PBY）。如果你是第一次阅读这篇文章，并且之前没有接触过GBY函数和PBY函数，那么你可以直接跳过GBY函数，开始学习PBY函数。理论上，GBY函数能实现的功能，PBY函数同样可以实现。
这两个函数的主要区别在于聚合的方式：一个按行进行聚合，另一个则既能按行也能按列进行聚合。若要用PBY函数实现GBY函数的功能，只需将第二个参数（列字段）留空即可。
PBY函数有许多参数。对于初学者来说，可以通过学习数据透视表的方式来理解这个函数。前四个参数分别对应数据透视表的四个基本组成部分。
函数的参数：PBY函数被誉为参数最多的函数之一，初学者在学习此函数时不必刻意记忆所有参数，参照图表记忆即可。重要的是记住前四个必填参数，其余的参数主要是为了增加标题、总计、排序和筛选等功能。
参数1：行字段，对应数据透视表区域中的行标签（垂直方向）
参数2：列字段，对应数据透视表区域中的列标签（水平方向）
参数3：值，即需要进行聚合的数据字段，对应数据透视表中的值标签
参数4：函数，用于指定如何运算值字段，对应数据透视表中值字段的汇总方式，数据透视提供了求和、计数、平均值、最大值、最小值，对应PBY的函数分别为SUM、COUNTA、AVERAGEIFS、MAXIFS、MINIFS等；
效果如下图所示：
数据透视表PBY函数相对于GBY函数的优势在于它可以同时按行和按列进行数据聚合，也就是说，它能够将一维的报表转换为二维报表。这是PBY函数的一大特点，你可以将其理解为一种数据透视，但它比传统数据透视更加灵活，并且数据可以实时更新，无需像数据透视表那样需要手动刷新。
为了帮助大家理解两者之间的差异，我们先通过数据透视表来实现这一功能。
上图展示的是从ERP系统中导出的《生产任务子件用料分析表》。现在我们需要去除重复的生产任务，并按照上线日期进行二维转换。如果使用数据透视表，具体操作如下：
在数据透视表的行标签区域，将“任务单号”、“产品代码”和“订单数量”（A:C列）拖拽至此区域；
激活数据透视表的设计模式，并设置分类汇总为不显示分类汇总，报表布局选择表格形式；
在数据透视表的列标签区域，将“上线日期”（H列）拖拽至此；
在数据透视表的值区域，将“订单数量”（C列）拖拽至此，并设置值字段的汇总方式为平均值。如下图所示：
函数的实现方式而使用PBY函数来实现这一效果则相对简单得多，只需要输入PBY函数的前四个参数即可。在合适的位置输入以下公式：
=PIVOTBY(A1:C5005, H1:H5005, C1:C5005, AVERAGE)
函数解释：
A1:C5005 表示行字段，即任务单号、产品代码和订单数量所在的范围；
H1:H5005 表示列字段，即上线日期所在的列；
C1:C5005 是值字段，代表需要聚合的订单数量；
AVERAGE 指定对值字段的汇总方式为计算平均值。
这样，通过上述PBY函数，我们就能轻松地获得按生产任务及其对应上线日期显示的二维报表效果。
按月聚合汇总上面的二维显示是按上线日期聚合的数据。有时，我们可能需要按月进行聚合。如果使用数据透视表，需要按以下步骤设置：点击列标签，激活数据透视表的分析对话框，然后依次点击：组选择→ 步长 → 月 → 确认，这样就可以实现按月聚合。
如果使用PBY函数，则需要对函数中的列字段进行调整，以便进行按月的组合运算。公式应更改为以下形式：
=PIVOTBY(A1:C5005,MONTH(H1:H5005),C1:C5005,AVERAGE)
函数解释：
参数1、3、4保持不变，分别表示行字段（A1:C5000）、值字段（C1:C5000）以及汇总方式（AVERAGE，计算平均值）；
参数2，列字段，变更为 MONTH(H1:H5000)，这会将日期字段转换为其对应的月份，从而实现按月聚合的效果。
由于提取出来的月份是数字形式，因此在函数运算之后，需要将水平方向按月显示的数字（如8、9）通过自定义格式设置为“# "月"”，这样显示出来的结果将是“8月”、“9月”等形式。
今日技巧总结通过今天的讲解，我们不仅回顾了WPS更新后的GROUPBY（GBY）函数，还深入探讨了与其相似但功能更为强大的PIVOTBY（PBY）函数。PBY函数因其能够同时按行和按列进行数据聚合，成为了一种更为灵活的数据透视工具，特别适用于需要将一维报表转换为二维报表的场景。
对于初次接触PBY函数的朋友来说，学习的重点应放在掌握其前四个核心参数上：行字段、列字段、值字段以及汇总方式。掌握了这些基本参数，就能够利用PBY函数完成大多数常见的数据聚合分析任务。
无论是按日期还是按月度进行数据聚合，PBY函数都提供了简便的操作方法。相较于传统的数据透视表需要手动设置和更新数据，PBY函数则能够实现数据的实时更新，大大提升了工作效率。
希望今天的分享能够帮助大家更好地理解和运用PBY函数，进一步提高数据分析的能力。未来，我们还将继续探索更多高效实用的数据处理技巧，助力各位在工作中取得更大的成就。
