เมื่อเลือกโครงสร้าง URL พื้นฐาน จะมีให้เลือกสองตัวเลือก: แบบสัมพันธ์ และ ลิงก์สัมบูรณ์ - หากคุณเลือกลิงก์ผิดประเภท จะทำให้กระบวนการรวบรวมข้อมูลไซต์ด้วยโรบ็อตการค้นหามีความซับซ้อนอย่างมาก และจะส่งผลเสียต่อการโปรโมตไซต์:
ลิงค์แน่นอน
ลิงก์ที่เกี่ยวข้อง
ลิงก์ที่เกี่ยวข้องไม่จำเป็นต้องมี URL แบบเต็ม ลิงค์แบบสัมพันธ์จะถือว่าหน้าที่คุณกำลังลิงค์ไปนั้นอยู่ในเว็บไซต์เดียวกัน ตัวอย่างของลิงก์แบบสัมพันธ์มีลักษณะดังนี้:
เหตุใดลิงก์ที่เกี่ยวข้องจึงมีประโยชน์
ก่อนที่คุณจะค้นพบ ลิงค์ไหนแน่นอน?มาจัดการกับ ด้านบวกโดยใช้ URL ที่เกี่ยวข้อง
- วิธีที่รวดเร็วกว่า
การทำงานกับไซต์ขนาดใหญ่จะง่ายขึ้นมากหากคุณใช้ลิงก์แบบสัมพันธ์
- สภาพแวดล้อมการแสดงละคร
หากคุณกำลังสร้างไซต์ตาม CMS ที่ใช้สภาพแวดล้อมชั่วคราวโดยแยกจากกัน โดเมนที่ไม่ซ้ำใคร(ไม่ว่าจะเป็น เวิร์ดเพรสหรือ SharePoint) จากนั้นจะถูกทำซ้ำโดยสมบูรณ์ในสภาพแวดล้อมระดับกลางนี้ แอปพลิเคชัน ลิงก์ที่เกี่ยวข้องอนุญาตให้มีไซต์เดียวกันอยู่บนทั้งโดเมนชั่วคราวและโดเมนที่ใช้งานจริง สิ่งนี้ไม่เพียงทำให้การเขียนโค้ดง่ายขึ้นสำหรับนักพัฒนา แต่ยังช่วยประหยัดเวลาได้มากอีกด้วย
ข้อดีของการเชื่อมโยงแบบสัมบูรณ์คืออะไร?
- ดาวน์โหลดการป้องกัน
ลิงค์แบบสัมบูรณ์ทำให้กระบวนการดาวน์โหลดข้อมูลจากเว็บไซต์ใช้งานมีความซับซ้อนอย่างมาก โปรแกรมพิเศษ- หากลิงก์ภายในทั้งหมดบนไซต์มีความสัมพันธ์กัน แสดงว่าลิงก์ใดลิงก์หนึ่ง โปรแกรมพิเศษสามารถคัดลอกทั้งเว็บไซต์ได้อย่างง่ายดาย ทำให้คุณสามารถอัปโหลดไปยังโดเมนใหม่ได้
- การป้องกันเนื้อหาที่ซ้ำกัน
ลิงก์แบบสัมบูรณ์ยังช่วยหลีกเลี่ยงปัญหาเนื้อหาที่ซ้ำกัน ลองนึกภาพมีหลายเวอร์ชัน หน้าแรกจัดทำดัชนีใน Google โดยไม่ระบุเวอร์ชัน Canonical (หลัก) ของเว็บไซต์ ตัวอย่างเช่น:
http://www.example.com http://example.com https://www.example.com https://example.com
จากข้อมูลของ Google ไซต์เหล่านี้เป็นไซต์ที่แตกต่างกันสี่แห่งและมีลิงก์ทั้งสี่รายการ หุ่นยนต์ค้นหาจะไปไซต์ใหม่ ใน ในกรณีนี้หากลิงก์ทั้งหมดสัมพันธ์กัน โรบ็อตจะจัดทำดัชนีเว็บไซต์ทั้งหมดภายใต้ URL ที่แตกต่างกันหลายรายการ และสิ่งนี้จะนำไปสู่ปัญหากับเนื้อหาที่ซ้ำกัน
- ปรับปรุงกลยุทธ์การเชื่อมโยงภายใน
เมื่อทำงานกับลิงก์ คุณควรคำนึงถึงเสมอ การเชื่อมโยงภายใน- หากคุณติดแท็กไม่ถูกต้อง
เช่น เมื่ออยู่ในเพจ http://www.example.com/category/xyz.htmlมีแท็กฐาน href ที่มีลักษณะดังนี้:
สถานการณ์นี้สามารถหลีกเลี่ยงได้โดยใช้ลิงก์ HTML ที่สมบูรณ์
- ส่งเสริมการสแกน
เครื่องมือค้นหา หุ่นยนต์ของ Googleก้าวไปข้างหน้า ลิงค์ภายในเพื่อสำรวจสถานที่ในเชิงลึกมากขึ้น กระบวนการนี้มีข้อจำกัดบางประการเกี่ยวกับจำนวน URL ที่จะถูกรวบรวมข้อมูล จากข้อเท็จจริงนี้ หากคุณมีหน้าเว็บนับล้านหน้าและโรบ็อตพบข้อผิดพลาดบ่อยครั้ง โรบ็อตมักจะหยุดรวบรวมข้อมูลไซต์
ซึ่งสามารถหลีกเลี่ยงได้โดยใช้การอ้างอิงแบบสัมบูรณ์ ซึ่งช่วยปรับปรุงกระบวนการสแกน
ตรวจสอบให้แน่ใจว่าคุณเลือกกลยุทธ์ที่เหมาะสมตามความต้องการ SEO ของคุณ ในกรณีส่วนใหญ่ จะใช้ลิงก์แบบสัมบูรณ์ เนื่องจากรูปแบบนี้มีข้อดีมากกว่าข้อเสีย อย่างไรก็ตาม มีบางสถานการณ์ที่ควรใช้ลิงก์แบบสัมพันธ์จะดีกว่า
คำแปลบทความ “ อะไรคือความแตกต่างระหว่าง URL แบบสัมพัทธ์และแบบสัมบูรณ์?” จัดทำโดยทีมงานโครงการที่เป็นมิตร
มันไม่ชัดเจนนัก
ความเหมาะสมโดยสมบูรณ์[แก้ไข]
สมรรถภาพสัมบูรณ์ (W) ของจีโนไทป์หมายถึงการเปลี่ยนแปลงตามสัดส่วนในความอุดมสมบูรณ์ของจีโนไทป์นั้นในรุ่นหนึ่งที่เกิดจากการคัดเลือก ตัวอย่างเช่น ถ้า $(\displaystyle n(t))$ คือความอุดมสมบูรณ์ของจีโนไทป์ที่รุ่น t ในประชากรจำนวนมากอย่างไม่สิ้นสุด (ดังนั้นจึงไม่มีการเบี่ยงเบนทางพันธุกรรม) และละเลยการเปลี่ยนแปลงในจำนวนจีโนไทป์เนื่องจากการกลายพันธุ์ ดังนั้น $(\displaystyle n(t+1) = Wn (t)) $ ความเหมาะสมสัมบูรณ์ที่มากกว่า 1 บ่งชี้ถึงการเพิ่มจำนวนจีโนไทป์นี้ สมรรถภาพสัมบูรณ์น้อยกว่า 1 บ่งชี้ถึงความเสื่อมถอย
ความเหมาะสมเชิงสัมพันธ์[แก้ไข]
แม้ว่าสมรรถภาพที่สมบูรณ์จะกำหนดการเปลี่ยนแปลงในความอุดมสมบูรณ์ของจีโนไทป์ แต่สมรรถภาพสัมพัทธ์ (w) จะกำหนดการเปลี่ยนแปลงความถี่ของจีโนไทป์ ถ้า N(t) แทน ขนาดโดยรวมประชากรในรุ่น t และความถี่ของจีโนไทป์ที่สอดคล้องกันคือ $ (\displaystyle p(t)=n(t)/N(t))$ จากนั้น $(\displaystyle p(t+1)=(\frac (w) ( \overline (w))) p (t)) $ โดยที่ $ (\displaystyle (\overline (w))) $ คือสมรรถภาพสัมพัทธ์โดยเฉลี่ยในประชากร (ยกเลิกการเปลี่ยนแปลงความถี่เนื่องจากการเลื่อนและการกลายพันธุ์อีกครั้ง) ความเหมาะสมแบบสัมพัทธ์บ่งบอกถึงการเปลี่ยนแปลงของจีโนไทป์ที่แตกต่างกันจำนวนมากที่สัมพันธ์กันและดังนั้นเฉพาะค่าที่สัมพันธ์กันเท่านั้นที่สำคัญ สมรรถภาพสัมพัทธ์อาจเป็นจำนวนใดๆ ที่ไม่เป็นลบ ซึ่งรวมถึง 0 ด้วย มักจะสะดวกที่จะเลือกจีโนไทป์หนึ่งรายการเป็นข้อมูลอ้างอิงและตั้งค่าสมรรถภาพสัมพัทธ์เป็น 1 สมรรถภาพสัมพัทธ์ถูกใช้ในแบบจำลองมาตรฐานของไรท์-ฟิชเชอร์และโมแรนของพันธุศาสตร์ประชากร
ความเหมาะสมสัมบูรณ์สามารถนำมาใช้ในการคำนวณความเหมาะสมสัมพัทธ์ได้ เนื่องจาก $(\displaystyle p(t+1)=n(t+1)/N(t+1)=(W/(\overline (W)))p(t ) )$ (เราใช้ข้อเท็จจริงที่ว่า $(\displaystyle N(t+1)=(\overline (W))N(t))$ โดยที่ $(\displaystyle (\overline (W)))$ - ค่าเฉลี่ยสัมบูรณ์ สมรรถภาพของประชาชน) ซึ่งหมายความว่า $(\displaystyle w/(\overline (w)) = W/(\overline (W)))$ หรืออีกนัยหนึ่ง ความเหมาะสมสัมพัทธ์เป็นสัดส่วนกับ $(\displaystyle W/(\overline ( ว) )) $. ไม่สามารถคำนวณอัตราสัมบูรณ์จากความเหมาะสมสัมพัทธ์ได้ ในขณะที่ความเหมาะสมสัมพัทธ์ไม่มีข้อมูลเกี่ยวกับการเปลี่ยนแปลงของประชากรทั้งหมด
- เป็นเรื่องดีเมื่อเราพูดถึงจีโนไทป์หรือฟีโนไทป์ แต่เมื่อเราใช้แบบจำลองเช่น ภูมิทัศน์ด้านฟิตเนส เราจะแปลสิ่งนี้ได้อย่างไร ตัวอย่างเช่น หากฉันมีภาพรวมการออกกำลังกายเชิงเส้น (ด้วย ฟังก์ชันเชิงเส้น) จากนั้นค่า "ความฟิต" ที่ฉันพบด้วยโมเดล "ความฟิตที่คาดหวัง" หรือ $\widehat y$ ดังนั้น ในกรณีนี้ มันคือ "ความเหมาะสมของฟีโนไทป์ที่เป็นไปได้ทั้งหมด ขึ้นอยู่กับเกี่ยวกับสมรรถภาพของประชากรและข้อมูลฟีโนไทป์" เราเรียกมันว่าสัมพัทธ์หรือสัมบูรณ์?
- เมื่อคำนวณสมรรถภาพหรือส่วนประกอบอย่างใดอย่างหนึ่ง จากแบบจำลอง (สมมุติว่าเป็นแบบจำลองการเรียกคืน) สมรรถภาพประเภทใดที่คำนวณได้ ใน Mark Carey และ Michael Schaub (2012) การวิเคราะห์ประชากรแบบเบย์โดยใช้ WinBUGS: มุมมองแบบลำดับชั้นโดยแสดงแบบจำลองในการคำนวณความน่าจะเป็นของการรอดชีวิตโดยพิจารณาจากประวัติการยึดคืนกลับมา มันจะสัมพันธ์กันหรือไม่?
- อะไรคือความแตกต่างระหว่างคำจำกัดความทั้งสองนี้ และคำจำกัดความเหล่านั้นเข้มงวดเกินไปหรือไม่เมื่อเราต้องการขยายไปสู่แบบจำลองที่คำนวณความเหมาะสมของบุคคลทุกคนในประชากร
ดูเพิ่มเติมที่ Endler, J.A. (2529) การคัดเลือกโดยธรรมชาติในป่า ในหน้า 168 ของหนังสือ:
- สมรรถภาพทางกายสัมบูรณ์โดยเฉลี่ย: $\overline(W) = [Σƒ(X)W(X)]/[Σƒ(X)]$
- ƒ (X) ความถี่ของจีโนไทป์หรือฟีโนไทป์ X
- ความฟิตสัมบูรณ์: $W(X)$
- สมรรถภาพสัมพัทธ์: $w(X) = W(X)/\overline(W)$
- สำหรับ $\overline(w)(X) = 1$
สมรรถภาพสัมพัทธ์ยังสามารถวัดได้โดยการอ้างอิงถึงฟีโนไทป์เฉพาะ (หรือจีโนไทป์) โดยที่ cas$\overline(w)$ ไม่จำเป็นต้องเป็น 1; นี่เป็นวิธีการทั่วไปที่ใช้สำหรับลักษณะโพลีมอร์ฟิก หากประชากรถูกสุ่มตัวอย่างสองครั้ง (หรือมากกว่า) ภายในหนึ่งรุ่น เพื่อให้แต่ละบุคคลในกลุ่มตัวอย่างที่สองเป็นส่วนย่อยของกลุ่มตัวอย่างในกลุ่มแรก (เช่นในการศึกษาการจับยึดคืนหรือการศึกษาตามรุ่น) จากนั้นจึงสามารถคำนวณอัตราสัมบูรณ์ได้ . ตัวอย่างคือความน่าจะเป็นของการอยู่รอดระหว่างตัวอย่างหรือความน่าจะเป็นของการผสมพันธุ์ ในทางกลับกัน หากตัวอย่างถูกสร้างขึ้นโดยไม่มีการเปลี่ยน หรือหากตัวอย่างทำจากเด็กและเยาวชนและผู้ใหญ่ในครั้งเดียว จะสามารถคำนวณได้เฉพาะความเหมาะสมสัมพัทธ์เท่านั้น ข้อมูลเกี่ยวกับปริมาณทั้งหมดและความเหมาะสมโดยเฉลี่ยจะหายไป (ดูการอภิปรายใน O'Donald 1971, Horns and Harrison 1970 และ Manley 1974)
ในหน้า 42 ของหนังสือเล่มเดียวกัน:
การปรับตัวและการปรับตัว การปรับตัวคือระดับที่สิ่งมีชีวิตสามารถดำรงชีวิตและสืบพันธุ์ได้ในสภาพแวดล้อมที่กำหนด: สถานะของการปรับตัว (Dobzhansky, 1968a, b) การปรับตัวเป็นกระบวนการปรับตัวหรือปรับตัว (ibid.) น่าเสียดายที่การปรับตัว นอกจากนี้ยังใช้ในแง่ของลักษณะการปรับตัว (Lewontin 1978) ซึ่งทำให้ผลิตภัณฑ์ขั้นสุดท้ายสับสนกับกระบวนการ (ดู Dunbar 1982 ด้วย) ลักษณะการปรับตัวคือ "ลักษณะของรูปแบบพัฒนาการของการอยู่รอดและการสืบพันธุ์ของสิ่งมีชีวิต" (Dobzhansky, 1956, 1968a) มีปัญหาในการกำหนดสิ่งที่ถูกดัดแปลงเพื่อให้สามารถวัดได้ (Dobzhansky 1956, 1968a, b; Stern 1970; Lewontin 1978; Dunbar 1982) ทางออกหนึ่งคือการกำหนดมันในแง่ของความเหมาะสมสัมบูรณ์ (แทนที่จะเป็นแบบสัมพันธ์) (ตารางที่ 2.1) ในกรณีนี้ สามารถวัดการมีส่วนร่วมโดยเฉลี่ยตลอดช่วงอายุต่อการสืบพันธุ์ของประชากรตามฟีโนไทป์หรือประเภทของฟีโนไทป์ได้ ดังนั้น มันจึงมีความสัมพันธ์อย่างใกล้ชิดกับอัตราการเพิ่มขึ้นจริง (R) หรือที่แท้จริง $(r_(m))$ หรือ "พารามิเตอร์มัลธัสเซียน" และสิ่งเหล่านี้ได้ถูกนำมาใช้จริงเป็นดัชนีความเหมาะสมสำหรับประชากรและสปีชีส์ แม้ว่าจะมีปัญหาอยู่บ้าง (ฟิชเชอร์ 1930, Dobzhansky 1968a, b; Dunbar 1982) การปรับตัวยังถูกกำหนดให้เป็นสมรรถภาพที่สมบูรณ์อีกด้วยเฉลี่ย
(เงียบขรึม 1984) -
# W: ฟิตเนสสัมบูรณ์ # w: ฟิตเนสสัมพัทธ์ set.seed(12) nb.data = 5000 y = rnorm(nb.data,10,2) x = 1:nb.data # นี่ควรดูปกติ hist(y, พัก = 30) # หากต้องการให้ฟีโนไทป์มีค่าเฉลี่ยเป็น 0 ให้ปรับขนาดฟีโนไทป์ z.raw = y z = scale(z.raw, center = TRUE, scale = TRUE) hist(z, probability = TRUE, # แทนการแบ่งความถี่ = "FD", # สำหรับการหยุดพักมากกว่าค่าเริ่มต้น col = "grey", border = "black") เส้น(density(z), # เพิ่มการประมาณความหนาแน่นของเคอร์เนล (-.5 แก้ไขสำหรับถังขยะ) col = "firebrick2" , lwd = 3) # ลักษณะการกระจายแบบปกติ, การแจกแจงฟีโนไทป์ (ปกติ) p.z =function(z) ( z.mean=mean(z) sigma = sd(z) 1/sqrt(2*pi) * exp((-1 /2)*((z-z.mean)/sigma)^2) ) # นี่ใช้งานไม่ได้! สมมติว่าเป็น hist ปกติ (p.z (z), breaks = 30) rnorm (nb.data,10,2) # ฟังก์ชันฟิตเนสสัมบูรณ์แบบกระจายเชิงเส้น W.z =function(z) ( ความชัน = 1 จุดตัด = 0 e=( z*slope+intercept) (e-min(z))/(max(z)-min(z)) # มีความสัมพันธ์เชิงเส้นตรงระหว่างtrait z และ Absolute fitness W plot(z,W.z(z)) de = ความหนาแน่น (z, n = 600000) ต้องการ (สวนสัตว์) # ถ้า n = 600000 ในฟังก์ชันความหนาแน่นก็ควรจะ ~=1 sum(diff(de$x)*rollmean(de$y,2)) ซ้ำกัน(รอบ ( z,1)) df.z = as.data.frame(table(round(z,1))) ค่า = as.numeric(as.Character(df.z$Var1)) frq = as.numeric( เป็น .Character(df.z$Freq)) frqcy = function(len)(frq) f = function(values)(W.z(values)*frqcy(length(values))) (mean.absolute.fitness = integrated(f , เขตการปกครอง = 2000, rel.tol = .Machine$double.eps^.05, lower = min(z), upper = max(z))) # Relative Fitness w.z<- function(z) { W.z(z)/mean.absolute.fitness$value } (w.relative.fit = w.z(z)) # This should be 1 (mean.rel.fit = mean(w.relative.fit)) w.relative.fit f2 = function(z)(z*w.z(z)*p.z(z)) (mean.absolute.fitness = integrate(f2, lower = min(z), upper = max(z)))
3สถาบันเทคโนโลยีแห่งรัฐ Penza
ภาควิชาวิทยาการคอมพิวเตอร์
วินัย “ระบบสารสนเทศและเทคโนโลยี”
รายงาน
เกี่ยวกับการปฏิบัติงานในห้องปฏิบัติการ 9
เสร็จสิ้นโดย: นักเรียนกลุ่ม 12IE1b
บาลยาสนิคอฟ ดี.วี.
ยอมรับโดย: อาจารย์
Dolgusheva L.N.
ห้องแล็บ 9
การใช้สูตรและฟังก์ชันใน Microsoft Office Excel Spreadsheet
ตัวเลือกที่ 3
วัตถุประสงค์ของการทำงาน: เชี่ยวชาญเทคนิคการทำงานกับสูตรและฟังก์ชันในโปรเซสเซอร์สเปรดชีต Microsoft Excel
สูตรใน Excel คืออะไร? โครงสร้างของมันคืออะไร? องค์ประกอบอะไรได้บ้าง
รวมสูตร?
สูตรใน Excel คือนิพจน์ที่ทำการคำนวณบนหน้า สูตรขึ้นต้นด้วยเครื่องหมาย = (เครื่องหมายเท่ากับทางคณิตศาสตร์)
สูตรอาจมีองค์ประกอบต่อไปนี้:
ฟังก์ชัน (เช่น ฟังก์ชัน PI());
ค่าคงที่;
ผู้ประกอบการ
Excel มีตัวดำเนินการสี่ประเภท: ตัวดำเนินการทางคณิตศาสตร์ ข้อความ การเปรียบเทียบ และตัวดำเนินการอ้างอิง
สูตรประกอบด้วยส่วนหลักหลายส่วน นี้:
เครื่องหมายเท่ากับ (=) ซึ่งจำเป็นสำหรับการเริ่มต้นสูตรใดๆ (หากไม่มีเครื่องหมายเท่ากับ Excel จะตีความข้อมูลที่ป้อนเป็นรายการเซลล์ปกติ)
ผู้ประกอบการ
กฎในการป้อนและแก้ไขสูตรใน Excel มีอะไรบ้าง
ในการป้อนสูตรสำหรับการคำนวณอย่างง่ายลงในเซลล์ คุณต้อง: เลือกเซลล์ที่ควรมีสูตร ป้อนเครื่องหมายเท่ากับในแถบสูตร ป้อนหมายเลขและตัวดำเนินการที่ต้องการ กรอกข้อมูลให้สมบูรณ์โดยคลิกปุ่ม Enter ของแถบสูตรหรือกดปุ่ม Enter บนแป้นพิมพ์
อักขระที่ป้อนผิดพลาดสามารถลบได้โดยใช้วิธีการใด ๆ ที่ใช้ใน Windows คุณสามารถยกเลิกการป้อนสูตรได้โดยคลิกปุ่มยกเลิกบนแถบสูตรหรือกดปุ่ม Esc บนแป้นพิมพ์ สูตรจะไม่ถูกแทรกลงในเซลล์จนกว่าคุณจะกรอกข้อมูลให้ครบถ้วน
เพื่อใส่สูตรลงในเซลล์ใช้ข้อมูลจากเซลล์ต่าง ๆ ที่คุณต้องการ:
เลือกเซลล์ที่ควรมีสูตร
ป้อนเครื่องหมายเท่ากับ
เลือกเซลล์หรือช่วงของเซลล์
ป้อนตัวดำเนินการ (เครื่องหมายการกระทำ);
ทำซ้ำขั้นตอนจนกว่าจะป้อนสูตรทั้งหมด
กรอกข้อมูลให้สมบูรณ์โดยคลิกปุ่ม Enter ของแถบสูตรหรือกดปุ่ม Enter บนแป้นพิมพ์
ในการแก้ไขสูตร คุณต้อง: เปิดเซลล์ด้วยวิธีใดก็ตาม เลื่อนเคอร์เซอร์ไปที่สัญลักษณ์ที่ต้องการ และทำการเปลี่ยนแปลงที่จำเป็น
คุณสามารถใช้เมาส์เพื่อเลือกเซลล์ใหม่หรือช่วงของเซลล์ เมื่อแก้ไขเสร็จแล้ว ให้กดปุ่ม Enter บนแถบสูตร Excel จะคำนวณสูตรที่แก้ไขแล้วแสดงผลลัพธ์ใหม่ในเซลล์
สูตรใน Excel อาจมีลิงก์ กล่าวคือ ที่อยู่ของเซลล์ซึ่งเนื้อหาที่ใช้ในการคำนวณ การอ้างอิงไม่ได้อ้างอิงถึงเนื้อหาของเซลล์ แต่อ้างอิงถึงตำแหน่งของเซลล์หรือช่วงของเซลล์ที่คุณต้องการใช้ข้อมูลในสูตร
สามารถป้อนที่อยู่เซลล์ได้ "ด้วยตนเอง" จากแป้นพิมพ์
ที่อยู่จะถูกป้อนลงในสูตรโดยอัตโนมัติเมื่อคุณคลิก
เซลล์แผ่นงานที่เกี่ยวข้อง (หรือเมื่อเลือกช่วงที่คุณต้องการป้อนที่อยู่)
เซลล์หรือช่วงจะถูกเน้นด้วยกรอบจุดโดยอัตโนมัติ การอ้างอิงเซลล์จะปรากฏทั้งในเซลล์ที่ใช้งานอยู่และแถบสูตร!
คุณต้องป้อนชื่อของแผ่นงานลงในสูตร โดยใส่เครื่องหมายอัศเจรีย์ระหว่างแผ่นงานกับที่อยู่ของเซลล์ เช่น =Sheet3!A12 หากสูตรใช้ผลรวมของเนื้อหาของเซลล์ A1 บนแผ่นงาน 2 และเซลล์ A1 บนแผ่นงาน 3 คุณต้องพิมพ์: = Sheet2!A1+Sheet3!A1 ในแถบสูตร
อะไรคือความแตกต่างระหว่างการอ้างอิงแบบสัมบูรณ์และแบบสัมพันธ์?
การอ้างอิงเซลล์แบบสัมบูรณ์ในสูตรจะชี้ไปที่เซลล์เฉพาะที่อยู่ในตำแหน่งเฉพาะเสมอ เมื่อคุณเปลี่ยนตำแหน่งของเซลล์ที่มีสูตร การอ้างอิงแบบสัมบูรณ์จะไม่เปลี่ยนแปลง เมื่อคัดลอกสูตร การอ้างอิงแบบสัมบูรณ์จะไม่ถูกปรับ องค์ประกอบหมายเลขเซลล์ที่ใช้การกำหนดที่อยู่แบบสัมบูรณ์จะนำหน้าด้วยอักขระ $
