Sub MultiConditionFilter()    Dim ws As Worksheet    Set ws = ThisWorkbook.Worksheets("客户数据")    '清除已有筛选    If ws.AutoFilterMode Then        ws.AutoFilterMode = False    End If    '设置筛选范围（假设数据从A1开始）    Dim lastRow As Long    lastRow = ws.Cells(ws.Rows.Count, "A").End(xlUp).Row    '应用自动筛选    ws.Range("A1:E" & lastRow).AutoFilter    '设置多重筛选条件    '条件1：地区为"华东"（假设地区在C列）    ws.Range("A1:E" & lastRow).AutoFilter Field:=3, Criteria1:="华东"    '条件2：消费金额>5000（假设金额在D列）    ws.Range("A1:E" & lastRow).AutoFilter Field:=4, Criteria1:=">5000"    '复制筛选结果到新工作表    Dim newWs As Worksheet    Set newWs = ThisWorkbook.Worksheets.Add    newWs.Name = "筛选结果_" & Format(Now, "yyyymmddhhmmss")    ws.Range("A1:E" & lastRow).SpecialCells(xlCellTypeVisible).Copy _        newWs.Range("A1")    '调整列宽    newWs.Columns("A:E").AutoFit    MsgBox "筛选完成！共找到" & _        Application.WorksheetFunction.Subtotal(103, ws.Range("A:A")) - 1 & _        "条记录。", vbInformationEnd Sub

Sub AdvancedFilterExample()    Dim ws As Worksheet, criteriaWs As Worksheet, resultWs As Worksheet    Dim dataRange As Range, criteriaRange As Range    Set ws = ThisWorkbook.Worksheets("客户数据")    '创建条件区域    Set criteriaWs = ThisWorkbook.Worksheets.Add    criteriaWs.Name = "条件区域"    '设置条件区域标题    criteriaWs.Range("A1").Value = "地区"    criteriaWs.Range("B1").Value = "消费金额"    '设置筛选条件    criteriaWs.Range("A2").Value = "华东"    criteriaWs.Range("B2").Value = ">5000"    '定义数据范围和条件范围    Dim lastRow As Long    lastRow = ws.Cells(ws.Rows.Count, "A").End(xlUp).Row    Set dataRange = ws.Range("A1:E" & lastRow)    Set criteriaRange = criteriaWs.Range("A1:B2")    '创建结果工作表    Set resultWs = ThisWorkbook.Worksheets.Add    resultWs.Name = "高级筛选结果"    '执行高级筛选    dataRange.AdvancedFilter _        Action:=xlFilterCopy, _        CriteriaRange:=criteriaRange, _        CopyToRange:=resultWs.Range("A1"), _        Unique:=False    '清理临时工作表    Application.DisplayAlerts = False    criteriaWs.Delete    Application.DisplayAlerts = True    '统计结果    Dim resultCount As Long    resultCount = resultWs.Cells(resultWs.Rows.Count, "A").End(xlUp).Row - 1    MsgBox "高级筛选完成！共找到" & resultCount & "条符合条件的记录。", _        vbInformationEnd Sub

Sub OptimizedFilter()    '优化性能的技巧    Application.ScreenUpdating = False    Application.Calculation = xlCalculationManual    Application.EnableEvents = False    Dim startTime As Double    startTime = Timer    '...执行筛选代码...    '恢复设置    Application.EnableEvents = True    Application.Calculation = xlCalculationAutomatic    Application.ScreenUpdating = True    Debug.Print "筛选耗时：" & Timer - startTime & "秒"End Sub

import pandas as pdimport timeimport numpy as npclass CustomerDataFilter:    def __init__(self, file_path):        """初始化，加载客户数据"""        self.df = pd.read_excel(file_path)        self.results = None    def basic_filter(self):        """基础条件筛选：地区=华东 且 金额>5000"""        start_time = time.time()        # 方法1：基础布尔索引        condition1 = self.df['地区'] == '华东'        condition2 = self.df['消费金额'] > 5000        # 组合条件        self.results = self.df[condition1 & condition2]        # 方法2：使用query方法（更简洁）        # self.results = self.df.query("地区 == '华东' and 消费金额 > 5000")        elapsed_time = time.time() - start_time        print(f"基础筛选完成！找到{len(self.results)}条记录")        print(f"筛选耗时：{elapsed_time:.3f}秒")        return self.results    def advanced_filter(self, additional_conditions=None):        """高级筛选：支持动态条件"""        start_time = time.time()        # 基础条件        conditions = [            self.df['地区'] == '华东',            self.df['消费金额'] > 5000        ]        # 添加额外条件        if additional_conditions:            for condition in additional_conditions:                conditions.append(condition)        # 合并所有条件        if conditions:            combined_condition = conditions[0]            for condition in conditions[1:]:                combined_condition = combined_condition & condition            self.results = self.df[combined_condition]        else:            self.results = self.df.copy()        elapsed_time = time.time() - start_time        print(f"高级筛选完成！找到{len(self.results)}条记录")        print(f"筛选耗时：{elapsed_time:.3f}秒")        return self.results    def export_results(self, output_path):        """导出筛选结果"""        if self.results is not None:            self.results.to_excel(output_path, index=False)            print(f"结果已导出到：{output_path}")        else:            print("请先执行筛选操作")    def get_statistics(self):        """获取筛选结果的统计信息"""        if self.results is not None:            stats = {                '总记录数': len(self.results),                '平均消费金额': self.results['消费金额'].mean(),                '最大消费金额': self.results['消费金额'].max(),                '最小消费金额': self.results['消费金额'].min(),                '总消费金额': self.results['消费金额'].sum(),                '客户地区分布': self.results['地区'].value_counts().to_dict()            }            return stats        return None# 使用示例if __name__ == "__main__":    # 创建示例数据    np.random.seed(42)    sample_size = 100000    data = {        '客户ID': range(1, sample_size + 1),        '客户姓名': [f'客户_{i}' for i in range(1, sample_size + 1)],        '地区': np.random.choice(['华东', '华北', '华南', '华西'], sample_size),        '消费金额': np.random.randint(100, 10000, sample_size),        '最后购买日期': pd.date_range('2023-01-01', periods=sample_size, freq='D')    }    df = pd.DataFrame(data)    df.to_excel('客户数据.xlsx', index=False)    # 执行筛选    filter_tool = CustomerDataFilter('客户数据.xlsx')    # 基础筛选    results = filter_tool.basic_filter()    # 获取统计信息    stats = filter_tool.get_statistics()    print("\n统计信息：")    for key, value in stats.items():        print(f"{key}: {value}")    # 导出结果    filter_tool.export_results('筛选结果.xlsx')

import pandas as pdfrom numba import jitimport numpy as npclass OptimizedFilter:    def __init__(self, df):        self.df = df        self._create_indexes()    def _create_indexes(self):        """为常用筛选字段创建索引"""        if '地区' in self.df.columns:            self.region_index = self.df.groupby('地区').indices        if '消费金额' in self.df.columns:            # 对数值型字段进行分桶索引            self.amount_bins = pd.cut(self.df['消费金额'], bins=10)            self.amount_index = self.df.groupby(self.amount_bins).indices    def indexed_filter(self, region='华东', min_amount=5000):        """使用索引加速筛选"""        start_time = time.time()        # 先通过地区索引快速定位        if hasattr(self, 'region_index') and region in self.region_index:            region_indices = self.region_index[region]            region_df = self.df.iloc[region_indices]        else:            region_df = self.df        # 再筛选金额        results = region_df[region_df['消费金额'] > min_amount]        elapsed_time = time.time() - start_time        print(f"索引筛选耗时：{elapsed_time:.3f}秒")        return results    @staticmethod    @jit(nopython=True)    def numba_filter(regions, amounts, target_region, min_amount):        """使用Numba加速数值计算"""        mask = np.zeros(len(regions), dtype=np.bool_)        for i in range(len(regions)):            if regions[i] == target_region and amounts[i] > min_amount:                mask[i] = True        return mask# 使用Numba加速筛选regions_array = df['地区'].to_numpy()amounts_array = df['消费金额'].to_numpy()mask = OptimizedFilter.numba_filter(regions_array, amounts_array, '华东', 5000)results = df[mask]

class AdvancedDataFilter:    def __init__(self, df):        self.df = df    def dynamic_query(self, conditions_dict):        """        动态条件查询        conditions_dict格式：        {            'column1': {'operator': '>', 'value': 100},            'column2': {'operator': '==', 'value': '华东'},            'column3': {'operator': 'in', 'value': ['A', 'B', 'C']}        }        """        query_parts = []        for column, condition in conditions_dict.items():            operator = condition['operator']            value = condition['value']            if operator == 'in':                if isinstance(value, list):                    value_str = str(tuple(value))                    query_parts.append(f"{column}{operator}{value_str}")            elif isinstance(value, str):                query_parts.append(f"{column}{operator} '{value}'")            else:                query_parts.append(f"{column}{operator}{value}")        query_str = " and ".join(query_parts)        return self.df.query(query_str)    def complex_conditions(self):        """复杂条件组合示例"""        # 多条件组合        results = self.df[            (self.df['地区'].isin(['华东', '华北'])) &            (self.df['消费金额'].between(5000, 10000)) &            (~self.df['客户姓名'].str.contains('测试')) &            (self.df['最后购买日期'] > '2023-06-01')        ]        return results    def group_filter(self):        """分组筛选：找出每个地区消费金额前10的客户"""        grouped = self.df.groupby('地区')        # 方法1：使用groupby + nlargest        top_customers = grouped.apply(            lambda x: x.nlargest(10, '消费金额')        ).reset_index(drop=True)        # 方法2：使用排序 + 分组标记        self.df['rank'] = self.df.groupby('地区')['消费金额'].rank(            method='first', ascending=False        )        top_customers = self.df[self.df['rank'] <= 10]        return top_customers

# Python端：提供数据处理服务from flask import Flask, request, jsonifyimport pandas as pdapp = Flask(__name__)@app.route('/filter', methods=['POST'])def filter_data():    data = request.json    df = pd.DataFrame(data['records'])    # 执行筛选    results = df.query(        f"地区 == '{data['region']}' and 消费金额 > {data['min_amount']}"    )    return jsonify(results.to_dict('records'))# VBA端：调用Python服务Sub CallPythonAPI()    Dim http As Object, json As String    Set http = CreateObject("MSXML2.XMLHTTP")    '准备数据    Dim data As String    data = "{""region"":""华东"",""min_amount"":5000,""records"":[...]}"    '调用API    http.Open "POST", "http://localhost:5000/filter", False    http.setRequestHeader "Content-Type", "application/json"    http.send data    '处理返回结果    Dim response As String    response = http.responseText    '...解析并显示结果...End Sub