这里有最实用的Excel使用技巧，通过提高Excel技能，可以让你轻松应对工作中的表格处理，提高你的工作效率！

前两期我们聊过 SUBTOTAL 和 AGGREGATE：一个专门处理隐藏行统计，一个可以跳过错误值计算，都是财务日常统计的利器。

但 Excel 里还有一个函数，名气没有 SUM 大，功能却让人直呼「怎么不早点知道」。

今天的主角SUMPRODUCT——名字叫「乘积之和」，实际上它能干的事远远不止乘积之和：条件求和、加权平均、多条件计数、交叉表分析，一个函数全搞定。

一、SUMPRODUCT 是什么？

一句话理解：SUMPRODUCT = 多组数组对应元素相乘，最后把全部乘积求和；借助布尔逻辑写法后，相当于 SUMIFS + COUNTIFS + 加权汇总的三合一函数。

基础语法：=SUMPRODUCT(数组1, 数组2, ...)

它的本职工作很简单：把对应的元素相乘，然后把乘积加起来。比如单价列(10,20,30) × 数量列(3,5,2)，结果 = 10×3+20×5+30×2 = 190。

但 SUMPRODUCT 的真正威力在于「条件判断」——利用 (条件1)*(条件2)*数据区域 这种写法，实现多条件求和、计数、加权。

⚠️注意：条件判断如 (区域=条件) 返回TRUE/FALSE，需要用 *1 或-- 转为1/0。但在乘式中Excel会自动转换，所以 (条件)*数据 不需要额外转。

二、实战场景

场景1：加权平均分——班主任的算分神器

痛点：期末算加权平均分，语文权重3、数学3、英语2、物理2。常规做法要加辅助列，SUMPRODUCT一行公式搞定。

示例数据：

权重：语文=3, 数学=3, 英语=2, 物理=2

公式：=SUMPRODUCT(B2:E2, {3,3,2,2}) / SUM(3+3+2+2)

结果：小王加权平均 = (85×3+92×3+78×2+90×2)/10 = 86.7

场景2：多条件求和——不用SUMIFS也能行

痛点：老板要「华东区销售经理张三」的全年业绩汇总。SUMPRODUCT原生支持多条件，不需要Ctrl+Shift+Enter。

公式：=SUMPRODUCT((A2:A9="张三")*(B2:B9="华东")*(C2:C9="销售经理")*E2:E9)

结果：85,000+92,000+78,000+95,000 = 350,000

场景3：多条件计数——有多少个符合条件的员工

公式：=SUMPRODUCT((B2:B9="华东")*(D2:D9="Q1")*(E2:E9>50000)*(C2:C9="销售代表"))

结果：1（只有王五符合）

SUMPRODUCT比COUNTIFS更灵活：条件可以是函数运算结果，如 LEFT(B:B)="华" 或 LEN(A:A)=2，COUNTIFS做不到。

场景4：跨表交叉匹配求和——VLOOKUP和SUM合二为一

销售明细：

价格表：

公式：=SUMPRODUCT(C2:C6, SUMIF(G2:G4, B2:B6, H2:H4))

结果：10×120+5×200+8×85+15×120+6×200 = 5,880

三、Python 版：大数据量的 SUMPRODUCT

海量数据时，Excel 容易卡顿，用 pandas 处理效率更高，实现同类逻辑：

import pandas as pddf = pd.read_excel('销售数据.xlsx')# 多条件求和r = df[(df['区域']=='华东')&(df['职位']=='销售经理')]['业绩'].sum()# 多条件计数c = df[(df['区域']=='华东')].shape[0]# 跨表匹配df_p = pd.read_excel('价格表.xlsx')merged = df.merge(df_p, on='产品编号')total = (merged['数量']*merged['单价']).sum()

pandas 可自动忽略缺失值，支持数十万行大数据计算，运行流畅不卡顿。

四、SUMPRODUCT 使用小帖士

• 保证所有参与运算的数组区域长度一致，否则会出现 #VALUE! 报错
• 多条件筛选务必使用 * 乘号写法；逗号参数模式不适合布尔条件运算
• 尽量避免整列全引用（如 A:A），老版本 Excel 会大幅拖慢运算速度，限定实际数据范围
• 原生不支持 *、? 通配符模糊匹配，如需模糊筛选，可搭配 ISNUMBER+SEARCH 函数实现
• 常规简单多条件统计优先用 SUMIFS / COUNTIFS；遇到复杂数组逻辑、模糊函数条件时，再用 SUMPRODUCT

附：长期坚持原创不易，如文章能够为大家带来少少帮助的，请大家点赞并转发，以支持我继续分享创作，你的支持将是我的不懈动力！谢谢！

（本文为本公众号原创，未经允许和授权，严禁转载，违者必究）