打开【两个表格】，选择【文件单元格】，选择【公式】，选择【VLOOKUP函数】。将查找值设置为【比对数据】，将数据表设置【表格数据】，快捷键【shift+f4】进行绝对引用。
如下图，该工作簿中第一张表为一个成绩单。第二张表中要比对人名后填入正确的分数。这时点击B2单元格，点击“FX”。找到“VLOOKUP”函数，点击“确定”。
打开一个excel表，需要在另一个表中匹配出相应同学的班级信息。我们把光标定位在需要展示数据的单元格中，如下图所示。在单元格中输入“=vl”，然后会自动提示出VLOOKUP函数，双击蓝色的函数部分。
点击要匹配数据的单元格。点击菜单栏中的公式并点击查找和应用。点击vlookup函数公式。在另一个表中分别选择查找值，数据表，列序数和匹配条件。最后按下回车键并向下填充即可。
如下图，该工作簿中第一张表为一个成绩单。第二张表中要比对人名后填入正确的分数。这时点击B2单元格，点击“FX”。找到“VLOOKUP”函数，点击“确定”。
Excel中可以用Vlookup函数把两个表相同的数据匹配出来且附上另外一个表的值。
我们准备两个表格，第一个表格是“成绩和名字”，第二个表格是“名字和学号”。在表格一的单元格中输入公式=vlookup()。在方程式中输入要匹配数据的坐标。
多模态数据就是利用数据融合技术在多模态生物识别的过程里面来采取识别过程，使得认证和识别过程更加准确安全。
多模态数据，它跟传统数据的区别在于捕获的信息量和数据的复杂性。模态数据可以捕获广泛的信息，包括视觉和听觉线索，而传统数据通常仅限于单一模态。
多模态指的是同一个任务中使用多种不同的特征数据来完成，以此来提高识别准确度。大模型指的是使用更多的参数来提高模型的表现，从而提高识别准确度。
模态指的是人类通过感官（如视觉、听觉等）与外部环境（如人、机器、物件、动物等）之间的互动方式。
虽然MAESTRO能够在RNN-T框架下通过模态匹配算法从语音和文本模态中学习共享表示，但该算法只能在成对的语音-文本数据上进行优化。SpeechLM的目标就是利用文本数据来改善语音表征的学习。
而现在更引人瞩目的是同时分析单细胞内多种分子以建立更全面的单细胞分子视图。通常这些方法是将scRNA-seq数据与其它分析手段的结合，目前主要有四种策略从单细胞中得到多模态数据： 严格来说这种方法算单模态。