• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Buscar en Excel con dos o más criterios

Excel

septiembre 7, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Posiblemente una de las primeras opciones que se nos viene a la cabeza cuando necesitamos localizar los valores asociados a un registro en Excel es la función BUSCARV() (VLOOKUP() en Inglés). Mediante la cual se puede buscar en base a un criterio. Algo que puede no ser suficiente en algunas situaciones, cuando hay que usar dos o más criterios para identificar un registro. Por ejemplo, cuando es necesario encontrar un cliente en una lista en base a la combinación del nombre y apellido. Siendo en este caso necesario buscar en Excel con dos o más criterios.

Emplear dos o más criterios en BUSCARV()

Supongamos que tenemos una tabla de clientes en Excel como la que se muestra en la siguiente captura de pantalla.

Buscar en Excel un cliente en base la combinación del nombre y apellido
Buscar en Excel un cliente en base la combinación del nombre y apellido

Donde los nombres se han generado de forma aleatoria con la aplicación Behind the Name y el valor de la factura con Excel. Ahora sí queremos buscar en base al nombre y apellido, tal como se muestra en la captura, no se puede usar directamente la función BUSCARV(). En la tabla hay dos usuarios con nombre Paulo y dos con apellido Xoel. Lo que nos obliga a combinar ambas opciones.

Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
En Analytics Lane
Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling

Una solución para este problema es crear una columna auxiliar con la concatenación del nombre y el apellido y buscar en base a esta. Lo que se puede hacer insertando una columna antes de la C en la que se escribe la expresión =A2&B2. Una vez creada esta columna se puede escribir la siguiente función en la celda G5.

=BUSCARV(G2&G3;C2:D11;2)

Función que busca la concatenación de la entrada del nombre y apellido introducido en las celdas G3 y G4 en la columna auxiliar. Mostrado como resultado el valor que se encuentra en la columna D. Lo que se puede ver en la siguiente captura de pantalla.

Buscar en Excel un cliente con BUSCARV usando el nombre y apellido
Buscar en Excel un cliente con BUSCARV usando el nombre y apellido

Buscar en Excel con dos o más criterios mediante INDICE() y COINCIDIR()

El método visto en la sección anterior es un poco complicado. En primer lugar, requiere la creación de un campo adicional para buscar los valores. Una columna que puede ser molesta en el caso de que se necesite mostrar la hoja de cálculo. Además, dependiendo de los datos, la concatenación puede producir accidentalmente el mismo valor para dos registros. Algo que puede dar lugar a resultados no deseados.

Para obtener el mismo resultado sin la necesidad de crear al campo adicional se puede combinar las funciones INDICE() (INDEX() en Inglés) junto a COINCIDIR() (MATCH() en Inglés). Lo que permite tener una hoja de cálculo más limpia y sencilla. Para lo que simplemente se crea elimina la columna C creada en la sección anterior y se inserta la siguiente función en la casilla F5.

=INDICE(C2:C11;COINCIDIR(1;(A2:A11=F2)*(B2:B11=F3);0))

Lo que hace esta función es crear una lista con los casos en los que el nombre (A2:A11=F2) y los apellidos del cliente (B2:B11=F3) coinciden con el buscado. Únicamente cuando ambas condiciones sean ciertas el valor de la multiplicación será 1, devolviendo la función COINCIDIR() la posición de este. Una vez obtenida la posición de la coincidencia, simplemente la función INDICE() devuelve el valor correspondiente.

Publicidad


Conclusiones

En esta entrada se han visto dos posibles opciones para buscar en Excel con dos o más criterios. Una situación que puede ser bastante habitual, pero que no se resuelve de forma sencilla con algunas de las funciones nativas de Excel. Aunque sí se puede solucionar fácilmente con los trucos propuestos.

Archivo Excel con los ejemplos

A continuación, se muestra el archivo Excel con los ejemplos vistos en la publicación.

Descargar [12.12 KB]

Imagen de Quang NGUYEN DANG en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 2

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
  • Por qué migrar tus proyectos TypeScript a ES Modules en 2026
  • Actualizar expresslanets a ES Modules con tsx y Vitest
  • Curiosidad: El “bug”, la polilla y la leyenda de Grace Hopper
  • Curiosidad: Por qué la criptografía habla siempre de Alice y Bob
  • BG/BB: el modelo de CLV para compras en períodos discretos
  • Errores comunes al interpretar resultados estadísticos
  • Método del codo: interpretación correcta y limitaciones
  • Dashboard CLV: cuatro modelos, un mismo dataset, conclusiones muy distintas

Publicado en: Herramientas Etiquetado como: Excel

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Actualizar expresslanets a ES Modules con tsx y Vitest

septiembre 24, 2026 Por Daniel Rodríguez

Pareto/NBD: cuando el abandono silencioso cambia el CLV

septiembre 22, 2026 Por Daniel Rodríguez

Por qué migrar tus proyectos TypeScript a ES Modules en 2026

septiembre 17, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • pandas Eliminar las filas con valores nulos en Pandas publicado el abril 24, 2023 | en Python
  • ¿Cuál es la diferencia entre parámetro e hiperparámetro? publicado el diciembre 16, 2019 | en Ciencia de datos
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Maximizar una ventana en Matlab y conocer su estado publicado el enero 11, 2023 | en Matlab

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto