
Excel 绘图区分区设置不同背景色之柱形图
在Excel图表中,如对绘图区设置背景色,一般只能对整个绘图区设置同一种颜色、图案或图片为背景。但有时希望能对不同的分区设置不同的颜色作为背景,这时可以采取其他辅助手段实现这一目标,包括添加辅助的柱形图堆、积柱形图、堆积条形图,面积图等等。这些方法的基本思路是一样的,略举几例,可以自己试验创造。本篇介绍使用柱形图,进行横向或纵向分区设置绘图区背景色。
如有下表:
表-1
做成折线图,调整坐标轴刻度后,如下所示:
图-1
用辅助柱形图纵向设置分区背景色:
先准备按年,对绘图区设置颜色,由上图得知本例Y轴最大刻度为23,在原数据表格中添加一辅助系列数据,如下图所示:
表-2
选中图表,在右键菜单中选“选择数据”(或在Excel界面上“图表工具”-“设计”-“数据”-“选择数据”),在“图例项(系列)”中点击“添加”,准备将上述辅助数据行作为一个系列添加到图表中:
图-2
将AT107:AW107添加为系列2,水平(分类)轴标签选为AT105:AW105,如下图所示:
图-3
确定后,系列2也呈折线图,如下图所示:
图-4
在图表中选中系列2,在右键菜单上选“更改系列图表类型”,将系列2图表类型改变为柱形图:
图-5
选中系列2的柱形,在“设置数据点格式”-“系列选项”中将“分类间距”滑动游标拖至为0,即无间距,如下图所示:
图-6
逐个选中系列2的各个数据点,单独设置各个柱形的填充颜色,适当增加透明,如下图所示:
图-7
上述方法是增加一行辅助系列数据,设置其为柱形图,并使其分类之间间距为0。换言之,即以柱形的填充代之以背景色。这是一种替代方式,并非可以随意自定义设置绘图区背景色。这种方式的优点是设置比较方便,可以较快捷地达到分区的目的,其缺点是只能纵向分割,且颜色比较单调。
以辅助堆积柱形图横向分区设置绘图区背景色
在上面的柱形图方法中,各个分区是纵向设置颜色替代,如要横向分区可以使用堆积柱形图方式。
在上例表中,考虑到最大刻度是23,准备使用堆积柱形图,于是设计一列系列数据,使其堆积总和为23。如欲横向整齐地划分,可同样设置其他几列,如下图所示:
图-8
选中图表,在右键菜单中选“选择数据”(或在Excel界面上“图表工具”-“设计”-“数据”-“选择数据”),在“图例项(系列)”中点击“添加”,将上述辅助数据列AT108:AT111作为系列2添加到图表中,同样将辅助数据列AU108:AU111作为系列3、AV108:AV111作为系列4、AW108:AW111作为系列5,一个一个逐个添加进去(整个区域不能同时一起加入):
图-9
如上图所示,系列2-系列5的水平(分类)轴标签也选为AT105:AW105,确定后,将Y轴刻度调整为0-23,如下图所示:
图-10
逐个选中后添加的系列数据,在右键菜单上选“更改系列图表类型”,将其图表类型改变为堆积柱形图,如下图所示:
图-11
选中柱形,在“设置数据点格式”-“系列选项”中将“分类间距”滑动游标拖至为0,即无间距,如下图所示:
图-12
逐个选中堆积柱形的各个数据点,单独设置各个柱形的填充颜色,并删除图例和堆积柱形图的数据标志,为改善图形位置视觉效果,适当增加透明,再将Y轴刻度设置为15-23,如下图所示:
图-13
也可以随意选中各个数据点,调整颜色,使之横向与纵向区分都较为明显,如下图所示:
图-14
上述方法是增加一系列辅助数据,设置其为堆积柱形图,并使其分类之间间距为0,设置不同颜色,使之达到分割各个分区的目的。如适当调整后添加的辅助数据数值,其分割形式会更丰富。换言之,本例是以堆积柱形的填充代之以背景色,好处在于设置颜色的种类与区域比较多,既可以体现横向分区,也可以体现纵向分区,比较自由灵活多变。不过要说清:这只是一种替代方式,并非可以随意自定义设置绘图区背景色。
你是否渴望进一步提升数据可视化的能力,让数据展示更加专业、高效呢?现在,有一门绝佳的课程能满足你的需求 ——Python 数据可视化 18 讲(PyEcharts、Matplotlib、Seaborn)。
学习入口:https://edu.cda.cn/goods/show/3842?targetId=6751&preview=0
这门课程完全免费,且学习有效期长期有效。由 CDA 数据分析研究院的张彦存老师精心打造,他拥有丰富的实战经验,能将复杂知识通俗易懂地传授给你。课程深入讲解 matplotlib、seaborn、pyecharts 三大主流 Python 可视化工具,带你从基础绘图到高级定制,还涵盖多元图表类型和各类展示场景。无论是数据分析新手想要入门,还是有基础的从业者希望提升技能,亦或是对数据可视化感兴趣的爱好者,都能从这门课程中收获满满。点击课程链接,开启你的数据可视化进阶之旅,让数据可视化成为你职场晋升和探索数据世界的有力武器!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10