京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分占比、整体分布形态(如是否正态分布),为教学评估、个性化辅导提供数据支撑。Excel作为主流的办公数据处理工具,内置多种图表功能,可轻松实现成绩分布图的制作。本文将从“数据准备→图表制作→优化美化→解读分析”全流程,详细拆解Excel制作成绩分布图的方法,覆盖直方图、柱状图(分组统计)、折线图三种常用类型,适配不同分析需求。
成绩分布图的核心是“展示成绩在不同分数段的分布情况”,不同图表类型的呈现效果与适用场景不同,需根据分析目标选择:
直方图:最常用类型,以连续的矩形条表示成绩区间的频数(某分数段的人数),适合直观呈现成绩的集中趋势(如多数学生集中在80-90分);
柱状图(分组统计):将成绩划分为离散分数段(如60以下、60-70、71-80等),以独立矩形条展示各分数段人数,适合精确对比不同分数段的人数差异;
折线图:以折线连接各分数段的频数,适合展示成绩分布的变化趋势(如从低分到高分的人数变化规律)。
关键前提:无论选择哪种图表,都需先对成绩数据进行整理(如去重、补全缺失值、划分分数段),确保数据准确可用。
工具选型建议:Excel 2016及以上版本支持“直方图”直接插入,操作更简便;旧版本无直方图功能,可通过“柱状图+数据分组”实现类似效果。本文以Excel 2021为例,步骤适用于2016及以上版本。
制作成绩分布图的第一步是数据整理,核心目标是“让成绩数据规范、可统计”,具体步骤如下:
假设原始成绩数据在Excel工作表的“A列”(A1为表头“成绩”,A2:A51为50名学生的成绩,含缺失值、异常值),清洗步骤:
去重:选中A列→点击“数据”选项卡→“删除重复项”→勾选“成绩”→确定,删除重复的成绩记录;
补全缺失值:若存在空白单元格(缺失成绩),可根据实际情况处理——若为少数缺失,可手动补充;若为多数缺失,需排查数据来源;也可通过“开始”→“查找与选择”→“定位条件”→“空值”,批量填充(如填充平均分);
剔除异常值:筛选出明显不合理的成绩(如负数、超过100分的分数),选中异常值单元格→右键删除或修正(需确认数据真实性,避免误删)。
直方图可自动划分分数段,而柱状图、折线图需手动定义分数段(如按10分一档划分)。以满分100分为例,在B列定义分数段:
B1:分数段
B2:60以下
B3:60-70
B4:71-80
B5:81-90
B6:91-100
在C列使用“COUNTIFS函数”统计各分数段人数(C1为表头“人数”):
C2(60以下):=COUNTIFS(A:A,"<60") (统计A列中小于60的数值个数);
C3(60-70):=COUNTIFS(A:A,">=60",A:A,"<=70") (统计60≤成绩≤70的个数);
C4(71-80):=COUNTIFS(A:A,">=71",A:A,"<=80");
C5(81-90):=COUNTIFS(A:A,">=81",A:A,"<=90");
C6(91-100):=COUNTIFS(A:A,">=91",A:A,"<=100")。
输入公式后按回车,即可自动统计各分数段人数,整理后的数据如下表所示:
| 成绩(A列) | 分数段(B列) | 人数(C列) |
|---|---|---|
| 95 | 60以下 | 3 |
| 88 | 60-70 | 7 |
| 75 | 71-80 | 12 |
| 62 | 81-90 | 18 |
| 98 | 91-100 | 10 |
以下分别详细拆解直方图、柱状图(分组统计)、折线图的制作步骤,涵盖“插入图表→设置参数→基础美化”全流程,新手可按步骤直接操作。
直方图无需手动划分分数段,Excel可自动根据数据分布生成区间,适合快速查看成绩集中趋势。
选中数据:选中清洗后的成绩数据区域(如A2:A51,不含表头);
设置坐标轴与区间:
右键点击“水平(类别)轴”(X轴,即成绩区间)→选择“设置坐标轴格式”;
在右侧面板中,可调整“ bin 宽度”(区间宽度,如设置为10,即10分一档)、“边界”(起始分数,如设置为0);若需手动定义区间,可勾选“类别”→输入自定义区间值;
添加图表元素:
点击图表右上角的“+”号(图表元素)→勾选“图表标题”“坐标轴标题”“网格线”;
修改图表标题为“XX班级成绩分布图(直方图)”,X轴标题为“成绩区间”,Y轴标题为“人数”;
基础美化:
选中矩形条→右键“设置数据系列格式”→调整“填充颜色”(如选择浅蓝色,提升可读性);
删除多余网格线(保留水平网格线),让图表更简洁。
完成后,直方图将清晰展示各成绩区间的人数分布,能快速看出成绩集中在哪个区间(如81-90分人数最多)。
柱状图适合精确对比不同分数段的人数差异,需基于前期整理的“分数段-人数”数据(B列和C列)制作。
选中数据:选中分数段和人数的对应区域(B2:C6,含分数段和人数数据,不含表头);
插入柱状图:点击“插入”选项卡→“图表”组→选择“簇状柱形图”(默认类型即可,也可选择“二维柱形图”);
设置图表元素:
添加图表标题“XX班级成绩分布图(柱状图)”,X轴标题“分数段”,Y轴标题“人数”;
勾选“数据标签”(在柱子上方显示具体人数),方便直观读取数据;
优化图表样式:
选中柱子→右键“设置数据系列格式”→调整“填充颜色”(可给不同分数段设置不同颜色,如60以下用红色,91-100用绿色);
调整柱子宽度(默认宽度较宽,可设置为“50%”,让图表更美观);
删除背景色和多余边框,保持图表简洁。
柱状图的优势是能清晰对比各分数段的人数差异,比如快速看出“81-90分”人数最多,“60以下”人数最少。
折线图适合展示从低分到高分的人数变化趋势,制作基础与柱状图一致,基于“分数段-人数”数据。
选中数据:同柱状图,选中B2:C6(分数段和人数数据);
插入折线图:点击“插入”选项卡→“图表”组→选择“折线图”(推荐“带数据标记的折线图”,能清晰看到各分数段的具体数据点);
设置图表元素:
添加图表标题“XX班级成绩分布图(折线图)”,X轴标题“分数段”,Y轴标题“人数”;
勾选“数据标签”和“网格线”,数据标签显示具体人数,网格线帮助快速读取数值;
优化图表样式:
选中折线→右键“设置数据系列格式”→调整“线条颜色”(如深蓝色)、“线条宽度”(2磅,让折线更清晰);
选中数据标记→设置为“圆形”,填充颜色与折线一致,大小适中(如10磅);
删除多余背景元素,保持趋势清晰。
折线图能直观展示成绩分布的变化趋势,比如“从60以下到81-90分,人数逐渐上升;从81-90分到91-100分,人数逐渐下降”,说明成绩呈“中间高、两头低”的正态分布趋势。
基础图表制作完成后,通过以下优化技巧,可让图表更具专业性和可读性,适合用于汇报、教学分析等场景:
警示色应用:60以下的分数段(不及格)用红色填充,提醒重点关注;91-100分(优秀)用绿色填充,突出优势区间;中间分数段用蓝色、浅蓝色等中性色;
颜色统一性:同一类型的元素保持颜色一致(如折线图的线条和数据标记颜色一致),避免颜色杂乱影响阅读。
坐标轴优化:X轴标签(分数段)若显示不全,可右键点击X轴→“设置坐标轴格式”→“标签”→调整“标签位置”(如设置为“倾斜”);Y轴范围可根据人数调整(如人数最多为18,可设置Y轴最大值为20,避免图表过高或过矮);
数据标签优化:将数据标签设置为“居中对齐”,字体大小适中(如10号字),颜色与背景对比明显(如浅色柱子用黑色标签,深色柱子用白色标签);
删除冗余元素:删除图表背景色、多余边框、无关网格线(如垂直网格线),让焦点集中在数据本身。
若图表用于汇报,可在图表旁添加分析备注(如“本次成绩集中在81-90分,共18人,占比36%;不及格人数3人,占比6%,需重点辅导”),帮助读者快速理解图表核心信息。操作方法:点击“插入”→“文本框”→输入备注内容→调整文本框位置(如放在图表右侧)。
制作成绩分布图的核心目的是“通过数据可视化辅助决策”,以下结合常见场景,拆解图表解读要点与应用方向:
集中趋势:找出人数最多的分数段(如81-90分),判断整体成绩水平(如集中在中高分段,说明整体成绩较好);
离散程度:查看分数段分布是否均匀(如各分数段人数差异不大,说明成绩分布分散;若集中在某一区间,说明离散程度小);
异常区间:重点关注不及格(60以下)、优秀(90以上)区间的人数占比,判断是否存在“两极分化”(如不及格人数过多、优秀人数过少)。
教学评估:若成绩集中在低分段(如60-70分),说明教学效果有待提升,需调整教学方法;若集中在高分段,说明教学目标达成度高;
个性化辅导:针对不及格人数较多的情况,开展专项辅导;对优秀学生,可提供拓展性学习任务;
考试难度分析:若多数学生成绩集中在低分段,可能说明考试难度过高;若多数学生集中在高分段,可能说明考试难度过低,需调整试题难度。
在Excel制作成绩分布图的过程中,容易出现数据统计错误、图表显示异常等问题,以下是常见问题及解决方案:
原因:① 成绩数据为文本格式(如单元格左上角有绿色小三角),无法被函数识别;② 函数条件设置错误(如符号写错、区间重叠)。
解决方案:① 选中成绩列→点击“数据”→“分列”→直接点击“完成”,将文本格式转为数字格式;② 检查函数条件(如“<=”不要写成“<”,确保区间无重叠)。
原因:Excel自动划分的区间不符合需求(如默认按20分一档,过于宽泛)。
解决方案:右键点击X轴→“设置坐标轴格式”→在“坐标轴选项”中手动调整“bin 宽度”(如设置为10),或手动输入“类别”区间(如0,60,70,80,90,100)。
原因:分数段为文本格式,Excel按首字符ASCII码排序,而非逻辑顺序。
解决方案:在分数段前添加序号(如“1.60以下”“2.60-70”),排序后隐藏序号(选中X轴标签→右键“设置坐标轴格式”→“数字”→“自定义”→输入“@”,仅显示文本部分)。
原因:图表尺寸过小,或数据标签过多。
解决方案:① 拖动图表边框放大图表尺寸;② 右键点击数据标签→“设置数据标签格式”→勾选“仅显示标签”,或调整标签位置(如柱状图标签放在柱子上方,折线图标签放在数据点右侧)。
Excel制作成绩分布图的核心逻辑是“数据整理→图表制作→优化解读”:先通过清洗数据、划分分数段,为图表制作奠定基础;再根据分析需求选择合适的图表类型(直方图快速看趋势、柱状图精确对比、折线图看变化);最后通过优化图表样式、解读核心信息,将可视化结果转化为教学决策的依据。
对于教育工作者、行政人员而言,掌握这一技能能大幅提升成绩分析效率,让数据呈现更直观、更专业。建议从基础的直方图、柱状图入手,熟练后再尝试折线图及进阶优化技巧,结合实际场景多练习,就能轻松制作出高质量的成绩分布图。

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10