Excel绘图区分区设置不同背景色之条形图
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。本篇介绍使用条形图，进行横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
用辅助堆积条形图横向设置分区背景色：
准备横向对绘图区设置背景，在原数据表格中添加一辅助系列数据，如下图所示（其中数据15只是为了不使原系列1的图象与Y轴刻度不变，而且系列2图象能显示而定，其实可以随意设置，不过为整齐划分，各列数据应相等）：
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，将BA4：BD4添加为系列2，水平（分类）轴标签选为BA2：BD2，如下图所示：
图-2
确定后，系列2也呈折线图，如下图所示：
图-3
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图表类型改变为堆积条形图：
图-4
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-5
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，将横轴的次轴刻度设为0-15，然后删除横轴的次轴，再删除系列2的数据标志，如下图所示：
图-7
上述方法是增加一行辅助系列数据，设置其为堆积条形图，并使其分类之间间距为0。换言之，即以堆积条形图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，其缺点是只能横向分割，且颜色比较单调。
可以仿造逐个添加辅助数据，使用堆积柱形图的方式，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。原则是一样的，只是手法略有区别，在此不再赘述。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据库日常操作中，INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表（或查询结果集）的数 ...
2025-10-16在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这 ...
2025-10-16在数字化浪潮中，“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法， ...
2025-10-16在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据 ...
2025-10-14在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中，“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”：各部门数据口 ...
2025-10-10在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入，拆解两种方法的核心适用条件、场景边界与实战选择逻辑，结合医学、工业、教育领域的案例，让你明确 ...
2025-10-09
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
