京公网安备 11010802034615号
经营许可证编号:京B2-20210330
两个项目对比的excel组合分析图表
在实际工作中,也会碰到这样的情况:对今年和去年的各项财务指标进行对比分析;把公司的员工人数按性别和年龄段进行分类对比显示。图1所示就是这样的一个图表,图表左侧是公司男员工各个年龄段的人数,图表右侧是公司女员工各个年龄段的人数,这样的图表可使我们一目了然地了解到公司员工的构成情况,其实这也属于一个excel图表中的两个项目对比的excel组合分析图表。
图1
这是一个比较复杂的excel组合图表,因为要将男员工绘制在左侧,将女员工绘制在右侧,中间是年龄段标签。这样的条形图不是仅仅根据原始数据就能绘制出来的,要用到很多技能和技巧。下面介绍这个图表的主要制作方法和步骤。
1、设计辅助绘图数据区域,如图2中的数据区域E1:H8所示,其中E列的数据是为了分割左右的条形图,并在图表中显示各个年龄段名称,G列的数字是手工输入的数字,用于调整图表的左右两列条形中间的宽度,以便能够清楚地显示各个年龄段名称。
图2
2、将F列的男员工人数修改为负数(因为在绘制条形图时,只有负数才能绘制在左边),可以采用“选择性粘贴”中的“批量修改”功能把F列的数据统一修改为负数。
3、选择F列的数据区域,打开“设置单元格格式”对话框,在“分类”列表中选择“自定义”选项,在“类型”文本框中输入自定义数字格式代码“0:0:0;@”,如图3所示,这样就把负数又显示为正数。
图3
4、选择单元格区域El:H8,绘制“堆积条形图”,如图4所示。
图4
5、下面设置分类轴格式。
选择分类轴(也就是纵轴),打开“设置坐标轴格式”对话框。
在“坐标轴选项”分类中,选择“逆序类别”复选框,并将“主要刻度线类型”、“次要刻度线类型”和“坐标轴标签”都设置为“无”,如图5左所示。在“线条颜色”分类中,选择“无线条”单选按钮,如图5右所示。
图5
上述设置的目的是不在图表上显示分类轴,并把分类轴的类别次序反转,以使其上下顺序与工作表的上下顺序相同。
6、分别选中数值轴和网格线,按【Delete】键将其删除。
7、调整图表区和绘图区大小,并将图例移动到图表顶部,取消图例的边框的填充颜色。这样,图表就变为如图6所示的情形。
图6
8、选择数据系列“年龄段”,打开“设置数据系列格式”对话框。在“系列选项”分类中,将分类间距调整为一个合适的值,如图7左所示。在“填充”类别中,选择“无填充”单选按钮,也就是不显示该数据系列,如图7右所示。
图7
9、注意到此时系列“年龄段”还处于选中状态,为该系列设置显示数据标签,但是仅仅显示系列的“类别名称”,如图8所示。
图8
10、为图表添加图表标题,并将默认的标题文字修改为具体的标题说明文字。
11、分别选择数据系列“男”和“女”,设置它们的填充效果,并显示数据标签,但仅仅显示系列的“值”。
12、设置图表区的格式和绘图区的格式,调整图表的大小和位置,再对图表中某些不满意的地方重新设置格式,即可得到需要的图表。
两个项目对比的excel组合分析图表可以使用于今年和明年的业绩对比,男性和女性等等的相互对比分析,特别是两年的业绩对比用处最多了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01