
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29