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
在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30