京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Excel史上最全的气泡与方块系列的图表
这是Excel史上最全的气泡与方块系列的图表,包括气泡比较图、方块比较图、百分比气泡图、百分比方块图和饼形气泡图共5种不同类型的图表。
1. 气泡比较图
大家好,今天首先分享一则华尔街图表,如图:我们暂且称作气泡比较图
原始图表
仿制图表
这则图表本身不难,最大的难点就是底端对齐,就是每个气泡的Y坐标用开平方根的办法去寻找Y坐标数据的比例约束关系。函数表达式如图:
2. 方块比较图
具体生成图表怎么做就很简单了,不再做具体介绍。稍微变通一下,我们还可以做如下的方块面积图。
只要用做好的形状贴入进去就可以了。
大致效果如下:
3. 百分比方块图
假如碰到这种双方块正方形的华尔街图表,用气泡贴入法就不能胜任了。可以考虑使用面积图,这种图我们可以称作百分比气方块图。如图所示:
思路大致如下,由于是正方形,可以用 函数SQRT 对指标开平方根,正好对应方块的两条边,然后面积图的X轴使用时间序列刻度轴,由于时间刻度轴最小单位是1,所以开平方根的结果乘以100。
第1步:组织数据源时,大概有两种思路,一种是两组方块的数据共用一条X轴时间刻度的构造办法,另一种构造数据源的办法,使两组方块图的数据分别使用主副坐标轴,使两组方块在不同的X轴时间刻度上。
组织数据源基本是一道数学题目了,有点烧脑,希望童鞋们自己多想想啦!只用一条X轴坐标轴的数据构造如图所示:
第2步:这里 插入0 的作用是使得面积图断开来,形成不同的方块。我们就以构造两条X轴时间序列的数据进行画图吧!先插入一组数据做一组方块图,如图所示:
第3步:将X轴改为时间序列,依葫芦画瓢再插入另一组数据,启动双坐标轴,使两组数据在不同的X轴。
第4步:做到这一步大致成形,但是突然发现每个方块是不能分开填色的,这样又不得不对数据进行错行。这时又有两种思路进行错行,构造两条X时间刻度的数据源在错行时显得不够直观了, 每个Y1行都共用X1行的主X坐标轴,而每个Y2行共用X2的副X坐标轴,如图:
第5步:这时共用一条X轴时间序列的数据源反而更直观,如图所示:
有点烧脑了,不太好解释,可能有些童鞋一时转不弯来。
第6步:插入图表立马Excel就自动分开填色了,接下来就是美化工作,删除不必要的元素,使用华尔街相同的颜色,仿制的效果还是比较完美。
4. 百分比气泡图
假如要把双方块图改成双圆底端对齐的图表,那面积图就不太胜任了。使用文中介绍的气泡图思路技巧就简单不少。大致效果如下,这种图我们可以称作百分比气泡图。
当然也可以通过计算数据,调整得到这种商业风格的百分比气泡图:
5. 饼形气泡图
再谈一下气泡图贴入法的妙用。原图如下:
仿制图如下:
这张华尔街半圆气泡图,本来很容易,每个气泡面积的大小代表不同的指标,但是里面混合了半圆饼图就有点难,采用贴入法就简单了,缺点就是图表不能随着数据动起来。
第1步:我们先组织如下数据:
第2步:然后更改X轴标签最大刻度为9,气泡面积为300。
这里比较巧妙的就是把Y轴最小刻度改为0,这样就将气泡压缩成半圆气泡。
第3步:再做三个饼图,只要做好一个,有个巧妙的办法用格式复制,做出余下两个,这样省时间。
第4步:复制一下饼图,从这里粘贴过去。
第5步:接下来就是美化工作了,再将图表锚定在网格上,在单元格里做文字工作,最后效果如下:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15