
Excel-直方图(频率分布)分析
直方图又称频率分布图,是一种显示数据分布情况的柱形图,即不同数据出现的频率。通过这些高度不同的柱形,可以直观、快速地观察数据的分散程度和中心趋势,从而分析流程满足客户需求的程度。图9-42列出了直方图能够回答的问题。
图9-42直方图能够回答的问题
直方图适用于连续数据的分析(如客户收到订单商品的天数),因此直方图对数据量有一定的要求。如果数据量很少时,可以直接使用散点图进行展示。
在Excel中绘制直方图有两种方式,一种是手动绘制,即自己统计出数据的频率,然后通过插入柱形图进行实现;另一种方法是使用数据分析工具直接生成统计图形。
1.手动绘制
图9-43是网站手机数码类商品客户收货天数测量结果,现在统计这些数据的分布频率。
首先,使用Excel的MAX和MIN函数找出该组数据的最大值和最小值,计算最大值和最小值之差,即数据范围;然后,根据数据特征或统计需要,确定要分的组数。该组数据的最大值和最小值分别为24和1,经过讨论,决定将数据分为[1~5]、[6~10]、[11~15]、[15~20]、[21~24] 5个组。
图9-43手机数码类商品客户收货天数
下面需要统计数据在各组的出现次数,即频率。在Excel中可以使用FREQUENCY(data_array,bins_array)函数统计数据的频率,data_array是要计算频率的数据,bins_array是对分组区间的引用。在图9-44所示的H2~H6单元格中分别输入每组的最大值,然后选定J2:J6单元格,输入公式=FREQUENCY(A1:F7,H2:H6)后,按下<Ctrl+Shift+Enter>组合键,即可看到各组中数据的出现次数。
图9-44统计数据在各组的出现次数
选定I1:J6区域,在“插入”功能区的“图表”模块中,单击“柱形图”Ž“簇状柱形图”按钮,即可看到绘制的柱形图,即直方图,如图9-45所示。可以看到,客户收货天数主要集中在6~10天。
图9-45插入柱形图
然后可以对图表进行美化,去除图例栏,修改图表的标题为“客户收货时间区间分布图”,如图9-46所示。
图9-46美化后的统计图形
2.数据分析工具绘制
单击“数据”选项卡中的“数据分析”按钮,打开“数据分析”对话框,如图9-47所示。
图9-47“数据分析”对话框
从分析工具列表中选择“直方图”后单击“确定”按钮,将打开如图9-48所示的“直方图”对话框。
图9-48“直方图”对话框
输入区域即存放原始采集数据的位置,选择A1:F7区域。接收区域是设置的区间分割点,仍旧使用手动统计频率时的H2:H6区域。
输出区域即存放频率统计结果的位置,也就是说,Excel会根据指定的区间分割点,自动计算原始采集数据的频率。
勾选“图表输出”复选框才会输出图表,否则仅显示频率统计结果。“柏拉图”和“累积百分率”请参考XX节“帕累托图”的介绍。
设置完成后,单击“确定”按钮,即可看到频率统计结果和输出的统计图表,如图9-49所示。
图9-49输出的频率统计结果和图表
可以看到自动统计结果(A10:B16)与手工统计的结果(J2:J6区域)完全相同,但是包含了一个“其他”选项,并且图表的分类轴标签使用的是区间分割点值,这时需要对图表进行一些美化调整。删除“其他”选项数据,然后将I2:I6区域的组标识数据复制到A11:A15区域修正分类轴标签显示,并对图表标题进行修改等,最后结果如图9-50所示。
图9-50美化后的直方图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12