京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12