京公网安备 11010802034615号
经营许可证编号:京B2-20210330
这么漂亮的Excel图表,年终总结就用它了!(附福利)
最近在某份研究报告中见到了这样一个图表:
看到它的瞬间,有一种看见美女惊为天人的感觉。很精致,很别致,让整个报告显得特别上档次。
所以,今天姐姐给大家分享的就是如何制作这个漂亮的图表。这种图的学名叫南丁格尔玫瑰图,又名为极区图 ,是一种圆形的直方图。
由英国护士和统计学家弗罗伦斯·南丁格尔发明的,通过一种色彩缤纷的图表形式,让资料统计数据更加让人印象深刻。
主要思路:利用雷达图的特点,将雷达图分成360份,每一个指标的大小其实是360份中的多少份,然后我们再根据指标大小来设置扇区的半径。
▌步骤一:整理数据
将原始数据通过“转置”转换成右边的格式
▌步骤二:设置辅助数据
首先,我们来计算每一个指标在360份中所占的份数,在B4单元格输入公式=B3*360,向右拖动公式,填充B4到G4单元格。
然后,根据指标的大小计算扇区的高度,即扇区半径,在B5单元格输入公式=B3*100,向右拖动公式,填充B5到G5单元格。(注意:扇区半径较小,后期可以调整)
再然后,设置每个扇区的起始角度和终止角度。
第一个扇区从0开始,下一个扇区就从上一个扇区的终止位置开始。
在B6单元格输入0,B7单元格输入公式=B4,C6单元格=B7,C7单元格=C6+C4,向右拖动C6和C7,将公式填充至C6到G7单元格。
最后,设置作图数据区域。将雷达图细化为360份。
在B10单元格输入公式=IF(AND($A10>B$6,$A10<B$7),B$5,0),将公式拖动填充至整个作图数据区域。
至此,辅助数据设置完成。
▌步骤三:插入雷达图-填充雷达图
由于数据差异较大,扇形半径差异也较大,使得较小数据看起来较为费劲,所以我们可以重新调整半径数据,只需要保证相对大小不变就行。
▌步骤四:美化图表,设置数据标签
先清楚所有的数据标签。
再将原始数据标签导入,最后通过手动调整标签内容和位置完成图表制作。
怎么样?这个结果您还满意吗?
也许有人会问,原始图表中间是空心的啊?咱们是实心的。没关系,最简单的办法就是中间插入一个圆。
当然我们还是要走正规途径。
首先设置辅助列,从1到360填充20,意味着制作一个半径为20的圆。
修改图表数据区域,将辅助列增加进去,删掉数据标签,填充为白色。
即可完成漂亮的南丁格尔玫瑰图的制作啦。
当然啦,细节部分大家还可以再优化,今天我们的教程就到这里啦。
罂粟姐姐两年磨一剑,将从事数据分析工作五年来的所有心得体会、所有技巧技能都融入了一本书《人人都能学会的Excel数据分析》。
这本书完全以实践应用为指导,围绕案例层层展开;
循序渐进,以数据分析的6大步骤为主线,每一个知识点都是精华;
除了Excel数据分析外,还涉及SPSS案例分析、统计分析图表、统计分析报告等相关知识,全面覆盖,重点突出;
并且站在职场“老人”带“新人”的角度把数据分析各个环节的注意事项解释得清清楚楚,通俗易懂。
扫描下发二维码立即购买,双十二购书,满100减40
五年职场经验,浓缩成这本书。
如果你看过罂粟姐姐的教程,你肯定知道:罂粟姐姐出品,必属精品。
双十二当当、京东等各大书店购书均有优惠,欢迎各位小伙伴预定新书,欢迎转发朋友圈,我们一起学习,一起成长。
今天在文末留言点赞数最高的将获得罂粟姐姐签名书《人人都能学会的Excel数据分析》一本,价值69元。(集赞累计到12月31日)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20