
饼图和圆环图分析多个数据系列
我们知道,饼图只有一个系列,也就是只能考察一个系列数据的构成情况。如果要考察多个数据系列的构成情况,就需要使用圆环图了,今天我们就学习下用饼图和圆环图分析多个数据系列。
图1左所示是一个反映销售量和销售额的圆环图,内环是销售量,外环是销售额。这个图表看起来并不美观,因为中间有一块空白,使得图表的数据显示不够精练。当然,可以在圆环图中间的空白区域内插入一个产品图片,以修饰图表,如图1右所示。
图1
但是,对于这样的销售量和销售额构成分析图,使用饼图和圆环图的组合图表,是比较好的一种解决方案,如图2所示。在这个图表中,中间是饼图,表示各个地区的销售量份额;外面是圆环图,表示各个地区的销售额份额。这样的excel图表显得很精练,其数据信息的表达也更清楚。
图2
1、以数据区域绘制圆环图,如图3所示。
图3
2、选择内环的系列“销售量”,将其图表类型更改为饼图,如图4左所示,此时图表看起来不是很清楚,下面要进行一系列的设置。
3、选择系列“销售量”,打开“设置数据系列格式”对话框,将其绘制在“次坐标轴”上,图表就变为如图4右所示的情形。
图4
4、选择系列“销售量”,将其向外拖动,如图5左所示,经过几次拖动后,使饼图扇区的宽度正好与系列“销售额”圆环图的宽度相同,如图5右所示。
图5
5、先选择系列“销售量”,再选择该系列的各个扇区,将其一一拖放到圆环中间的空白位置,如图6所示。
图6
6、选择系列“销售量”,为其添加数据标签,如图7所示,注意,这里在“标签包括”选项组中选择“类另名称”复选框和“百分比”复选框,在“标签位置”选项组中选择“数据标签内”单选按钮,在“分隔符”下拉列表框中选择“(分行符)”,最后要注意把数据标签的数字格式设置为百分比(在此对话框的“数字”分类中进行设置)。
图7
7、选择系列“销售额”,为其添加数据标签,如图8所示,注意,这里在“标签包括”选项组中选择“类别名称”复选框和“百分比”复选框,在“分隔符”下拉列表框中选择“(分行符)”。最后要注意把数据标签的数字格式设置为百分比。这样,图表就变为如图13所示的情形。
图8
8、调整图表区和绘图区的大小,设置图表区的填充颜色。
9、分别选择系列“销售量”和“销售额”,设置它们的填充颜色等格式。
10、为图表添加标题,并把图例拖放到合适的位置。
11、根据需要修饰和完善图表,即可得到需要的图表。
我们利用饼图和圆环图分析多个数据系列,这样得出的数据就可以经进行对比了,而且数据表达的也非常的清晰明确。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13