
显示最大/最小/平均值的组合excel图表
为了加强图表的直观性和说服力,可以在图表上自动标识出某些特殊数据,而不是手工添加一些自选图形来进行说明。此时,就需要绘制描述特殊数据点的组合图表,例如显示最大/最小/平均值的组合excel图表,显示低于/高于目标值的组合图表,等等。
绘制这类图表的基本方法就是要设计辅助绘图数据区域,然后以包括辅助绘图数据在内的整个数据区域绘制图表,并进行格式化处理。
图1所示是一个显示各个月份的最大销售额、最小销售额、平均销售额以及实际销售额的组合图表,并且最大销售额和最小销售额用醒目的不同颜色点来标识,而平均销售额用一条虚直线表示。
图1
这个excel图表的制作并不难。但是有些烦琐。下面是主要方法和步骤。
1、设计辅助绘图数据区域,如图2所示。其中单元格C2、D2、E2的计算公式分别如下。(下面各行的公式可以复制得到):
单元格C2:=IF(B2=MIN($B$2:$B$13),MIN($B$2:$B$13),NA());
单元格D2:=lF(B2=MAX($B$2:$B$13),MAX($B$2:$B$13),NA()):
单元格E2:=ROUND(AVERAGE($B$2:$B$13),0)。
图2
在判断最大值和最小值时,使用了NA函数,如果某个月份的销售额是最大值或最小值,就把该值保存到相应单元格,否则就保存为一个错误值#N/A(函数NA就是得到一个错误值#N/A)。
由于在默认情况下,图表是不绘制错误值的,因此这种处理方法可以单独绘制出最大值数据点和最小值数据点。
2、以数据区域A1:E13绘制折线图,如图3所示。
图3
3、删除网格线和图例,美化图表,添加图表标题,调整绘图区大小和图表大小。
4、选择系列“平均值”,打开“设置数据系列格式”对话框,在“数据标记选项”分类中选择“无”单选按钮,在“线条颜色”分类中选择“无线条”单选按钮,这样就不会在图表上显示“平均值”系列。
5、注意到系列“平均值”还处于选中状态,单击该系列的最后一个数据点,即可将该数据点选中,然后单击“图表工具”|“布局”选项卡,再单击“标签”功能组中的“数据标签”按钮,弹出下拉菜单,如图4左所示,选择“其他数据标签选项”命令,打开“设置数据标签格式”对话框,在“标签选项”分类中选择“系列名称”复选框和“值”复选框,以及“靠下”单选按钮,如图4右所示,这样就在图表上显示出平均值数据。
图4
6、选择系列“平均值”(注意此时已经看不到这个系列了,需要从“布局”选项卡或者“格式”选项卡的“当前所选内容”功能组中选择该系列),为该系列添加一个“线性”趋势线,然后设置趋势线的格式,这样,图表就变为如图5所示的情形。
图5
7、分别选择系列“最大值”和“最小值”,显示其数据标签(具体步骤请参见步骤5),分别选中这两个数据标签,设置其格式,包括数据标记类型。填充颜色、线条以及字体颜色等项目。
8、对图表进行修饰和美化,即可得到需要的图表。
通过以上操作,我们学会了显示最大/最小/平均值的组合excel图表的方法,这种组合excel图表用处非常的多,我们也可以根据自己的方法来自定义组合图表。
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分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10