
两个项目对比的excel组合分析图表
在实际工作中,也会碰到这样的情况:对今年和去年的各项财务指标进行对比分析;把公司的员工人数按性别和年龄段进行分类对比显示。图1所示就是这样的一个图表,图表左侧是公司男员工各个年龄段的人数,图表右侧是公司女员工各个年龄段的人数,这样的图表可使我们一目了然地了解到公司员工的构成情况,其实这也属于一个excel图表中的两个项目对比的excel组合分析图表。
图1
这是一个比较复杂的excel组合图表,因为要将男员工绘制在左侧,将女员工绘制在右侧,中间是年龄段标签。这样的条形图不是仅仅根据原始数据就能绘制出来的,要用到很多技能和技巧。下面介绍这个图表的主要制作方法和步骤。
1、设计辅助绘图数据区域,如图2中的数据区域E1:H8所示,其中E列的数据是为了分割左右的条形图,并在图表中显示各个年龄段名称,G列的数字是手工输入的数字,用于调整图表的左右两列条形中间的宽度,以便能够清楚地显示各个年龄段名称。
图2
2、将F列的男员工人数修改为负数(因为在绘制条形图时,只有负数才能绘制在左边),可以采用“选择性粘贴”中的“批量修改”功能把F列的数据统一修改为负数。
3、选择F列的数据区域,打开“设置单元格格式”对话框,在“分类”列表中选择“自定义”选项,在“类型”文本框中输入自定义数字格式代码“0:0:0;@”,如图3所示,这样就把负数又显示为正数。
图3
4、选择单元格区域El:H8,绘制“堆积条形图”,如图4所示。
图4
5、下面设置分类轴格式。
选择分类轴(也就是纵轴),打开“设置坐标轴格式”对话框。
在“坐标轴选项”分类中,选择“逆序类别”复选框,并将“主要刻度线类型”、“次要刻度线类型”和“坐标轴标签”都设置为“无”,如图5左所示。在“线条颜色”分类中,选择“无线条”单选按钮,如图5右所示。
图5
上述设置的目的是不在图表上显示分类轴,并把分类轴的类别次序反转,以使其上下顺序与工作表的上下顺序相同。
6、分别选中数值轴和网格线,按【Delete】键将其删除。
7、调整图表区和绘图区大小,并将图例移动到图表顶部,取消图例的边框的填充颜色。这样,图表就变为如图6所示的情形。
图6
8、选择数据系列“年龄段”,打开“设置数据系列格式”对话框。在“系列选项”分类中,将分类间距调整为一个合适的值,如图7左所示。在“填充”类别中,选择“无填充”单选按钮,也就是不显示该数据系列,如图7右所示。
图7
9、注意到此时系列“年龄段”还处于选中状态,为该系列设置显示数据标签,但是仅仅显示系列的“类别名称”,如图8所示。
图8
10、为图表添加图表标题,并将默认的标题文字修改为具体的标题说明文字。
11、分别选择数据系列“男”和“女”,设置它们的填充效果,并显示数据标签,但仅仅显示系列的“值”。
12、设置图表区的格式和绘图区的格式,调整图表的大小和位置,再对图表中某些不满意的地方重新设置格式,即可得到需要的图表。
两个项目对比的excel组合分析图表可以使用于今年和明年的业绩对比,男性和女性等等的相互对比分析,特别是两年的业绩对比用处最多了。
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