
Excel绘制的不等宽度柱形图_excel不等宽柱形图_excel怎么绘制柱形图
Excel柱形图表中,从柱体的高度(Y轴的纵坐标)能直观地了解数据的大小,但X轴上的数据表示的宽度不具有任何数据意义,只是用来作为分类或时间延续。然而,有时候需要绘制X轴不等距的图形,使得柱体的宽度也表示一定的数量意义。
如图 1所示为某公司各商品销售额及市场占有率数据。为了能够将销售额与市场占有率同时在一张柱形图上反映出来,可以采用不等宽度的柱形图,即用柱形图柱体的宽度反映商品的市场占有率,柱体的高度反映商品的销售额。
制作步骤如下:
1、构造时间刻度数据:将市场占有率数据作为柱体宽度,也就是将B3:B10数据进行累加处理转化为时间轴刻度值。其中E3单元格为0,作为起始原点,每一种商品都设置一个时间起始点和结束点,而每一个时间的结束点又与下一个商品的起始点重合(比如商品A的起始点为0,结束点为5,商品B的起始点为5,结束点为13,依次类推)。在E4单元格中输入下列公式,下拉至E18单元格即可得到时间刻度值数据。 代码:=100*SUM(OFFSET($B$3,,,INT(ROW(A2)/2)))
2、设置阶梯状作图数据:为每种商品的时间起始点与结束点填充对应的销售额数据,列方向形成阶梯状分离数据是为了便于给不同商品的柱体填充不同的颜色。在F3单元格中输入下列公式,下拉、右拉至M18单元格,并将F3:M18单元格区域的格式设置为“0;-0;”以隐藏0值,即可得到阶梯状作图数据。代码:=IF(INT(ROW(A2)/2)=MATCH(F$2,$A$3:$A$10,0),VLOOKUP(F$2,$A$3:$C$10,3,0),0)
3、构造辅助标签数据:在O3单元格输入下列公式,下拉填充至O10单元格,作为辅助标签系列的X值;代码:=100*(SUM($B$2:B2)+B3/2),
在P3:P10单元格区域填充0值,作为辅助水平坐标轴标签系列的Y值;
在Q3单元格输入公式=C3,下拉填充至Q10单元格,作为各个商品的辅助标签系列的Y值。
4、创建堆积面积图:选择F3:M18单元格区域→单击“插入”选项卡→“图表”组→“面积图”→在下拉的图表类型列表中,选择“堆积面积图”。在图表上单击鼠标右键→单击“选择数据”→“水平分类轴标签”下的“编辑”按钮→“轴标签区域”选择E3:E18单元格区域→单击“确定”退出“轴标签”对话框→单击“确定”退出“选择数据源”对话框。
5、格式化图表:删除图例项、网格线,根据自己需求设置图表区大小、颜色、边框,绘图区颜色。
7、添加水平轴辅助标签系列:鼠标右键单击图表→单击“选择数据”→“添加”→“系列名称”选择P2单元格,“系列值”选择P3:P10单元格区域→单击“确定”按钮关闭“编辑数据系列”对话框→单击“确定”按钮关闭“选择数据源”对话框。
9、添加次要水平坐标轴:单击图表→“布局”选项卡→“坐标轴”→“次要横坐标轴”→“显示从左向右坐标轴”。
11、编辑数据源:鼠标右键单击图表→单击“选择数据”→在弹出对话框中的“系列”列表框中单击“Y1值”系列→“编辑”→“X轴系列值”选择O3:O10单元格区域→单击“确定”按钮退出“编辑数据系列”对话框→单击“选择数据源”对话框中的“添加”按钮→“系列名称”选择Q2单元格,“X轴系列值”选择O3:O10单元格区域,“Y轴系列值”选择Q3:Q10单元格区域→单击“确定”按钮关闭“编辑数据系列”对话框→单击“确定”按钮关闭“选择数据源”对话框。
13、添加标签:单击“Y1值”系列→“布局”选项卡→“标签”组→“数据标签”→“下方”。用同样的方法给“Y2值”系列添加数据标签。
15、格式化辅助标签系列数据点:鼠标右键单击“Y1值”系列→单击“设置数据系列格式”→“数据标记选项”→设置数据标记为“无”→关闭“设置数据系列格式”对话框。用同样的方法设置“Y2值”系列的数据标记为无。
17、进一步美化图表,即可完成不等宽柱形图的绘制。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26