Excel绘图区分区设置不同背景色之条形图
在Excel图表中，如对绘图区设置背景色，一般只能对整个绘图区设置同一种颜色、图案或图片为背景。但有时希望能对不同的分区设置不同的颜色作为背景，这时可以采取其他辅助手段实现这一目标，包括添加辅助的柱形图堆、积柱形图、堆积条形图，面积图等等。这些方法的基本思路是一样的，略举几例，可以自己试验创造。本篇介绍使用条形图，进行横向分区设置绘图区背景色。
如有下表：
表-1
做成折线图，调整坐标轴刻度后，如下所示：
图-1
用辅助堆积条形图横向设置分区背景色：
准备横向对绘图区设置背景，在原数据表格中添加一辅助系列数据，如下图所示（其中数据15只是为了不使原系列1的图象与Y轴刻度不变，而且系列2图象能显示而定，其实可以随意设置，不过为整齐划分，各列数据应相等）：
表-2
选中图表，在右键菜单中选“选择数据”（或在Excel界面上“图表工具”-“设计”-“数据”-“选择数据”），在“图例项（系列）”中点击“添加”，准备将上述辅助数据行作为一个系列添加到图表中，将BA4：BD4添加为系列2，水平（分类）轴标签选为BA2：BD2，如下图所示：
图-2
确定后，系列2也呈折线图，如下图所示：
图-3
在图表中选中系列2，在右键菜单上选“更改系列图表类型”，将系列2图表类型改变为堆积条形图：
图-4
选中系列2的柱形，在“设置数据点格式”-“系列选项”中将“分类间距”滑动游标拖至为0，即无间距，如下图所示：
图-5
图-6
逐个选中系列2的各个数据点，单独设置各个柱形的填充颜色，适当增加透明，将横轴的次轴刻度设为0-15，然后删除横轴的次轴，再删除系列2的数据标志，如下图所示：
图-7
上述方法是增加一行辅助系列数据，设置其为堆积条形图，并使其分类之间间距为0。换言之，即以堆积条形图的填充代之以背景色。这是一种替代方式，并非可以随意自定义设置绘图区背景色。这种方式的优点是设置比较方便，可以较快捷地达到分区的目的，其缺点是只能横向分割，且颜色比较单调。
可以仿造逐个添加辅助数据，使用堆积柱形图的方式，既可以体现横向分区，也可以体现纵向分区，比较自由灵活多变。原则是一样的，只是手法略有区别，在此不再赘述。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
近日，由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》，被中国教育科学研究院官方账号正式收录， ...
2026-04-22在数字化时代，客户每一次点击、浏览、下单、咨询等行为，都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹，构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石，而“数据清洗”作为数据预处理的核心环节，是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看，但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中，数据并非静止不变的数值，而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域，当研究涉及多个自变量与多个因变量之间的复杂关联时，多变量一般线性分析（Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计，能熟练计算均值、中位数、标准差，但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中，日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪，还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中，特征工程是连接原始数据与模型效果的关键环节，而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法，却忽略了数据分析最基础也最核心的能力——描述性统计。事实上，80%的商业分析问题， ...
2026-04-20在数字化时代，数据已成为企业决策的核心驱动力，数据分析与数据挖掘作为解锁数据价值的关键手段，广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中，将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表，要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作，80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告，表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域，Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势，成为数据聚类任务中的主流算法，广泛应用于用 ...
2026-04-16在机器学习建模实践中，特征工程是决定模型性能的核心环节之一。面对高维数据集，冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代，用户是产品的核心资产，用户运营的本质的是通过科学的指标监测、分析与优化，实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中，数据模型、本体模型、业务模型是三大核心基础模型，三者相互支撑、各 ...
2026-04-15数据分析师的一天，80%的时间花在表格数据上，但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别，不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中，模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型，还是推荐、预测类模型， ...
2026-04-14
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
