京公网安备 11010802034615号
经营许可证编号:京B2-20210330
这么漂亮的Excel图表,年终总结就用它了!(附福利)
最近在某份研究报告中见到了这样一个图表:
看到它的瞬间,有一种看见美女惊为天人的感觉。很精致,很别致,让整个报告显得特别上档次。
所以,今天姐姐给大家分享的就是如何制作这个漂亮的图表。这种图的学名叫南丁格尔玫瑰图,又名为极区图 ,是一种圆形的直方图。
由英国护士和统计学家弗罗伦斯·南丁格尔发明的,通过一种色彩缤纷的图表形式,让资料统计数据更加让人印象深刻。
主要思路:利用雷达图的特点,将雷达图分成360份,每一个指标的大小其实是360份中的多少份,然后我们再根据指标大小来设置扇区的半径。
▌步骤一:整理数据
将原始数据通过“转置”转换成右边的格式
▌步骤二:设置辅助数据
首先,我们来计算每一个指标在360份中所占的份数,在B4单元格输入公式=B3*360,向右拖动公式,填充B4到G4单元格。
然后,根据指标的大小计算扇区的高度,即扇区半径,在B5单元格输入公式=B3*100,向右拖动公式,填充B5到G5单元格。(注意:扇区半径较小,后期可以调整)
再然后,设置每个扇区的起始角度和终止角度。
第一个扇区从0开始,下一个扇区就从上一个扇区的终止位置开始。
在B6单元格输入0,B7单元格输入公式=B4,C6单元格=B7,C7单元格=C6+C4,向右拖动C6和C7,将公式填充至C6到G7单元格。
最后,设置作图数据区域。将雷达图细化为360份。
在B10单元格输入公式=IF(AND($A10>B$6,$A10<B$7),B$5,0),将公式拖动填充至整个作图数据区域。
至此,辅助数据设置完成。
▌步骤三:插入雷达图-填充雷达图
由于数据差异较大,扇形半径差异也较大,使得较小数据看起来较为费劲,所以我们可以重新调整半径数据,只需要保证相对大小不变就行。
▌步骤四:美化图表,设置数据标签
先清楚所有的数据标签。
再将原始数据标签导入,最后通过手动调整标签内容和位置完成图表制作。
怎么样?这个结果您还满意吗?
也许有人会问,原始图表中间是空心的啊?咱们是实心的。没关系,最简单的办法就是中间插入一个圆。
当然我们还是要走正规途径。
首先设置辅助列,从1到360填充20,意味着制作一个半径为20的圆。
修改图表数据区域,将辅助列增加进去,删掉数据标签,填充为白色。
即可完成漂亮的南丁格尔玫瑰图的制作啦。
当然啦,细节部分大家还可以再优化,今天我们的教程就到这里啦。
罂粟姐姐两年磨一剑,将从事数据分析工作五年来的所有心得体会、所有技巧技能都融入了一本书《人人都能学会的Excel数据分析》。
这本书完全以实践应用为指导,围绕案例层层展开;
循序渐进,以数据分析的6大步骤为主线,每一个知识点都是精华;
除了Excel数据分析外,还涉及SPSS案例分析、统计分析图表、统计分析报告等相关知识,全面覆盖,重点突出;
并且站在职场“老人”带“新人”的角度把数据分析各个环节的注意事项解释得清清楚楚,通俗易懂。
扫描下发二维码立即购买,双十二购书,满100减40
五年职场经验,浓缩成这本书。
如果你看过罂粟姐姐的教程,你肯定知道:罂粟姐姐出品,必属精品。
双十二当当、京东等各大书店购书均有优惠,欢迎各位小伙伴预定新书,欢迎转发朋友圈,我们一起学习,一起成长。
今天在文末留言点赞数最高的将获得罂粟姐姐签名书《人人都能学会的Excel数据分析》一本,价值69元。(集赞累计到12月31日)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21