您的当前位置:奥门金沙网址 > 内高班篮球大赛 >

Excel中的散点图不重要那是因为你还不知道怎么用

时间:2019-09-01

  散点图的基本元素就是点,即通过两个变量(纵坐标轴和横坐标轴)的数值,将点打在图表对应的位置上,通过散点的分布,来观察两个变量之间的相互关系。通过上图我们就能直观地看到,人均配送负载和订单的准时送达率是负相关的关系,即人均配送负载越高,准时送达率越低,而人均配送负载越低,则准时送达率越高。我们通过添加一条趋势线,来使得这个关系更为明显。 右键点击图形,选择“选择数据”,就会出现数据源选择框,在这里点击“编辑”按钮,进入显示的“编辑数据序列”界面。在“编辑数据序列”这个界面当中,我们需要设置三个数据,第一个是图标标题,你可以选择某个单元格,会出现对你选中单元格的绝对引用参数;第二个是X轴上要显示的指标,你可以操作鼠标在Excel表中圈选,也可以自己输入绝对引用语句;第三个是Y轴上要显示的指标,方式与第二个相同。 首先点击“插入”选项卡下的“图表”模块,在左边的图表选择项中,选择“XY(散点图)”,暂时先选择第一种类型,后面的几种类型会慢慢介绍。点击“确定”按钮后,就会生成一个空的散点图。 除了对坐标轴缩放的操作,我们还经常会用到“坐标轴选项”里的“单位”和网格线的格式,因为有时我们需要调整坐标轴的颗粒度,以使得散点的位置展示得更为精确。当散点较多且较为细密时,我们需要将网格线调整为虚线并弱化颜色,安全管理丨做好春节前后建筑施工安全生产,使得散点间的关系能更为突出。 其实散点图的制作只需要三部操作:1.点出散点图制作控件;2.选择数据;3.调整图表参数 偏重于展示的图表,往往是将某个指标所蕴含的信息更为直观地表达,即该类图表中获取得的信息,是可以直接应用于业务决策的。比如某公司全国各省的销售员人均销售业绩的柱形图,孰高孰低被展现得很明显,那么哪些地区需要努力,或者哪些地区需要裁员,就可以进行决策了。 双击坐标轴,将数据展现区间调整好合适的范围。原来的横坐标轴区间是0.0-0.95,但是我们大部分的点集中在0.75-0.95之间,因此我们将横坐标轴区间调整到0.75-0.95,这样图表看上去就美观多了,更重要的数据间的关系也被清晰地呈现出来了。 3、样本点大部分集中在准时送达率87%-93%,人均负载11-15的区间范围内,说明配送员的一般状态就在这个范围内。 我们来看一个典型的散点图,下图展示了一家外卖配送公司配送员人均负荷(一天需送掉的订单量)与订单的准时送达率。 选好数据后,一个最初级的散点图就会展现在你面前了。需要注意的是,最初的这个图往往没有你想象的漂亮,经常你会发现散点集中在某几个较小的区域。不要惊慌,这样的原因往往是你没有调整好横纵坐标轴的“坐标轴选项”。 平时见得最多的也许是柱形图了,但我个人最喜欢的却是散点图。在讲散点图之前,我先阐述一个不太严谨的个人观点。我认为,所有的数据图表都可以分为两类, 散点图只表达了两个变量的关系?不是的,我们还可以在点上做文章。可以用点的大小来衡量另一个变量。这样,散点图就变成了气泡图。为什么叫气泡图?答案非常直观,有大有小的圈圈,最像的就是气泡了。且我们在制作气泡图时,往往会设置颜色的透明度,以展示气泡的密集程度。这么一来,气泡图就更直观了~ 我在6月23~24日的厦门场《营运数据分析》培训名额目前还挺宽裕,这个时间段有空的朋友可以来厦门约,报名请添加助理微信:zr958277517,了解培训内容详情请点击参考:(深圳场报名已满,全国其他场次现在皆可报名)。返回搜狐,查看更多 偏重于研究的图表,往往是显现出指标间的某些隐藏的关系,从图中得到的信息往往需要进一步的研究,才能落地为具体的业务判断或执行策略。比如某公司人均销售业绩与员工离职率的散点图,你或许能看到两者存在某种数学关系,但你并不能获得显性的结论,而是需要通过进一步的研究,比如回归建模,才能提取出这种关系。 通过从散点图到气泡图的应用,我们不断地窥探出数据指标间的关系,并且挖掘出了许多新的信息,这真的是一个欣喜的发现过程。所以,你们应该能理解为什么我喜欢散点图了吧。 散点图最核心的价值在于发现变量之间的关系,千万不要狭隘地将这个关系理解为线性回归关系。指标间的关系有很多,如线性关系、多项式关系、指数关系、对数关系等等,当然,没有关系也是一种重要的关系。 在Excel中,我们不能直接通过导入数据来用颜色来代表某个变量。这是一点小小的遗憾,但我们依然可以手动将效果做出来。 我们用气泡的大小来表示配送费收入,这样我们就可以观察三个变量之间的关系了。我们看到,无论从人均负载的角度还是准时送达率的角度,配送费都没有呈现出与其他两个指标的相关关系。 通过以上几点,相信大家以及能领略到散点图的强大了。我们更近一步,给散点图再增加一个变量,即用气泡的颜色来代表另一个变量。需要注意的是,用颜色代表的变量,不适合再用连续型变量了,最好是用类型变量或有序变量。 四种气泡的颜色代表了四个配送团队。我们会明显的看到,红色的配送团队的准时率显著领先于其他团队,但在人均配送负载上则比较低,说明红色团队的工作量不是很大,因此效率较高。黑色团队的人均配送负荷较高,准时送达率较低,与红色团队的状况正好相反。蓝色团队的成员则分布非常分散,有的人负载高准时率低,有的人负载低准时率高,可见蓝色团队的管理方式和其他三个团队或许非常的不同,值得进一步的调查分析。 研究型的图表就像一扇门,经常能帮助我们打开另一番天地,获得的信息价值也更高;但相对的,也有更高的风险,许多时候你投入很多时间,获得的结论却没有价值。 对于一家外卖配送公司,这个结论似乎是一个常识,当一个人一天要配送的订单越多,则他就越难准时将所有订单送到。其实,这个逻辑未必是成立的,真正的解读是:如果订单是循序渐进,在时间分布上平缓地递交给配送员,那么单再多,配送员能一单单送完,则超时率是依旧平稳地;但实际情况并非如此,外卖配送需求都是在高峰时间段脉冲式增长,这就导致配送压力大时,配送员同时承接了多个订单,这就导致了手头总有一部分订单会因为绕路配送而超时,这才导致了如下散点图上的反映。 1、人均配送负载与准时送达率有明显的负相关关系,即一个指标随着另一个指标的增长而减少。

北大医疗鲁中医院 发财树之家 中国文化网 上海硕博公司 华恒生物官网 武汉未来科技城 百度
联系我们

400-500-8888

公司服务热线

奥门金沙网址