利用Excel 2010数据透视图实现数字的可视化的图形直观展示

本文介绍如何使用Excel2010中的数据透视图功能,将枯燥的数据转化为直观的图形展示,便于快速查找和对比销售数据。

数据透视表带给了销售经理小刘不少惊喜,但是,枯燥的数据无论如何都不能给人以强烈的视觉冲击。如何才能将枯燥的数据以最直观的方式呈现出来呢?这时,小刘开始尝试着使用Excel 2010中的“数据透视图”功能。

小刘基于现有的数据透视表,轻松创建了与之相关联的数据透视图,从而将普通的数字以可视化的图形进行直观展示。

1、选中数据透视表中的任意单元格,然后在“数据透视表工具”的“选项”上下文选项卡的“工具”选项组中,单击【数据透视图】按钮。

利用Excel 2010数据透视图实现数字的可视化的图形直观展示

2、在随即打开的“插入图表”对话框中,选择“柱形图”中的“堆积柱形图”类型。

利用Excel 2010数据透视图实现数字的可视化的图形直观展示

3、单击【确定】按钮关闭“插入图表”对话框后,与当前数据透视表相关联的数据透视图就创建完成了。

利用Excel 2010数据透视图实现数字的可视化的图形直观展示

从此数据透视图中,不仅可以快速找到两年中(2010年和2011年)销售总额最大的书籍,而且还可以对比出同一种书籍在不同季度的销售额,以及同一个季度不同书籍的销售额。

4、为了更清晰地对比同一年度各图书的销售情况,可直接在数据透视图中,单击【年】按钮,进行快速筛选。如仅选择“2011年”。

利用Excel 2010数据透视图实现数字的可视化的图形直观展示

5、单击【确定】按钮后,数据透视图中就只显示“2011年”各图书的销售数据。

利用Excel 2010数据透视图实现数字的可视化的图形直观展示

图形化的数据透视图,不仅具有良好的可视效果,还可以交互式动态显示数据信息,简单易用,为小刘的数据分析工作提供了极大的便利。

原文链接:

利用Excel 2010数据透视图实现数字的可视化的图形直观展示

http://www.officezhushou.com/excel2010/1358.html

相关推荐:

Office 2013官方下载 简体中文版下载+完美激活

http://www.officezhushou.com/office/office2013xiazai.html

Office 2010官方下载 简体中文版+完美终身破解版免费下载

http://www.officezhushou.com/office/office2010xiazai.html

Office 2010简体中文正式版+完美终身破解版免费下载

http://www.officezhushou.com/office/office2010pojiebanxiazai.html

Office 2007官方下载 简体中文专业版(带密钥KEY)

http://www.officezhushou.com/office/office2007xiazai.html

Office 2003官方下载 简体中文专业版(带CD-KEY)

http://www.officezhushou.com/office/office2003xiazai.html

转载于:https://www.cnblogs.com/officezhushou/p/3202233.html

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值