SlideShare une entreprise Scribd logo
1  sur  41
Excel 圖表種類與製作                                    Vincent Chu       18 May 2010
syllabus 圖表製作原則 圖表種類 2
圖表製作原則 數量以質感表達大小及多寡 趨勢表達時間及數量的變化關係 比較互相比較同一觀點下收集而來的資料 3
4
方向(Vector) 右上 順時針方向 放射 5
直條圖 特性:直條圖的長度及寬度很適合用來表現數量上的變化。 常見的型式1.群組直條圖2.對疊直條圖3.100%堆疊直條圖 6
直條圖 群組直條圖 7
直條圖 堆疊直條圖 8
直條圖 100%堆疊直條圖 9
橫條圖 特性:表達與時間變化無關之資料。 常見的型式1.群組橫條圖2.對疊橫條圖3.100%堆疊橫條圖 10
橫條圖 群組橫條圖 11
橫條圖 堆疊橫條圖 12
橫條圖 100%堆疊橫條圖 13
折線圖 特性:適合表達數量的趨勢變化。 常見的型式1.折線圖2.平滑曲線圖3.立體折線圖 14
折線圖 折線圖 15
折線圖 平滑曲線圖 16
折線圖 3D立體圖 17
直條加折線圖 特性:同時表達資料的數量及趨勢變化。 使用時機1.具有相關性之資料(氣溫與銷售額) 2.數值有差異之資料(營業利益與經常利益)3.性質相異之資料(累計與成長率、成績與平均) 18
直條加折線圖 具有相關性之資料 19
直條加折線圖 營業利益與經常利益的合併 20
直條加折線圖 將相差倍數甚大的全體資料與細部說明 21
直條加折線圖 銷售實績及成長率的比較 22
直條加折線圖 人數與金額的關係 23
直條加折線圖 實際業績與目標之比較 24
直條加折線圖 男女比率與入場消費金額之分析 25
區域圖 特性:同時表達資料的數量與趨勢變化及比較。使用時必需明確的說明何者為比較的主題。會成為主題的多是『數量多變化少』的資料,通常會配置在下面。 常見的型式1.區域圖 2.堆疊區域圖 3.100%堆疊區域圖 26
區域圖 立體區域圖 27
區域圖 堆疊區域圖 28
區域圖 100%堆疊區域圖  29
圓形圖 特性:適合將數個資料作簡單的相對百分比比較。可明顯看出各項目在全體中所佔份量及比例。 常見的型式1.立體2.分離3.子母 30
圓形圖 立體圓形圖 31
圓形圖 分離圓形圖-用來強調某部份的資料 32
圓形圖 子母圓形圖-對少數意見或資料作說明 33
環圈圖 特性:適合用於比較資料間的差異性。 1.可在中央空白處加註題名、數量總合。2.使用二重環圈圖可以直接比較兩資料的差異。3.使用二重環圈圖,資料及範圍可以一目了然 34
環圈圖 環圈圖 _ 在中央插入總出貨數 35
環圈圖 環圈圖 _ 比較兩年變化量 36
環圈圖 環圈圖 _ 將廣告媒體分成四個範圍 37
雷達圖 特性:藉由與中心點的距離,將數個資料的特徵以視覺化的效果呈現,適用於資料的平衡度。 38
雷達圖 雷達圖 _ 各月份的到客人數 39
雷達圖 雷達圖 - 兩公司的印象比較 40
環圈圖 雷達圖 _ 滿意與不滿意的調查 41

Contenu connexe

Tendances

Yamadai.Rデモンストレーションセッション
Yamadai.RデモンストレーションセッションYamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション考司 小杉
 
実験計画法入門 Part 1
実験計画法入門 Part 1実験計画法入門 Part 1
実験計画法入門 Part 1haji mizu
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習Seiichi Uchida
 
R言語による簡便な有意差の検出と信頼区間の構成
R言語による簡便な有意差の検出と信頼区間の構成R言語による簡便な有意差の検出と信頼区間の構成
R言語による簡便な有意差の検出と信頼区間の構成Toshiyuki Shimono
 
Visualizing Data Using t-SNE
Visualizing Data Using t-SNEVisualizing Data Using t-SNE
Visualizing Data Using t-SNETomoki Hayashi
 
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-Takahiro Kubo
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーnlab_utokyo
 
Adversarial Examples 分野の動向 (敵対的サンプル発表資料)
Adversarial Examples 分野の動向(敵対的サンプル発表資料)Adversarial Examples 分野の動向(敵対的サンプル発表資料)
Adversarial Examples 分野の動向 (敵対的サンプル発表資料)cvpaper. challenge
 
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333一般化線形混合モデル isseing333
一般化線形混合モデル isseing333Issei Kurahashi
 
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理Takahiro Kubo
 
問題分析與解決方法介紹
問題分析與解決方法介紹問題分析與解決方法介紹
問題分析與解決方法介紹joe lo
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデルlogics-of-blue
 
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ5分で分かる自己組織化マップ
5分で分かる自己組織化マップDaisuke Takai
 
2部グラフとソーシャルネットワーク
2部グラフとソーシャルネットワーク2部グラフとソーシャルネットワーク
2部グラフとソーシャルネットワークHiroko Onari
 
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアルリクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアルRecruit Technologies
 
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方Sayuri Shimizu
 
IE-032-8D基礎課程
IE-032-8D基礎課程IE-032-8D基礎課程
IE-032-8D基礎課程handbook
 
コンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshareコンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 SlideshareSayuri Shimizu
 

Tendances (20)

Yamadai.Rデモンストレーションセッション
Yamadai.RデモンストレーションセッションYamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
 
実験計画法入門 Part 1
実験計画法入門 Part 1実験計画法入門 Part 1
実験計画法入門 Part 1
 
データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習データサイエンス概論第一=8 パターン認識と深層学習
データサイエンス概論第一=8 パターン認識と深層学習
 
1 1.はじめに
1 1.はじめに1 1.はじめに
1 1.はじめに
 
R言語による簡便な有意差の検出と信頼区間の構成
R言語による簡便な有意差の検出と信頼区間の構成R言語による簡便な有意差の検出と信頼区間の構成
R言語による簡便な有意差の検出と信頼区間の構成
 
Visualizing Data Using t-SNE
Visualizing Data Using t-SNEVisualizing Data Using t-SNE
Visualizing Data Using t-SNE
 
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
 
Adversarial Examples 分野の動向 (敵対的サンプル発表資料)
Adversarial Examples 分野の動向(敵対的サンプル発表資料)Adversarial Examples 分野の動向(敵対的サンプル発表資料)
Adversarial Examples 分野の動向 (敵対的サンプル発表資料)
 
一般化線形混合モデル isseing333
一般化線形混合モデル isseing333一般化線形混合モデル isseing333
一般化線形混合モデル isseing333
 
損益 兩平分析技巧
損益 兩平分析技巧損益 兩平分析技巧
損益 兩平分析技巧
 
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
 
問題分析與解決方法介紹
問題分析與解決方法介紹問題分析與解決方法介紹
問題分析與解決方法介紹
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
 
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ5分で分かる自己組織化マップ
5分で分かる自己組織化マップ
 
2部グラフとソーシャルネットワーク
2部グラフとソーシャルネットワーク2部グラフとソーシャルネットワーク
2部グラフとソーシャルネットワーク
 
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアルリクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
 
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
 
IE-032-8D基礎課程
IE-032-8D基礎課程IE-032-8D基礎課程
IE-032-8D基礎課程
 
コンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshareコンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshare
 

Plus de Vincent Chu

Using personality information in collaborative filtering for new User
Using personality information in collaborative filtering for new UserUsing personality information in collaborative filtering for new User
Using personality information in collaborative filtering for new UserVincent Chu
 
Rec sys2008 tutorial
Rec sys2008 tutorialRec sys2008 tutorial
Rec sys2008 tutorialVincent Chu
 
Toward the Next Generation of Recommender Systems:
Toward the Next Generation of Recommender Systems: Toward the Next Generation of Recommender Systems:
Toward the Next Generation of Recommender Systems: Vincent Chu
 
Timestamp based protocol
Timestamp based protocolTimestamp based protocol
Timestamp based protocolVincent Chu
 
How To Search with Google (2011修正版)
How To Search with Google (2011修正版)How To Search with Google (2011修正版)
How To Search with Google (2011修正版)Vincent Chu
 

Plus de Vincent Chu (7)

Using personality information in collaborative filtering for new User
Using personality information in collaborative filtering for new UserUsing personality information in collaborative filtering for new User
Using personality information in collaborative filtering for new User
 
Rec sys2008 tutorial
Rec sys2008 tutorialRec sys2008 tutorial
Rec sys2008 tutorial
 
Toward the Next Generation of Recommender Systems:
Toward the Next Generation of Recommender Systems: Toward the Next Generation of Recommender Systems:
Toward the Next Generation of Recommender Systems:
 
Timestamp based protocol
Timestamp based protocolTimestamp based protocol
Timestamp based protocol
 
Tech writing
Tech writingTech writing
Tech writing
 
Normalization
NormalizationNormalization
Normalization
 
How To Search with Google (2011修正版)
How To Search with Google (2011修正版)How To Search with Google (2011修正版)
How To Search with Google (2011修正版)
 

Excel 圖表種類與製作