《Excel数据可视化:一样的数据不一样的图表》——3.5用图标集让你的数据大放异彩

3.5用图标集让你的数据大放异彩

图标集是 “条件格式 ”下的最后一种规则,它将多种样式的图标汇聚在一起,表示不同范围内的数据。图标集可按 “方向 ”“形状 ”“标记 ”和“等级 ”进行划分,每种样式下都有多种选择供参考,不仅形式多变,而且在不同类型中颜色也是丰富多彩的。像其他规则一样,读者还可在 “新建格式规则 ”对话框中设置更多样式的图标集,让你的数据大放光彩。

情景对比

步骤要点

员工工龄是根据员工的入职时间来核算的。如左上图所示,在D2单元格中输入公式“=YEARFRAC(C2,NOW())”,回车后就可显示员工当前的工龄。

在“级别”列中输入与D列中一样的公式,显示相同的结果。然后选取E列中的数据区域,在“图标集”选项下打开“新建格式规则”对话框,然后选择“图表集”的“图标样式”,勾选“仅显示图标”复选框,然后设置每种图标表示的数据范围,如右上图所示。

思维拓展

YEARFRAC(start_date, end_date, [basis ])函数返回 start_date 和 end_date 之间的天数占全年天数的百分比。其中start_date是必需的参数,代表开始日期;end_date也是必需的参数,表示终止日期;而basis参数是可选的,代表要使用的日计算基准类型。basis参数类型有如下几种:

如果start_date或end_date不是有效日期,函数YEARFRAC返回错误值#VALUE!;如果basis<0,或basis>4,函数YEARFRAC返回错误值#NUM!。

Microsoft Excel可将日期存储为可用于计算的序列号。默认情况下1900年1月1日序列号为1,而2014年1月1日的序列号为41640,这时因为它距1900年1月1日有41460天。

时间: 2024-10-10 05:57:21

《Excel数据可视化:一样的数据不一样的图表》——3.5用图标集让你的数据大放异彩的相关文章

数据可视化平台 Plotly 开源强大的 JS 图表库

数据可视化平台 Plotly 开源旗下强大的 JavaScript 图表库,支持三种不同类型的图表,包括地图,箱形图和密度图,以及更常见的产品如,条状和线形图.源代码已发布在 GitHub.(已收录开源中国软件库 plotly.js)最新版本的 Plotly.js 可以免费.无限制地用于任何项目. 此前 Plotly 在 R, Python 和 MATLAB 的客户端一直是开源的,但核心图表层 plotly.js 却是闭源的.而现在 Plotly 可以 100%离线地用于 RStudio, MA

《JavaScript数据可视化编程》——1.4 用离散图表绘制x/y值

1.4 用离散图表绘制x/y值 柱状图对于单一数据维度的可视化展现通常是非常有效的就像我们之前创建的展现胜利场次的柱状图.但如果我们想要探索两种不同类型数据之间的关系离散型图表会更有效.假设我们想要展示一个城市健康体检的花费一个维度和平均寿命另一个维度之间的关系.让我们通过一个例子一步步的看看用数据是如何创建离散型图表的. 就像在本书1.1节介绍的一样我们需要在我们的网页中加载Flotr2类库并设置一个div元素来放置我们将构建的图表. 1.4.1 第1步 定义数据 在这个例子中我们将使用经济合

《Excel数据可视化:一样的数据不一样的图表》——第 3 章 数据表格的图形化 3.1突出显示特殊数据的单元格

第 3 章 数据表格的图形化 ● 突出显示特殊数据的单元格● 用项目规则显示隐藏在计算机中的数据● 用数据条的长度代表数值大小 ● 使用色阶区分不同范围内的数据● 用图标集让你的数据大放异彩● 在表格中展示你的图表 3.1突出显示特殊数据的单元格 在实际的工作中,我们常会遇到这样的情况:在大量的数据中查找满足一定条件的数据,并把它突出显示出来.有人也许会想到使用筛选功能先筛选出符合条件的数据,然后再对筛选后的数据做一些特殊格式的标记.虽然这是一种方法,但不免显得麻烦.让小编带你去看看 "突出显示

盘点56个最实用的大数据可视化分析工具

俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性:我们还需要跨学科的团队,而不是单个数据科学家.设计师或数据分析员:我们更需要重新思考我们所知道的数据可视化,图表和图形还只能在一个或两个维度上传递信息, 那么他们怎样才能与其他维度融合到一起深入挖掘大数据呢?此时就需要倚仗大数据可视化(BDV)工具,因此,笔者收集了适合各个平台各种行业的多个图表和报表工具,这些工具中不乏有适用于NET.

盘点最实用56个大数据可视化分析工具

俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性;我们还需要跨学科的团队,而不是单个数据科学家.设计师或数据分析员;我们更需要重新思考我们所知道的数据可视化,图表和图形还只能在一个或两个维度上传递信息, 那么他们怎样才能与其他维度融合到一起深入挖掘大数据呢?此时就需要倚仗大数据可视化(BDV)工具,因此,笔者收集了适合各个平台各种行业的多个图表和报表工具,这些工具中不乏有适用于NET.

超实用的数据可视化零基础教程之实战案例篇

现在就开始做一份数据的可视化表,一步步的来看下我们如何获取数据,以及如何进行可视化的展示. 在上章内容中,提到了关于[数据可视化迭代过程]的步骤,这也能看出整个过程包含的步骤,大致有: 确定主题 – 数据获得 – 图表选择(表达)- 图表绘制 当然了我们也可以看到可视化是要一个不断迭代的过程,步骤之间都需要多次的迭代修改的. 确定主题 这肯定是第一步了,在做数据可视化的时候,首先你要明了你要做什么,想要从数据获中取什么信息,有了目标才能明确的往下做. 那我们这次还是来做关于空气质量PM2.5的数

数据可视化实践之美

随着DT时代的到来,传统的统计图表很难对复杂数据进行直观地展示.这几年数据可视化作为一个新研究领域也变得越来越火.成功的可视化,如果做得漂亮,虽表面简单却富含深意,可以让观测者一眼就能洞察事实并产生新的理解.可视化(visualization)和可视效果(visual)两个词是等价的,表示所有结构化的信息表现方式,包括图形.图表.示意图.地图.故事情节图以及不是很正式的结构化插图. 基本的可视化展现方式,如条形图.折线图.饼图.雷达图可以很容易通过各种软件(如Excel)容易生成,这些方法是常见

数据可视化设计:给数据穿上美丽的外衣

文章描述:如今,在设计,通讯,信息及数据新闻,用户界面多个领域都可以见到数据可视化的身影,引入视觉设计的数据大大提升了说服力,可读性和逻辑性都得到了增强,他带来的不仅仅是颠覆表格那么简单,而是一种思想理念,它不仅把可视化信息作为一种沟通工具:同时也是一种重要的 如今,在设计,通讯,信息及数据新闻,用户界面多个领域都可以见到数据可视化的身影,引入视觉设计的数据大大提升了说服力,可读性和逻辑性都得到了增强,他带来的不仅仅是颠覆表格那么简单,而是一种思想理念,它不仅把可视化信息作为一种沟通工具:同时也

想做热门信息图?得先搞懂数据可视化的五虎将

  因为接下来要做卖家后台数据纵横的改版,对数据可视化这块儿又进行了研究和心得的整理,跟大家分享下数据可视化常用的五种方式,希望能给大家带来思路的拓展. 概念 借助于图形化的手段,清晰.快捷有效的传达与沟通信息.从用户的角度,数据可视化可以让用户快速抓住要点信息,让关键的数据点从人类的眼睛快速通往心灵深处. 数据可视化一般会具备以下几个特点:准确性.创新性 和 简洁性. 常用五种可视化方法 下面从最常用和实用的维度总结了如下5种数据可视化方法,让我们来一一看一下: 一.面积&尺寸可视化 对同一类