当前位置:首页 > 文章列表 > 文章 > 软件教程 > GoogleSheets层级下钻图表制作教程

GoogleSheets层级下钻图表制作教程

2026-03-26 20:35:36 0浏览 收藏
想在 Google Sheets 中打造专业级的交互式层级下钻图表?无需编程或插件,仅靠数据透视表、智能辅助列、动态命名范围、公式驱动的下拉筛选器、超链接式导航按钮以及原生图表过滤器控件,就能实现从全国→大区→省份→城市的逐层点击钻取、实时刷新图表、双向返回的完整分析体验——本文手把手教你用纯 Sheets 原生功能构建响应迅速、协作友好、权限无阻的动态下钻可视化系统。

GoogleSheets交互式图表如何做层级下钻_GoogleSheets层级下钻交互式图表配置【心得】

如果您希望在 Google Sheets 中创建支持层级下钻的交互式图表,需借助数据透视表、辅助列、命名范围及图表联动机制实现。以下是具体配置步骤:

一、准备分层结构化数据

层级下钻依赖具有明确父子关系的数据结构,例如地区→省份→城市,或年份→季度→月份。原始数据需包含完整路径字段或可推导的层级标识列,确保每行数据归属唯一上级节点。

1、在工作表中整理原始数据,至少包含三列:上级ID、当前ID、名称(如“华东”、“上海”、“浦东新区”)。

2、添加辅助列生成完整路径,使用公式如 =IF(ISBLANK(B2),A2,C2&"→"&B2),逐级拼接层级路径。

3、对路径列执行数据透视,将“路径”拖入行区域,数值字段拖入值区域,启用“显示总计”并关闭“重复行标签”。

二、构建动态下拉筛选器

通过数据验证创建可切换层级的下拉菜单,驱动后续图表数据源变更。该机制不依赖脚本,纯公式驱动,兼容所有 Sheets 访问权限类型。

1、在空白区域列出所有顶层节点(如“全国”、“华东”、“华北”),命名为“TopLevelList”。

2、选中目标单元格,点击【数据】→【数据验证】,条件设为“列表来自范围”,输入 TopLevelList。

3、在相邻列使用FILTER函数提取该节点下的子项,公式示例:=FILTER(名称列,上级ID列=下拉单元格)。

三、设置命名范围绑定图表数据源

图表无法直接引用动态数组,需将公式结果注册为命名范围,再将其作为图表数据源,实现点击筛选即刷新图表内容的效果。

1、点击【数据】→【命名区域】,新建名称如“DrillDownData”,引用公式:=FILTER('原始数据'!A2:C, '原始数据'!B2:B=下拉单元格)。

2、插入图表,选择【插入】→【图表】,在图表编辑器中点开“设置”选项卡,将“数据范围”改为 DrillDownData。

3、勾选“将第一行作为标题”和“将第一列作为标签”,确保横纵轴识别正确。

四、添加超链接式下钻按钮

利用超链接跳转至同一工作表内不同筛选状态的锚点区域,模拟原生下钻交互。该方式无需权限审批,适用于共享协作场景。

1、在图表下方插入文本框,输入“查看下级详情”,右键选择“链接”→“选择范围”,定位到已设置子层级FILTER公式的输出区域起始单元格。

2、为该文本框应用条件格式:当当前筛选值非末级时,文本颜色设为 蓝色且带下划线;否则设为灰色并禁用链接。

3、在目标区域上方插入返回按钮,超链接指向顶层筛选单元格,形成可逆导航链路。

五、启用图表过滤器控件

Google Sheets 原生支持基于数据透视表的交互式过滤器控件,可直接作用于图表,无需公式或命名范围,适合快速部署基础下钻逻辑。

1、基于原始数据创建数据透视表,将层级字段依次拖入“行”区域(如“大区”、“省份”、“城市”)。

2、选中透视表任意单元格,点击【数据】→【创建图表】,选择柱状图或树状图类型。

3、在图表编辑器中打开“自定义”→“过滤器”,勾选“显示图表过滤器控件”,并将第一个层级字段(如“大区”)加入控件列表。

4、点击图表右上角三个点→【允许其他用户更改此图表的筛选器】,开启协作端实时下钻能力。

终于介绍完啦!小伙伴们,这篇关于《GoogleSheets层级下钻图表制作教程》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

Python可迭代对象设计与应用实践Python可迭代对象设计与应用实践
上一篇
Python可迭代对象设计与应用实践
PHP实现API调试,Swagger UI集成教程
下一篇
PHP实现API调试,Swagger UI集成教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    456次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    521次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    536次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    484次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    304次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码