当前位置:首页 > 文章列表 > 文章 > 软件教程 > Excel制作箱线图教程及数据分布分析技巧

Excel制作箱线图教程及数据分布分析技巧

2026-05-13 09:41:15 0浏览 收藏
本文详解了在Excel中制作箱线图的两种核心方法:一是利用2016及以上版本内置的“箱形图”功能,一键自动生成标准图表,快速展现中位数、四分位距和离群点;二是通过手动构建堆积柱形图与误差线,兼容旧版Excel并支持高度自定义——包括灵活设定须线范围、精确控制离群点识别逻辑及适配不同四分位算法,真正满足从入门分析到专业报告的多样化数据分布可视化需求。

Excel怎么制作箱线图 Excel数据分布箱线图制作方法【技巧】

如果您希望在Excel中直观呈现数据分布特征,尤其是识别中位数、四分位距与离群点,则需要制作箱线图。以下是两种主流且互为补充的制作方法:

一、使用内置“箱形图”功能(适用于Excel 2016及以上版本)

该方法直接调用Excel原生统计图表引擎,自动完成五数概括计算与图形渲染,无需手动建模,适合快速生成标准箱线图。

1、整理原始数据,确保每列代表一组独立样本,例如A列为“销售部评分”,B列为“技术部评分”,首行为列标题。

2、选中包含所有数据列及标题行的完整区域,例如A1:B51。

3、点击顶部菜单栏的“插入”选项卡 → “插入统计图表” → “箱形图”(Box and Whisker)。

4、图表生成后,右键单击任意箱体,在弹出菜单中选择“设置数据系列格式”,在右侧窗格中可勾选显示平均值标记或异常值。

5、通过“图表设计”与“格式”选项卡调整标题、坐标轴标签、颜色填充及边框样式。

二、手动构建堆积柱形图+误差线(兼容Excel 2010/2013等旧版本)

该方法通过模拟箱体结构实现完全可控的视觉表达,适用于需自定义须线范围、隐藏特定分位或适配非标准四分位算法的场景。

1、在空白区域新建辅助表,对每组数据分别计算五数:最小值(=MIN(数据范围))、Q1(=QUARTILE.INC(数据范围,1))、中位数(=MEDIAN(数据范围))、Q3(=QUARTILE.INC(数据范围,3))、最大值(=MAX(数据范围))。

2、基于五数构造绘图数据表,按顺序列出以下三段高度值:底座 = Q1 − 最小值、箱体 = Q3 − Q1、上须 = 最大值 − Q3;另建一列记录Q1位置作为下须起点。

3、选中该三段高度数据区域,点击“插入” → “柱形图” → “堆积柱形图”。

4、右键图表 → “选择数据” → 点击“切换行/列”,使类别沿水平轴排列。

5、选中底部“底座”系列,右键 → “设置数据系列格式” → 将填充设为“无填充”、边框设为“无线条”,使其不可见。

6、依次为“箱体”系列添加上下误差线:选中该系列 → “添加图表元素” → “误差线” → “更多误差线选项”,在“正负偏差值”中分别填入中位数 − Q1与Q3 − 中位数,并设置误差线端点为“T型”。

7、单独添加散点系列标注离群点:在辅助表中列出所有超出[Q1 − 1.5×IQR, Q3 + 1.5×IQR]范围的数值及其对应组别,插入组合图表中的“带数据标记的折线图”,再将该系列更改为散点图类型。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

JavaScript filter 筛选元素详解JavaScript filter 筛选元素详解
上一篇
JavaScript filter 筛选元素详解
JavaScript字符串操作在前端路由中的应用
下一篇
JavaScript字符串操作在前端路由中的应用
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。
    342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。
    398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。
    392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。
    356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。
    181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