综合利用各类元素制作图表

简介:

感谢ExcelPro,http://excelpro.blog.sohu.com/ 

之前我们学会了利用商业图表的色彩及布局,来创建图表。可是,有些如下图的效果还是无法完全实现。
我们该如何操作呢?

  • 运用“图表+所有Excel元素”来作图
  • 其中包括单元格、图形形状、文本框等等,只要能够为我们的商业图表服务,就可以利用起来创建图表。


案例分析
1、《商业周刊》经典风格

  •  标题、说明等文本可以利用单元格文本完成
  • 利用Alt按键可以将图表锚定在单元格中,次数图表跟随单元格变化而变化。



2、《商业周刊》新风格

  •  对整体图表所在单元格区域进行添加边框,使得整个图表变得完整。


3、《华尔街日报》

  •  图例可以通过单元格的文本创建,不一定需要图表自带的图例。


4、开放式的表格边框

  •  一些辅助的边框线可以通过单元格边框线设置来完成


5、图与表的结合(条形图)

  •  条形图可以锚定在单元格中


6、中国数据地图

  •  将数据与图表颜色作对应,利用VBA加载颜色给图形,最终将得到的图表区域使用照相机拍摄。

小结:一切皆可为我所用
  • 综合利用图表+单元格、矩形框、文本框、线条、箭头、辅助序列等非图表元素
  • 好处:更灵活、更方便,完成“不可能完成的任务”,省时省力
  • 不规范?没有技术含量?----武林高手绝不会受到剑谱的束缚!
  • 做法并不唯一,视个人习惯,方便顺手为原则。


心得:
       之前在作图时一直局限于图表的各类元素,觉得将图表各类元素使用恰当就可以到达一个完美的图表。之后便是在图表的技巧上花功夫了。现在看来条条大路通罗马,独孤九剑就是无招胜有招,关键在意而非在形。对于图表的玄机,除了关键的对图表元素的认知以外,将整个Excel的元素都加入进图表,才是一个商业图表快速创建的好方式。正如老师所说,做法会多种多样,关键在于符合自己习惯创建属于自己的商业图表。

      之前有幸拜读过大前研一的《M型社会》部分内容。他的睿智变成了一种经验,使得我们少走很多弯路。这次老师推荐了他的《专业主义》,在老师简短的描述中稍稍了解了专业的定义,嗯,一定抽时间去读完它。

大前研一《专业主义》书摘:“专家要控制感情,并靠理性而行动。他们不仅具备较强的专业知识和技能以及伦理观念,而无一例外地以顾客为第一位,具有永不厌倦的好奇心和进取心,严格遵守纪律。以上条件全部具备的人才,我才把他们称为专家。”

何树青《于千万人之中,你是匠人》书摘:“无论你哪所大学毕业,无论你的工种和职称,如果你身无匠心、手无技巧,提高不了精准、专业、想收拾的服务,你就不是匠人,而多半是个职场混子。”

ExcelHome培训中心
http://t.excelhome.net

本文转自kirin 51CTO博客,原文链接:http://blog.51cto.com/kirin/740957 ,如需转载请自行联系原作者

相关文章
|
12天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
11天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
379 133
|
11天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
474 131
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
5天前
|
存储 安全 前端开发
如何将加密和解密函数应用到实际项目中?
如何将加密和解密函数应用到实际项目中?
212 138
|
11天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
455 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
5天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
230 136
|
22天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1548 87
|
23天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1368 8