เป็นไปไม่ได้ที่จะประมวลผลข้อมูลประเภทเดียวกันจำนวนมากที่แสดงในรูปแบบข้อความอย่างรวดเร็วและมีประสิทธิภาพ สะดวกกว่ามากในการประมวลผลข้อมูลดังกล่าวโดยใช้ตาราง
แต่การรับรู้โต๊ะขนาดใหญ่ก็กลายเป็นเรื่องยากสำหรับมนุษย์เช่นกัน
สมมติว่าคุณกำลังเตรียมการประชุมภูมิศาสตร์ของโรงเรียนซึ่งคุณได้รับมอบหมายให้วาดภาพสภาพภูมิอากาศของเดือนมิถุนายน ตลอดทั้งเดือน คุณได้รวบรวมข้อมูลเกี่ยวกับอุณหภูมิอากาศ ความดัน ความชื้น ความขุ่น ทิศทางลม และความเร็ว
คุณป้อนข้อมูลที่เกี่ยวข้องลงในตารางที่เตรียมไว้ล่วงหน้า และนี่คือสิ่งที่คุณได้รับ (ส่วนหนึ่งของตาราง):
แน่นอนคุณสามารถวาดตารางนี้ลงบนกระดาษ Whatman แผ่นใหญ่และแสดงผลลัพธ์ที่น่าประทับใจนี้ให้เพื่อนร่วมชั้นของคุณดู แต่พวกเขาจะสามารถรับรู้ข้อมูลนี้ ประมวลผล และสร้างแนวคิดเกี่ยวกับสภาพอากาศในเดือนพฤษภาคมได้หรือไม่? เป็นไปได้มากว่าไม่มี
คุณได้รวบรวมข้อมูลจำนวนมาก มีความถูกต้อง ครบถ้วน และเชื่อถือได้ แต่ในรูปแบบตาราง ผู้ฟังจะไม่น่าสนใจเนื่องจากไม่ชัดเจนเลย
การแสดงภาพกระบวนการของการเปลี่ยนแปลงปริมาณ
กราฟแสดงแกนพิกัดสองแกนที่มุมฉากซึ่งกันและกัน แกนเหล่านี้เป็นสเกลซึ่งมีการลงจุดค่าที่แสดง
ใส่ใจ!
ปริมาณหนึ่งขึ้นอยู่กับอีกปริมาณหนึ่ง - เป็นอิสระ ค่าของปริมาณอิสระมักจะถูกลงจุดบนแกนนอน (แกน X หรือแกน Abscissa) และปริมาณขึ้นอยู่กับ - บนแกนตั้ง (แกน Y หรือแกนกำหนด) เมื่อปริมาณอิสระเปลี่ยนแปลง ปริมาณขึ้นอยู่กับการเปลี่ยนแปลง
ตัวอย่างเช่น อุณหภูมิอากาศ (ตัวแปรตาม) สามารถเปลี่ยนแปลงได้ตลอดเวลา (ตัวแปรอิสระ)
ดังนั้นกราฟจะแสดงสิ่งที่เกิดขึ้นกับ Y เมื่อ X เปลี่ยนแปลง กราฟจะแสดงค่าเป็นเส้นโค้ง จุด หรือทั้งสองอย่าง
กราฟช่วยให้คุณติดตามการเปลี่ยนแปลงของข้อมูลได้ ตัวอย่างเช่น การใช้ข้อมูลที่อยู่ในกราฟ \(2\)th คุณสามารถสร้างกราฟการเปลี่ยนแปลงของอุณหภูมิในระหว่างเดือนที่ต้องการได้
ด้วยการใช้ตารางเวลา คุณสามารถกำหนดวันที่อบอุ่นที่สุดของเดือน วันที่หนาวที่สุดของเดือน คำนวณจำนวนวันที่อุณหภูมิอากาศเกิน 20 องศาหรือประมาณ \(+15 °C\) ได้อย่างรวดเร็ว
คุณยังสามารถระบุช่วงเวลาที่อุณหภูมิอากาศค่อนข้างคงที่หรือในทางกลับกันมีความผันผวนอย่างมาก
ข้อมูลที่คล้ายกันได้มาจากกราฟของการเปลี่ยนแปลงของความชื้นในอากาศและความดันบรรยากาศ ซึ่งสร้างขึ้นจากคอลัมน์ \(3\)th และ \(4\)th ของตาราง
การแสดงความสัมพันธ์ระหว่างปริมาณด้วยภาพ
การแสดงความสัมพันธ์ระหว่างปริมาณบางปริมาณด้วยภาพมีให้โดยแผนภาพ หากค่าที่เปรียบเทียบรวมกันเป็น \(100\)% ให้ใช้ แผนภูมิวงกลม.
แผนภูมิไม่ได้ระบุจำนวนวันที่มีเมฆมากเป็นพิเศษ แต่จะแสดงเปอร์เซ็นต์ของจำนวนวันทั้งหมดที่เป็นวันที่เมฆมากเป็นพิเศษ
วันที่มีเมฆมากจะมีส่วนของวงกลมเป็นของตัวเอง พื้นที่ของภาคนี้สัมพันธ์กับพื้นที่ของวงกลมทั้งหมดในลักษณะเดียวกับที่จำนวนวันที่มีเมฆมากสัมพันธ์กับจำนวนวันทั้งหมดในเดือนมิถุนายน ดังนั้นหากแผนภูมิวงกลมไม่แสดงข้อมูลตัวเลขใด ๆ เลย จะยังคงให้แนวคิดโดยประมาณเกี่ยวกับความสัมพันธ์ระหว่างค่าที่พิจารณา ในกรณีของเรา คือวันที่มีความขุ่นต่างกัน
เซ็กเตอร์จำนวนมากทำให้ยากต่อการรับรู้ข้อมูลในแผนภูมิวงกลม ดังนั้นโดยทั่วไปแล้วแผนภูมิวงกลมจะไม่ใช้สำหรับค่าข้อมูลมากกว่าห้าหรือหกค่า ในตัวอย่างของเรา ปัญหานี้สามารถเอาชนะได้โดยการลดจำนวนการไล่ระดับความขุ่น: \(0-30\)%, \(40-60\)%, \(70-80\)%, \(90-100\ )%
การดูกราฟเพียงครั้งเดียวก็เพียงพอที่จะสรุปได้ว่าในเดือนมิถุนายนมีวันที่อากาศแจ่มใสเป็นส่วนใหญ่ และมีวันที่เมฆมากน้อยมาก เพื่อให้เกิดความชัดเจนยิ่งขึ้น เราจึงถูกบังคับให้เสียสละความถูกต้อง ในหลายกรณี เป็นไปได้ที่จะรับประกันทั้งความชัดเจนและความถูกต้องของข้อมูล แผนภูมิแท่ง.
แผนภูมิคอลัมน์ประกอบด้วยสี่เหลี่ยมขนาน (แท่ง) ที่มีความกว้างเท่ากัน แต่ละแท่งจะแสดงข้อมูลเชิงคุณภาพประเภทหนึ่ง (เช่น ประเภทคลาวด์หนึ่งประเภท) และเชื่อมโยงกับจุดอ้างอิงบางจุดบนแกนนอน นั่นคือแกนหมวดหมู่
ในกรณีของเรา จุดอ้างอิงบนแกนหมวดหมู่คือค่าคลาวด์คงที่
ความสูงของคอลัมน์เป็นสัดส่วนกับค่าของปริมาณที่เปรียบเทียบ (เช่น จำนวนวันที่มีเมฆมาก)
ค่าที่สอดคล้องกันจะถูกลงจุดบนแกนค่าแนวตั้ง
ทั้งแกนค่าและแท่งไม่ควรมีการแตกหัก: แผนภูมินี้ใช้เพื่อการเปรียบเทียบที่เห็นได้ชัดเจนยิ่งขึ้น และการมีอยู่ของตัวแบ่งจะเอาชนะจุดประสงค์ในการนำเสนอผลลัพธ์ในรูปแบบของแผนภูมิ
แผนภูมิเรดาร์พิเศษคือมีแกนของตัวเองสำหรับแต่ละจุดในชุดข้อมูล แกนมาจากศูนย์กลางของแผนภูมิ
แผนภูมิเส้นใช้เพื่อติดตามการเปลี่ยนแปลงในปริมาณต่างๆ เมื่อคุณย้ายจากจุดหนึ่งไปยังอีกจุดหนึ่ง
ตัวอย่างที่ 4- สร้างแผนภูมิเส้นที่แสดงการเปลี่ยนแปลงของจำนวนหนังสือพิมพ์ที่ขายได้ในระหว่างสัปดาห์ (ดูตัวอย่างก่อนหน้า) การสร้างไดอะแกรมเชิงเส้นนั้นคล้ายกับการสร้างไดอะแกรมคอลัมน์ แต่แทนที่จะเป็นคอลัมน์ ความสูงของพวกมันจะถูกทำเครื่องหมายอย่างง่าย ๆ (จุด, ขีดกลาง, กากบาท) และเครื่องหมายผลลัพธ์จะเชื่อมต่อกันด้วยเส้นตรง (ไดอะแกรมเป็นแบบเส้นตรง) แทนที่จะใช้การแรเงา (การแรเงา) ของคอลัมน์ที่แตกต่างกัน จะใช้เครื่องหมายที่แตกต่างกัน (เพชร สามเหลี่ยม ไม้กางเขน ฯลฯ ) ความหนาและประเภทของเส้นที่แตกต่างกัน (ทึบ จุด ฯลฯ ) สีที่ต่างกัน (รูปที่ 7.37)
ข้าว. 7.37 – แผนภูมิเส้น.
แผนภูมิแท่งที่ทำให้เป็นมาตรฐานช่วยให้คุณสามารถเปรียบเทียบผลรวมของปริมาณต่างๆ ในหลายจุดได้อย่างชัดเจน และในขณะเดียวกันก็แสดงการมีส่วนร่วมของแต่ละปริมาณต่อผลรวมทั้งหมด
ตัวอย่างที่ 5- แผนภาพ "การขายหนังสือพิมพ์" ที่เรารวบรวม (ทั้งแบบเรียงเป็นแนวและแบบเส้น) เป็นที่สนใจของผู้ขายหนังสือพิมพ์เป็นหลัก และแสดงให้เห็นถึงความสำเร็จของงานของพวกเขา แต่นอกจากผู้ขายแล้ว ยังมีคนอื่นๆ ที่สนใจขายหนังสือพิมพ์อีกด้วย ตัวอย่างเช่น ผู้จัดพิมพ์หนังสือพิมพ์ต้องไม่เพียงแต่ต้องทราบว่าผู้ขายแต่ละรายขายหนังสือพิมพ์ได้กี่ฉบับ แต่ยังต้องทราบจำนวนที่ขายรวมกันด้วย ในขณะเดียวกัน ดอกเบี้ยจะยังคงอยู่ในปริมาณแต่ละปริมาณที่รวมกันเป็นยอดรวม ลองใช้ตารางการขายหนังสือพิมพ์และสร้างแผนภูมิระดับสำหรับมัน
ขั้นตอนการสร้างแผนภูมิปกติจะคล้ายกับขั้นตอนการสร้างแผนภูมิแท่งมาก ข้อแตกต่างก็คือแท่งในแผนภูมิระดับไม่ได้วางติดกัน แต่จะวางอยู่ด้านบนสุดของอีกแท่งหนึ่ง กฎสำหรับการคำนวณขนาดแนวตั้งและแนวนอนของแผนภูมิจะเปลี่ยนไปตามนั้น ขนาดแนวตั้งจะไม่ถูกกำหนดโดยค่าที่ใหญ่ที่สุด แต่จะถูกกำหนดโดยผลรวมที่ใหญ่ที่สุดของค่า แต่จำนวนคอลัมน์จะเท่ากับจำนวนจุดรองรับเสมอ: ที่จุดรองรับแต่ละจุดจะมีคอลัมน์หลายชั้นหนึ่งคอลัมน์เสมอ (รูปที่ 7.38)
ข้าว. 7.38 – แผนภาพที่ทำให้เป็นมาตรฐาน
แผนภูมิพื้นที่ (แผนภูมิพื้นที่) เป็นลูกผสมระหว่างแผนภูมิปกติและแผนภูมิเชิงเส้น ช่วยให้คุณสามารถติดตามการเปลี่ยนแปลงในแต่ละปริมาณหลายรายการและการเปลี่ยนแปลงผลรวม ณ จุดต่างๆ ได้พร้อมๆ กัน
ตัวอย่างที่ 6- ลองใช้ตารางการขายหนังสือพิมพ์และสร้างแผนภาพพื้นที่สำหรับโต๊ะนั้น แผนภูมิพื้นที่แตกต่างจากแผนภูมิเส้นในลักษณะเดียวกับแผนภูมิที่ทำให้เป็นมาตรฐานแตกต่างจากแผนภูมิคอลัมน์ เมื่อสร้างแผนภูมิมาตรฐาน แต่ละคอลัมน์ที่ตามมาจะไม่ถูกลงจุดจากแกนนอน แต่จากคอลัมน์ก่อนหน้า สิ่งเดียวกันนี้เกิดขึ้นเมื่อสร้างแผนภาพพื้นที่ แต่แทนที่จะสร้างแท่ง (เช่นในกรณีในแผนภูมิปกติ) ความสูงของแท่งเหล่านั้นจะถูกบันทึกไว้ จากนั้นเครื่องหมายเหล่านี้จะเชื่อมต่อกันด้วยเส้น (เช่นเดียวกับในแผนภูมิเส้น) นี่คือลักษณะของแผนภูมิพื้นที่ “การค้าหนังสือพิมพ์” ที่เป็นผลลัพธ์ (รูปที่ 7.39):
ข้าว. 7.39 – แผนภาพพื้นที่
แต่ละคอลัมน์ที่นี่จะรวมกันเพื่อสร้างพื้นที่ต่อเนื่องกัน แต่ละพื้นที่สอดคล้องกับค่าเดียว เพื่อระบุว่ามีการใช้การแรเงา (การระบายสี) ส่วนบุคคลแบบใด
มาสร้างแผนภูมิการกระจายใน Excel กันดีกว่า นอกจากนี้เรายังจะพิจารณาฟังก์ชันของแผนภูมิวงกลมและการสร้างแผนภูมิให้ละเอียดยิ่งขึ้นอีกด้วย
กราฟการกระจายตัวแบบปกติจะมีรูปทรงระฆังและสมมาตรเกี่ยวกับค่าเฉลี่ย ภาพกราฟิกดังกล่าวสามารถรับได้ด้วยการวัดจำนวนมากเท่านั้น ใน Excel เป็นเรื่องปกติที่จะต้องสร้างฮิสโตแกรมสำหรับการวัดจำนวนจำกัด
ภายนอก กราฟแท่งจะคล้ายกับกราฟการกระจายปกติ มาสร้างแผนภูมิแท่งการกระจายตัวของฝนใน Excel แล้วพิจารณาวิธีสร้าง 2 วิธี
ข้อมูลต่อไปนี้มีเกี่ยวกับปริมาณฝน:
เลือก “ฮิสโตแกรม”:
เรากำหนดช่วงเวลาอินพุต (คอลัมน์ที่มีค่าตัวเลข) ปล่อยให้ช่อง "ช่วงเวลาในกระเป๋า" ว่างไว้: Excel จะสร้างมันขึ้นมาโดยอัตโนมัติ วางเครื่องหมายถูกไว้ข้างรายการ "กราฟเอาต์พุต":
หลังจากคลิกตกลง เราจะได้กราฟพร้อมตารางดังต่อไปนี้:
ช่วงเวลามีค่าไม่มากนัก ดังนั้นแถบฮิสโตแกรมจึงต่ำ
ตอนนี้คุณต้องแน่ใจว่าแกนตั้งแสดงความถี่สัมพัทธ์
มาหาผลรวมของความถี่สัมบูรณ์ทั้งหมด (โดยใช้ฟังก์ชัน SUM) มาสร้างคอลัมน์เพิ่มเติม “ความถี่สัมพัทธ์” กัน ในเซลล์แรก ให้ป้อนสูตร:
วิธีที่สอง กลับไปที่ตารางพร้อมกับข้อมูลต้นฉบับ มาคำนวณช่วงกระเป๋ากัน ขั้นแรก ให้เราหาค่าสูงสุดในช่วงอุณหภูมิและค่าต่ำสุดก่อน
ในการค้นหาช่วงเวลาของกระเป๋าคุณต้องแบ่งความแตกต่างระหว่างค่าสูงสุดและค่าต่ำสุดของอาร์เรย์ด้วยจำนวนช่วงเวลา เราได้ "ความกว้างของกระเป๋า"
ลองแสดงช่วงกระเป๋าเป็นคอลัมน์ของค่า ขั้นแรก เราเพิ่มความกว้างของกระเป๋าเข้ากับค่าต่ำสุดของอาร์เรย์ข้อมูล ในเซลล์ถัดไป - ตามจำนวนที่ได้รับ และต่อๆ ไปจนกว่าเราจะถึงค่าสูงสุด
หากต้องการกำหนดความถี่ ให้สร้างคอลัมน์ถัดจากช่วงกระเป๋า ป้อนฟังก์ชันอาร์เรย์:
มาคำนวณความถี่สัมพัทธ์กัน (เหมือนวิธีก่อนหน้า)
มาสร้างแผนภูมิแท่งของการกระจายตัวของปริมาณน้ำฝนใน Excel โดยใช้เครื่องมือ "แผนภูมิ" มาตรฐาน
ความถี่การกระจายเซ็ตพอยต์:
แผนภูมิวงกลมสามารถใช้เพื่อแสดงข้อมูลที่อยู่ในคอลัมน์เดียวหรือหนึ่งแถวได้ ส่วนของวงกลมคือส่วนแบ่งของแต่ละองค์ประกอบอาร์เรย์ในผลรวมขององค์ประกอบทั้งหมด
แผนภูมิวงกลมใดๆ ก็สามารถแสดงการกระจายได้หาก
จากข้อมูลที่มีอยู่เกี่ยวกับการตกตะกอน เราจะสร้างแผนภูมิวงกลม
ส่วนแบ่ง “แต่ละเดือน” ของปริมาณฝนทั้งหมดสำหรับปี:
แผนภูมิวงกลมการกระจายตัวของปริมาณน้ำฝนตามฤดูกาลจะดูดีขึ้นหากมีข้อมูลน้อย มาดูปริมาณฝนโดยเฉลี่ยในแต่ละฤดูกาลโดยใช้ฟังก์ชัน AVERAGE กัน จากข้อมูลที่ได้รับ เราจะสร้างไดอะแกรม:
เราได้รับปริมาณฝนเป็นเปอร์เซ็นต์ตามฤดูกาล