如何用excel找坡度？斜率图可以快速显示两组数据之间各个维度的变化，特别适合比较两个时间点的数据。

例如，为了比较和分析一个产品不同功能的客户满意度，经过问卷调查和数据统计，得出以下调查结果：

你不妨先自己想想，如何将这组数据可视化，才能让信息传递更高效？

以下是我用matplotlib制作的图表：

从图中可以直观地看出，功能C的用户满意度明显下降，用亮橙色表示，以吸引观众的注意力。

功能D和功能E的用户满意度明显提升。我们用蓝色表示数据正朝着好的方向发展。

功能A和功能B的用户满意度变化不大，所以我们用浅灰色来弱化观众对这两个功能的关注，把更多的精力放在分析用户满意度明显下降的功能点上，让图表提高信息传递的效率。

01.下面是用matplotlib绘制的详细步骤。

首先导入需要的库，设置中文字体，定义颜色。

#导入所需库导入numpy为NP导入pandas为PD导入matplotlib为mpl导入matplotlib.py绘图为PLT导入matplotlib.image为image。

#中文标签mpl . rcparams[' font . sans-serif ']=[' sim hei ']显示正常。

#自动适配布局mpl . rcparams . update({ ' figure . autolayout ' : true })。

#通常显示减号mpl . rcparams[' axes . unicode _ negative ']=false。

#定义颜色，主色：蓝色，辅助色：灰色，补色：橙色c={ ' '蓝色' :' # 00589f '，'深蓝色' :' # 003867 '，'浅蓝色' :' # 5d9bcf '，'灰色' 33337 '。浅灰色' : ' # cccccccc '，'橙色' :' # f68f00 '，'深橙色' :' # a05d00 '，'浅橙色' :'#FBC171'}。

其次，从Excel文件中读取随机模拟的数据，定义绘图的数据。

#数据源路径filepath='。/data/问卷调查结果. xlsx '

#读取Excel文件df=pd。read _ excel (filepath，index _ col='调查年份')。

#定义绘图类别名称的数据=df . columns labels=df . index data=df . values data _ cum=data . cum sum(轴=1)。

接下来，我们开始使用“面向对象”的方法进行绘图。

#使用“面向对象”的方法绘制图片，并定义图片的大小(图，ax=PLT。支线剧情(图大小=(6，6))。

#设置背景色fig . set _ face color(' w ')ax . set _ face color(' w ')。

#设置标题ax。set _ title(' n用户满意度随时间变化 n '，fontsize=26，loc=' left '，color=c ['深灰'])。

#定义颜色类别_ colors=[c ['浅灰色']，c ['浅灰色']，c ['橙色']，c ['蓝色']，c ['蓝色']]]。

#为I绘制坡度图，颜色以zip (NP)表示。阿兰格(伦(df。列)，category _ colors) :ax。绘图(df。指数。iloc [:I]，标记=' o '，颜色=颜色)。

#设置数据标签及其文本颜色ax.text (-0.03，df.iloc [0，I]，df.columns [I]''' {:0%} '。格式(df.iloc [0，I])，ha='右'，va='中。fontsize=16) ax.text(1.06，df.iloc[1，i]，' {:0%} '。格式(df.iloc[1，i])，ha='左'，va='中'，color=color，fontsize=16)

#设置y轴ax的刻度范围。set _ ylim (df。values.min ()-0.02，df。values.max () 0.01)。

#隐藏y轴ax.yaxis.set_visible(False)。

#隐藏边框ax.spins ['top']。set _ visible(false)ax . spins[' right ']。set _ visible(false)ax . spins[' left ']。set _ visible(false)ax . spins[' bottom ']。

#隐藏x轴的刻度线ax.tick _ params(轴=' x '，其中=' major '，长度=0)。

#设置坐标标签ax.tick _ params的字体大小和颜色(labelsize=16，colors=c ['gray'])。

plt.show()

跑步后，你会看到上图。

02.对于同一组数据，不同的人可能有不同的观察视角。当可视化它们时，通常有许多不同的解决方案。这里介绍的方法并不是唯一正确的答案。重点是，设计师想传达什么信息？你是否让观众正确快速地理解了他们想要表达的信息？

不同类型的图表有不同的优缺点。

斜率图的优点是可以快速看到每一类前后的变化，并能根据线条的陡度直观感受变化。

斜率图的缺点是看不到整体和部分的比例。此外，如果类别的顺序很重要，则不适合使用斜率图，因为类别是根据数值自动排列的。

最后给大家留一个问题：在大家看到的各种数据中，哪些数据适合用斜率图进行对比分析？