质量与运营分析里，常有一条固定的路径：拿到一列数值，先看它的分布，再从分布里找主因。测得的一批尺寸、记录的加工时长、每天清点的缺陷数，逐个数下去看不出名堂；按区间归并成柱状图，数据集中在哪儿、偏向哪一侧、是不是分成好几簇，一眼就清楚。等要回答"先解决哪几类问题"时，又得把这些数按类别排一排，看少数几类是不是占掉了大多数。前一件事通常交给直方图，后一件交给帕累托图，两张图经常成对出现在质量分析报告里。

这类图由 GcExcel 在服务端生成，多数不是给人盯着屏幕看的，而是要写进交付出去的 PDF 报告，或作为图片嵌进文档。此前直方图与帕累托图能否随工作簿一起导出为 PDF、图片、HTML，并不在支持之列；V9.2 把这两种图表的导出补齐，分箱怎么设、导出的图跟 Excel 差多少，逐项有了规则。

在服务端做报表的集成里，导出不是可有可无的收尾，而是交付的主体：工作簿生成之后，落到 PDF、图片或 HTML 里的样子，才是接收方真正拿到的东西。这两类统计图各有一套导出规则，下文分开讲。

一列数值，先看它的形状

直方图处理的是连续数值。每个值单独看意义不大，要紧的是它们整体落在哪儿：集中在哪个区间、散布有多宽、偏向一侧还是大致对称、是不是分成好几簇。做法是把数值按区间归并，一段区间是一箱（bin），数每箱落进多少个值，柱高就是箱里的个数。区间划得合适，分布的形状才立得住，分箱因此是直方图里要紧的一步。

这张图在质量分析里常用来摸底。制程上测得的一批关键尺寸，先画直方图看有没有落在规格范围内、偏向哪一侧；工序的耗时、每日清点的缺陷数，也是先看分布再谈对策。图里藏着的信息，往往比逐个数值更早暴露问题——明显偏向一侧，常提示存在系统性的偏差；中间空出一段、两头各有一撮，多半是两批不同来源的数据混在了一起。

Excel 的直方图为此提供了几种定箱方式，GcExcel V9.2 的导出逐类落实：类别箱（Category bins）、自动箱、自定义箱宽、自定义箱数，以及溢出箱与下溢箱。箱切得粗，分布里的细节被抹平；切得细，又容易被个别值带偏。定箱不是小事，导出时也最需要较真。

数据本身已经按类别带着计数（比如各投诉类型及对应条数）时，用类别箱，一个类别一根柱，柱高就是该类别的计数。类别箱下有一条写明的规则：源数据里的负值不进入分箱，与 Excel 的行为一致。把 Excel 的结果与 GcExcel 导出的结果放在一起，负值条目确实都不出现。

数据没有现成类别、只是一串连续测量值时，最省事的是自动箱，箱的边界由引擎按整列数值的分布自动推定，不需要人给定。想让区间完全由自己定，就改用自定义箱宽或自定义箱数：每箱多宽（例如 150），或一共分几箱（例如 5），数值一经给出，区间边界就确定下来，导出的直方图与 Excel 对齐。同一种数据，用箱宽切与用箱数切，得到的图形细节略有差别，按报告想要的疏密取用即可。

主分箱之外，两端还能各设一个兜底箱。溢出箱把高于某界限的值收进同一根柱，下溢箱把低于某界限的值收进同一根柱，超出界限的部分不再按箱宽继续切。设上溢 200、下溢 -100、主箱宽仍为 100 时，导出的直方图在两端各多出一根聚合柱，Excel 里看到的样子也是如此。

与 Excel 靠多近，是个分寸问题

把直方图导出成 PDF，绕不开一个比较对象：同一份数据在 Excel 里画出的直方图。GcExcel 的对齐原则分两半。Excel 行为明确、结果确定的场景，导出与 Excel 对齐——自定义箱宽、自定义箱数、溢出与下溢的界限、类别箱中负值不进箱，都属于这一类，行为已经写死，输出一致。另一类场景落在自动分箱上，情况不同：自动分箱靠启发式推算，两边的引擎可能从同一列数据推算出不一样的区间，逐区间完全一致不在承诺之内。要逐根对齐，等于复刻对方整套内部算法，代价不成比例。

自动箱这一半的目标，是输出稳定、视觉上接近 Excel，自身前后一致，而不是逐箱复刻。稳定指结果可复现：同一份数据反复导出，分箱不会一次一个样；区间即便与 Excel 不完全一致，产出的图也能直接放进报告使用。分箱之外的图表元素——柱的布局、坐标轴的标签与刻度、图标题、图例、填充与边框——在导出的 PDF 里保持与 Excel 视觉接近。对照截图里能看出，两组图的整体观感几乎一致，细看箱的边界则不必逐根相同。

对批量做报表的集成来说，这条边界够用。分箱设定明确时拿到一致结果，自动分箱时拿到稳定、观感相近的结果，而且同一种设定反复导出不会漂移，用在批处理里是可靠的。哪一类场景落在哪一边，规则摊在明处，按场景选用即可。

从频数里，找出那个"二八"

直方图回答"数据长什么样"，帕累托图回答"该先动哪几类"。分类数据数好频数之后，帕累托图把各类别按频数从高到低排成柱，再叠一条累计百分比线——线走到第几根柱累计到多少，前几类合计占总量的几成，直接可读。产品质量分析常用它指出哪几类缺陷占掉大多数失效，团队据此优先处理影响最大的几类；产品缺陷归类、客服投诉归类，都落在这个思路之下。

GcExcel 导出帕累托图时，柱的排序与累计线按确定的规则计算。分箱复用直方图的同一套规则，类别箱下同样剔除负的源值；柱按分箱后的频数降序排列；累计百分比线由排序后的柱频数逐根累加，再除以全部箱的总数得到。排序后频数是 3、2、2、2、1，总数为 10 时，累计百分比依次为 30%、50%、70%、90%、100%。图表随附一根 0–100% 的百分比次坐标轴，读线时直接对照。标记、数据标签、图例、标题与轴标题这些外观元素，导出时也保持与 Excel 视觉接近。

读帕累托图有个简单的习惯：看累计线在哪几根柱处跨过八成。前两三根柱若已把累计线带过八成，改善资源就先投在这几类上，这正是"少数关键项"的由来。投诉归类、缺陷归类之后用这张图圈定范围，整改的优先级跟着就清楚了。

与直方图并排放时，这两张图的分工很清楚：先用直方图看某一指标的整体分布，再用帕累托图给缺陷或投诉按类别排出先后。分布的形状点出问题大致偏向哪一侧，累计线指出先动手能覆盖多少。

让统计图走出工作簿

这类导出支持的落点，在服务端报表。质量分析的报告常常是批量产出的：一条条产线、一座座工厂、一家家门店，.NET 或 Java 的服务端程序跑同一套分析逻辑，每个对象出一份 PDF，缺陷分布用直方图看，主因用帕累托图排，两张图并排进同一份交付件。过去它们只能留在工作簿里，要进报告得先把图转出来再拼；如今随工作簿一次保存成 PDF、图片或 HTML，图表就在交付件里。

输出格式也不止 PDF。统计图要嵌进网页或文档时，可以导出为图片；内部系统在线阅读，直接交付 HTML。同一份工作簿，按交付场景挑格式，分箱与累计线都由引擎按同一套规则算好，图表不需要为不同格式另做一套。

对在服务端生成交付物的集成方，这次的补齐把两类常用的分析图纳入可导出范围。分箱设定逐类落实，负值处理与 Excel 一致，累计线按确定规则计算——规则并不绕，却让批量产出的报告里，统计图与 Excel 里看到的样貌对得上。直方图与帕累托图进了可导出的清单，质量分析要写进 PDF 报告时，就少了两类需要绕行的图。