✨ المقدمة

في عالم تحليل البيانات، لا يكفي عرض الأرقام فقط، بل يجب تقديمها بطريقة بصرية تساعد على اتخاذ القرار. من هنا تأتي قوة المخططات المركبة مثل Line and Stacked Column Chart، التي تجمع بين الرسم الخطي والرسم العمودي المكدّس في مخطط واحد، لتوضيح المقارنات بين القيم الإجمالية والنسب أو الاتجاهات الزمنية.

في هذا المقال، ستتعلمين كيفية استخدام هذا النوع من المخططات في Excel وPower BI وPython، مع أمثلة عملية، حالات استخدام، وأخطاء شائعة يجب تجنبها.

دليل شامل لشرح Pie Chart في تحليل البيانات – خطوة بخطوة للمبتدئين والمتوسطين

---

🔍 ما هو Line and Stacked Column Chart؟

هو مخطط مركب يجمع بين:

• Stacked Column: لعرض القيم الإجمالية وتوزيعها حسب الفئات.
• Line Chart: لعرض الاتجاهات أو النسب أو مؤشرات الأداء.

📌 متى نستخدمه؟

• عند مقارنة قيمة إجمالية (مثل المبيعات) مع نسبة (مثل الربح).
• عند تحليل بيانات زمنية مثل الأداء الشهري.
• عند عرض توزيع الفئات مع تتبع اتجاه عام.

---

📊 إنشاء Line and Stacked Column Chart في Excel – خطوة بخطوة

🔵 الخطوة 1: تجهيز البيانات

مثال:

الشهر	المنتج A	المنتج B	نسبة الربح
يناير	5000	3000	20%
فبراير	6000	4000	25%
مارس	7000	5000	22%

🔵 الخطوة 2: إدراج المخطط

• حدد البيانات.
• Insert → Combo Chart → Custom Combo Chart.
• اختر Stacked Column للمنتجات وLine لنسبة الربح.

🔵 الخطوة 3: تخصيص التصميم

• إضافة عنوان واضح.
• تفعيل Secondary Axis لنسبة الربح.
• تغيير الألوان لتوضيح الفرق بين الأعمدة والخط.

---

📈 إنشاء Line and Stacked Column Chart في Power BI – خطوة بخطوة

🔵 الخطوة 1: استيراد البيانات

من Get Data اختر Excel أو CSV.

🔵 الخطوة 2: اختيار Visual

من Visualizations اختر: Line and Stacked Column Chart

🔵 الخطوة 3: توزيع الحقول

• X-axis: الشهر
• Column values: المنتج A وB
• Line values: نسبة الربح
• Legend: اسم المنتج

🔵 الخطوة 4: تخصيص التصميم

• تفعيل المحور الثانوي
• تغيير الألوان
• إضافة Tooltips
• التحكم في حجم النص والعنوان

ميزة Power BI: تفاعل مباشر مع المخطط وتصفية ديناميكية.  

---

🐍 إنشاء Line and Stacked Column Chart باستخدام Python

المكتبات المستخدمة:

import matplotlib.pyplot as plt
import pandas as pd

البيانات:

data = {
    'Month': ['Jan', 'Feb', 'Mar'],
    'Product_A': [5000, 6000, 7000],
    'Product_B': [3000, 4000, 5000],
    'Profit_Percent': [20, 25, 22]
}
df = pd.DataFrame(data)

الرسم:

fig, ax1 = plt.subplots()

ax1.bar(df['Month'], df['Product_A'], label='Product A')
ax1.bar(df['Month'], df['Product_B'], bottom=df['Product_A'], label='Product B')
ax1.set_ylabel('Sales')

ax2 = ax1.twinx()
ax2.plot(df['Month'], df['Profit_Percent'], color='red', marker='o', label='Profit %')
ax2.set_ylabel('Profit %')

plt.title('Sales vs Profit %')
fig.legend(loc='upper left')
plt.show()

لماذا تُعد بايثون السلاح الأقوى في تحليل البيانات؟

---

🧩 حالات استخدام واقعية

الحالة	العمود المكدّس	الخط
تحليل المبيعات	المنتجات حسب الفئة	نسبة الربح
التسويق	مصادر الزيارات	معدل التحويل
التعليم	عدد الطلاب حسب القسم	نسبة النجاح
المالية	المصروفات حسب القسم	نسبة التوفير

---

❌ أخطاء شائعة يجب تجنبها

• استخدام محور واحد لجميع القيم.
• عدم توضيح الأسطورة (Legend).
• اختيار ألوان متشابهة بين الأعمدة والخط.
• عرض بيانات كثيرة جدًا في مخطط واحد.
• تجاهل المحور الثانوي.

---

🎨 أفضل الممارسات لتصميم احترافي

• استخدم ألوان متباينة بين الأعمدة والخط.
• أضف عنوان واضح يشرح الهدف.
• فعّل Tooltips لعرض التفاصيل.
• استخدم المحور الثانوي للنسب.
• لا تدمج أكثر من نوعين من البيانات.

---

🧠 مقارنة بين Line and Stacked Column Chart و Combo Chart

العنصر	Line & Stacked Column	Combo Chart
عدد المحاور	2	1 أو 2
نوع البيانات	قيم + نسب	أي نوعين
الوضوح البصري	عالي	متوسط
الاستخدام	تحليل الأداء	المقارنات العامة

---

دليل تعلم بايثون للمبتدئين والمتوسطين: تحليل البيانات، التصور، وتكامل Excel وPower BI

🏁 الخاتمة

مخطط Line and Stacked Column هو أداة قوية لعرض البيانات بطريقة مركبة تجمع بين التوزيع والاتجاه. سواء كنت تستخدم Excel أو Power BI أو Python، فإن هذا النوع من المخططات يساعدك على تقديم تقارير تحليلية احترافية تدعم اتخاذ القرار.

باتباع الخطوات والنصائح المذكورة، ستتمكن من إنشاء مخططات جذابة، دقيقة، ومناسبة لمختلف حالات الاستخدام في تحليل البيانات.