引言选择问题而不只是审美问题你有一个数据集。你需要向读者呈现它。你问自己我应该用表格还是折线图大多数研究者的回答取决于他们最近看到的论文用的是什么软件默认生成什么哪种看起来更专业但这都是错误的理由。正确的选择取决于三个问题你的数据是什么类型、结构、维度你的读者是谁他们的背景、需求你想传达什么信息趋势、精确值、比较错误的呈现方式不只是不够好看它是认知上的浪费。如果你用表格呈现明确的趋势读者需要花费额外的认知努力去理解那个趋势。如果你用折线图呈现需要精确值的数据读者需要猜测线条的确切高度。这篇博文要做的是建立一个AI辅助的决策树帮助你系统性地选择最合适的呈现方式。第一部分数据呈现方式的认知学基础人脑如何处理不同的呈现方式在选择呈现方式之前理解人脑如何处理数据很重要。表格的认知特性表格的优势精确性读者可以精确读出数值查找速度当读者寻找特定的值时表格比图表快多维比较表格可以同时展示多个维度的数据记忆友好具体的数值比抽象的视觉形状更容易记忆表格的劣势模式识别难很难快速看出数据中的模式或趋势认知负荷高需要更多的心智努力去理解对大数据集不友好数据太多时表格变得非常难以阅读容易忽视异常值异常值可能隐没在众多数字中最佳用途需要精确值的地方数据集不太大通常 20行 × 5列读者需要查找特定值与其他表格进行精确比较折线图的认知特性折线图的优势模式识别快大脑可以迅速识别趋势、峰值、谷值认知负荷低快速扫一眼就能理解整体模式变化幅度直观视觉上的斜率直观反映变化速度对大数据集友好即使有成百上千个数据点整体模式仍然清晰折线图的劣势精确性差很难精确读出数值掩盖分布无法显示数据的分布和离散程度容易误导Y轴截断、平滑过度等问题容易产生误导无序数据不合适如果X轴是无序的类别折线图会暗示不存在的顺序最佳用途想展示趋势或变化模式X轴是有序的时间、剂量、年份等数据点很多 20个想展示变化速度或波动程度柱状图/条形图的认知特性优势比较离散值时很直观可以展示排序的值容易添加误差棒劣势用于时间数据时容易暗示步进而非连续变化如果有很多类别难以阅读占用很多垂直空间最佳用途比较几个离散类别 10个展示均值和误差范围比较不同组别散点图的认知特性优势显示两个变量间的关系显示数据的分布和离散程度容易识别异常值和聚类劣势需要相对高的读者数据素养如果有很多重叠点模式不清晰容易被误解为因果关系最佳用途展示两个连续变量间的关系样本量不太大想显示数据的分布热图的认知特性优势可以同时展示三个维度的信息对颜色敏感的大脑可以快速识别高值和低值区域紧凑高效劣势需要配色方案的理解对色盲读者不友好精确值难以阅读最佳用途矩阵数据行 × 列想同时看整体模式和具体细节数据点相对较多第二部分七个关键问题——构建你的决策树问题1你的数据结构是什么这是最基础的问题。子问题1.1数据点的数量少于20个数据点表格或柱状图更合适折线图可能看起来稀疏和不完整20-100个数据点折线图开始变得有用表格开始变得难以阅读超过100个数据点折线图是首选表格基本不可用除非汇总考虑热图或其他聚合表示数据量影响当数据点数量增加时读者从表格中识别模式变得指数级困难。心理学研究表明对于 10行的表格读者可以快速发现模式对于 10-20行模式识别速度显著下降对于 20行模式识别变得极其困难这就是为什么大数据表格总是配合图表使用。子问题1.2数据的维度单变量一个值列表直方图显示分布箱线图显示四分位数简单表格如果值不多二变量X-Y配对折线图如果X有序散点图显示关系和分布柱状图如果X是离散的三变量X-Y-Z多条折线按Z分组散点图用颜色或大小编码第三变量热图如果Z是矩阵小倍数多个小图表每个代表Z的一个值四个或更多变量通常需要汇总或拆分成多个图表小倍数是最好的选择表格可能无法有效呈现维度的认知复杂性维度越多图表就越难阅读。一般规则单变量表格或直方图二变量图表是首选三变量多条线或小倍数四变量必须分层或汇总子问题1.3X轴代表什么这个问题很关键因为它直接决定了图表类型。X轴是时间强烈推荐折线图时间具有方向从过去到未来折线图的连续性与时间的连续性相符表格可用但模式识别困难X轴是有序分类如教育水平低→中→高柱状图或条形图可以使用折线连接有序点但要小心不要暗示连续性表格可用特别是需要精确值时X轴是无序分类如国家、治疗类型柱状图或条形图强烈推荐千万不要用折线图会错误地暗示顺序表格可用特别是需要精确值时X轴是连续数值如剂量、温度、浓度散点图如果数据点不连续折线图如果想展示连续关系表格不推荐重要原则折线图的连续性应该对应数据的连续性。如果你的X轴没有内在的连续性如它是无序的类别不要用折线图即使你有很多数据点。问题2你想让读者看到什么这是一个目的问题而不仅仅是数据问题。你想让读者看趋势吗是优先考虑折线图否考虑表格或柱状图具体来说如果你想说焦虑分数随着时间逐渐下降折线图最有效。读者一眼就能看到下降的趋势。同样的数据在表格中读者需要逐行阅读数值自己在脑中描绘出下降的模式。你想让读者读出精确值吗是优先考虑表格否近似值足够优先考虑图表例如在医学研究中如果论文说血红蛋白水平从12.3 g/dL增加到13.7 g/dL这些精确值对于临床应用很重要。表格比图表更合适。但如果你只想传达血红蛋白有所增加图表就足够了。你想让读者比较多个组别吗是如果组别少于5个柱状图最有效是**但有很多组别**小倍数或热图是但想展示时间趋势多条折线图你想让读者看到变化速度吗是折线图是必须的否柱状图或表格足够在折线图中斜率直观反映变化速度。陡峭的线表示快速变化平缓的线表示缓慢变化。在表格或柱状图中这种变化速度信息不太明显。你想让读者看到数据的分布或变异性吗是散点图、箱线图或小提琴图否只展示均值表格或柱状图这是一个容易被忽视但很重要的问题。如果数据有很高的变异性如一个数据点的值是500另一个是501但标准差是100仅展示均值是误导的。示例 假设两个治疗的均值分数都是50但治疗A分数从45到55低变异性治疗B分数从0到100高变异性如果你只展示均值用表格或柱状图两个治疗看起来一样好。但实际上治疗B的结果不可靠。散点图或箱线图会立即显示这种差异。问题3你的读者是谁不同的读者群体需要不同的呈现方式。读者是数据专业人士统计学家、数据分析师可以处理复杂的图表理解小倍数、热图等高级图表类型甚至喜欢表格因为他们可以快速从中提取信息但仍然需要清晰的标注和图例读者是学科专家但非数据专家医生、心理学家更喜欢直观的呈现折线图和柱状图是安全的选择可能不太理解热图或复杂的颜色编码精确值很重要他们需要将结果应用到自己的实践中读者是一般公众需要最直观的呈现简单的折线图和柱状图是最好的避免超过3条线的折线图清晰的标题和标注至关重要考虑添加文字解释读者会快速浏览还是仔细阅读快速浏览如在幻灯片中优先考虑图表一眼就能理解仔细阅读如在论文中表格或图表都可以但需要清晰的标注在学术环讲中听众通常只有几秒钟看幻灯片。用复杂的表格在这种情况下是自杀行为。即使是一个清晰的折线图有时也太复杂了——可能需要用突出显示或动画来引导读者的注意力。在论文中读者可以花费时间研究图表或表格。在这种情况下精确性和完整性可能比快速可理解性更重要。问题4数据中有多少异常值或特殊情况异常值需要特别处理。有重要的异常值散点图或箱线图会清晰显示异常值表格会显示确切的值不要用柱状图或简单的折线图会掩盖异常值没有异常值或异常值不重要任何呈现方式都可以但如果有轻微的异常值考虑使用表格或散点图来透明地展示它们数据中有缺失值表格清晰地标注缺失值如N/A折线图用断线或特殊标记显示缺失不要在表格或图表中隐藏缺失值问题5数据的精确性有多重要这个问题涉及应用背景。高精确性要求如医学治疗指南优先考虑表格如果必须用图表加上精确值标注包括置信区间或误差棒中等精确性要求如科研论文的主要结果图表加简短的数值标注或表格加清晰的解释性文字精确值应该在图注或表注中可找到低精确性要求如宣传材料、一般描述图表就足够了精确值不必要示例在药物开发中早期基础研究近似的趋势就足够了用折线图临床试验精确值很重要用表格加上图表患者教育简单直观的折线图突出这个药物有效问题6是否有比较的需要比较是数据可视化的关键目的。需要比较少于3个组别柱状图最清晰表格也可以不推荐用不同的折线图如果X轴不是时间会很容易误解需要比较3-5个组别如果X轴是时间多条折线图如果X轴不是时间组合柱状图或小倍数表格可用但读者很难快速比较需要比较超过5个组别小倍数每个组别一个小图表最有效热图如果是矩阵数据表格但只有在读者需要精确值时需要多维比较如不同年份、不同治疗、不同性别小倍数是最好的解决方案或用颜色/线条样式编码额外维度避免超过3个编码维度会变得混乱问题7数据何时会被更新或引用这个问题涉及可维护性和可复现性。数据会定期更新如年度报告、实时监测如果会频繁更新表格更容易维护图表的更新可能需要重新绘制这个呈现方式会被其他论文引用清晰的表格比模糊的图表更有价值精确值比视觉近似更有用但趋势的直观展示也很重要数据需要存档或供他人使用优先考虑表格易于导出、易于重用图表应该有可访问的原始数据第三部分AI辅助决策树现在让我们把所有这些问题整合成一个决策树。你可以把这个决策树输入给AI或直接用这个Prompt让AI帮助你做决策。PromptAI辅助数据呈现决策系统我有一个数据集需要决定用表格还是图表来呈现。请帮我系统性地做这个决定。 【基本数据信息】 - 数据类型[描述如焦虑分数随时间的变化] - 数据点数量[具体数字] - 数据的维度数[1维/2维/3维/更多] - X轴代表什么[时间/有序分类/无序分类/连续数值] 【目标受众】 - 主要读者是谁[如医学期刊的审稿人、临床医生、一般公众] - 文档形式[论文/幻灯片演讲/网页/报告] - 读者会快速浏览还是仔细阅读[快速浏览/仔细阅读] 【数据特征】 - 数据是否有明显的趋势[是/否/部分] - 数据中是否有异常值[有/没有/有但不重要] - 是否需要精确值[必须/最好有/不需要] - 数据变异性有多大[很小/中等/很大/不确定] 【比较需求】 - 需要比较多少个组别[0个无比较/1-3个/4-5个/超过5个] - 比较的维度是什么[单一维度/多个维度] 【应用背景】 - 这个结果会如何被使用[学术引用/临床应用/政策制定/宣传] - 精确性有多重要[非常重要/中等/不太重要] - 数据会被更新或重用吗[经常更新/偶尔更新/一次性] 请帮我系统性地分析最终推荐 1. 主要推荐的呈现方式表格/折线图/柱状图/散点图/其他 2. 为什么这种方式最适合 3. 是否应该同时使用表格和图表 4. 实现建议如轴范围、颜色方案等AI决策树流程图以下是决策树的文字版本开始你想呈现数据 │ ├─ 问题1数据点少于20个吗 │ │ │ ├─ 是 │ │ │ │ │ ├─ 问题1a精确值重要吗 │ │ │ │ │ │ │ ├─ 是 → 【表格】 │ │ │ │ │ │ │ └─ 否 → 【柱状图或简单图表】 │ │ │ │ │ └─ 问题1bX轴是时间吗 │ │ │ │ │ ├─ 是 → 【折线图可能看起来稀疏】 │ │ │ │ │ └─ 否 → 【柱状图或条形图】 │ │ │ └─ 否20-100个数据点 │ │ │ └─ 继续第2步 │ ├─ 问题2X轴是时间吗 │ │ │ ├─ 是 │ │ │ │ │ ├─ 问题2a有多于3个的比较组吗 │ │ │ │ │ │ │ ├─ 是 → 【小倍数每个组一个小折线图】 │ │ │ │ │ │ │ └─ 否 → 【多条折线图】 │ │ │ │ │ └─ 问题2b必须显示精确值吗 │ │ │ │ │ ├─ 是 → 【表格折线图】 │ │ │ │ │ └─ 否 → 【折线图】 │ │ │ └─ 否X轴不是时间 │ │ │ ├─ 问题3X轴是有序的吗 │ │ │ │ │ ├─ 是 → 【柱状图或条形图可以用线连接】 │ │ │ │ │ └─ 否 → 【柱状图或条形图千万不要用折线图】 │ │ │ └─ 问题4是连续数值X轴吗 │ │ │ ├─ 是 → 【散点图趋势线】 │ │ │ └─ 否 → 【参考上面的分支】 │ ├─ 问题5有重要的异常值吗 │ │ │ ├─ 是 → 【散点图或箱线图清晰显示异常值】 │ │ │ └─ 否 → 继续第6步 │ ├─ 问题6需要展示数据分布或变异性吗 │ │ │ ├─ 是 → 【散点图、箱线图或小提琴图】 │ │ │ └─ 否 → 【只展示均值表格或柱状图】 │ ├─ 问题7有超过100个数据点吗 │ │ │ ├─ 是 → 【图表是必须的表格太多了】 │ │ │ └─ 否 → 【表格和图表都可行】 │ └─ 最终决策 ├─ 表格图表两者都需要 ├─ 表格精确性是首要 ├─ 折线图显示趋势 ├─ 柱状图比较离散值 ├─ 散点图显示关系和分布 └─ 其他热图、小倍数等第四部分常见场景的具体建议场景1医学干预的时间效应数据特征X轴时间前测、1个月、3个月、6个月Y轴临床指标如焦虑分数数据点20个4个时间点 × 5个比较组问题回答数据点数20个 → 接近折线图的下限X轴是时间是需要精确值是临床指引有多个组别是5个需要显示变异性是医学应用推荐表格 多条折线图理由折线图展示时间趋势和组间差异表格提供精确值和统计指标如95% CI5个组别用不同的线条和颜色区分在一个页面上难以容纳可能需要两个图表或小倍数示例布局表格 时间点 | 对照组 (n20) | 干预A (n22) | 干预B (n21) | ... | M (95% CI) | M (95% CI) | M (95% CI) | 前测 | 45.2 (42-48) | 46.1 (43-49) | 44.8 (41-48) | 1月 | 44.9 (41-48) | 40.2 (37-43)* | 39.5 (36-43)* | ... 图表 [多条折线图每条代表一个组别X轴是时间Y轴是焦虑分数]场景2不同国家的COVID-19死亡率比较数据特征X轴国家美国、英国、法国、德国、意大利等Y轴死亡率%)数据点8个国家问题回答数据点数8个X轴是无序分类是需要精确值中等政策制定需要快速视觉比较是有异常值可能有推荐柱状图 表格可选理由X轴是无序的不应该用折线图柱状图清晰显示各国家的相对排名如果有异常值用颜色突出显示精确值可以在柱子上标注或在表格中提供为什么不用表格虽然只有8个值但柱状图更直观读者可以立即看出哪个国家死亡率最高/最低在表格中需要逐行阅读才能比较为什么不用折线图X轴没有顺序折线会暗示虚假的连续性读者可能认为国家之间的连接有某种意义场景3实时股票价格追踪数据特征X轴时间每分钟或每小时Y轴股票价格 ($)数据点数百或数千个问题回答数据点数 100X轴是时间是需要精确值取决于应用对于交易高精确性需求对于一般投资者低精确性需求需要显示变异性是价格波动很重要推荐对于交易者表格 高度交互的图表允许放大对于一般投资者简化的折线图显示主要趋势对于媒体报道折线图突出关键事件理由数据点太多表格不可行图表是必须的但不同受众需要不同的精确度交易者需要精确值所以提供表格交互图表一般投资者只关心整体趋势场景4学生成绩分布数据特征X轴成绩0-100分Y轴学生数量频率数据点100个学生问题回答这是一维数据只有成绩没有时间或分类想显示分布是需要精确个数否推荐直方图不是折线图或柱状图理由这本质上是一个分布问题不是时间序列问题直方图最直观地显示大多数学生分数在哪个范围可以清晰地看到是否是钟形分布、偏斜分布或双峰分布为什么不用柱状图柱状图会给人离散类别的感觉但成绩是连续的直方图更准确地反映这一点为什么不用表格有100个学生表格会非常长读者看不出分布模式场景5临床试验的多个结局指标数据特征X轴不同的结局指标如血压、心率、血糖等Y轴改善百分比%数据点6个指标2个比较组干预vs对照问题回答数据点12个6个指标 × 2个组别X轴是无序分类可能是如果指标之间没有顺序需要比较两个组是需要精确值是医学应用推荐分组柱状图 表格理由分组柱状图清晰地展示每个指标的干预vs对照读者可以快速看出哪些指标有显著改善表格提供精确值和统计显著性指标如p值为什么不用折线图不同的指标之间没有连续性如果用折线会误导读者认为指标之间有某种关系布局表格 结局指标 | 对照组 | 干预组 | p值 | 效应大小 | M (SD) n | M (SD) n | | d 血压 | ... | ... | ... | ... 心率 | ... | ... | ... | ... ... 图表 [分组柱状图X轴是指标Y轴是改善百分比 蓝色柱子代表对照组橙色柱子代表干预组]第五部分表格 图表的最优组合很多时候答案不是用表格或用图表而是两者都用。何时需要表格 图表的组合当你需要同时提供快速的视觉理解图表精确的数值引用表格典型情况医学或临床论文医生需要精确值但读者需要快速理解趋势政策相关研究决策者需要精确数据公众需要清晰的呈现长期时间序列需要显示整个趋势和关键时间点的精确值最优的表格图表布局方案1表格在前图表在后【表格】 年份 | 数值 | 95% CI 2010 | 45.2 | (42-48) 2011 | 46.1 | (43-49) ... 2020 | 38.5 | (35-42) 【图表】 [折线图显示整体趋势]优点读者可以先看到精确值然后看图表获得整体理解缺点从表格跳到图表需要心理转换不如并排放置直观方案2小表格和图表并排【左边精简表格】 年份 | 值 2010 | 45 2015 | 42 2020 | 39 【右边完整图表】 [折线图显示所有年份的数据]优点表格和图表直接对应读者可以同时看到精确值和整体模式缺点占用更多水平空间可能看起来冗余方案3图表中嵌入关键数值【图表】 [折线图在关键点如最高值、最低值、最终值标注精确数值] 【图注】 详见表1了解所有时间点的精确值。优点节省空间避免重复缺点图表可能变得混乱只能标注几个关键点不能显示所有精确值方案4主要图表 补充表格【主要呈现折线图或柱状图】 这是读者首先看到的提供清晰的视觉印象。 【补充详细表格可能在附录中】 对于需要精确值的读者完整的表格在附录或补充材料中。优点主文本清晰简洁所有精确数据都可访问适合学术论文缺点需要读者查阅附录可能不适合一页纸的报告推荐的组合规则场景推荐理由医学论文关键结果表格 图表并排精确值和视觉都重要长期时间序列10个时间点图表为主 关键点的表格图表显示趋势表提供精确值政策报告摘要中用图表详细数据表在附录快速决策需要图表详细应用需要表格学术演讲仅图表没有表格受众时间有限不能读表格教科书或教学表格 图表 解释文字需要完整的理解第六部分实战Prompt——让AI帮你做决策Prompt A快速决策5分钟根据我的数据特征推荐最合适的呈现方式。 数据摘要 - 我有[数量]个数据点 - X轴代表[什么时间/分类/连续值] - Y轴代表[什么指标] - 我想强调[什么信息趋势/精确值/比较/分布] - 读者是[谁学术期刊/临床医生/一般公众] - 文档形式是[什么论文/报告/演讲] 请快速告诉我 1. 最合适的呈现方式是什么 2. 为什么一句话 3. 应该避免什么Prompt B深度分析20分钟我需要关于数据呈现方式的详细分析。 【数据信息】 [详细描述你的数据] 【目的和背景】 [你想用这个数据做什么] 请帮我分析 1. 我应该用表格还是图表为什么 2. 如果用图表什么类型最合适 3. 如果用表格应该如何组织列和行 4. 是否需要表格图表的组合如果是最优布局是什么 5. 精确值有多重要这如何影响呈现方式 6. 是否有任何我应该避免的呈现方式为什么 7. 对于改进当前的呈现方式你的具体建议是什么Prompt C生成呈现方式的代码一旦你决定了呈现方式可以用这个Prompt让AI生成代码请帮我生成创建最优数据呈现的代码。 【数据格式】 [提供数据或数据结构] 【呈现方式决策】 根据我的需求最优方式是[表格/折线图/柱状图/等] 【具体要求】 1. [任何特定的格式要求] 2. [颜色/字体偏好] 3. [是否需要误差棒/置信区间] 4. [是否需要标注关键值] 请用[Python pandas/R ggplot2/其他]提供 1. 数据准备代码 2. 呈现代码 3. 保存为高质量格式的代码 4. 简短解释为什么这种呈现方式合适第七部分常见错误和陷阱错误1用折线图呈现无序分类数据错误示例 用折线图展示不同国家的GDPX轴是国家名称美国、日本、中国、德国。为什么错 折线图暗示X轴之间有某种连续性或顺序。但国家之间没有顺序。读者会被误导认为国家之间有某种关系。正确做法 用柱状图或条形图。AI检查Prompt我用折线图展示了[具体数据]。 X轴是[X轴变量]。 这个选择合适吗为什么或为什么不如果不合适推荐什么错误2用表格展示有明确趋势的大数据集错误示例 一个表格有50行和5列展示了随时间的生态监测数据。为什么错 读者无法在表格中快速识别趋势。他们需要逐行阅读自己构建模式——这太低效了。正确做法 用折线图展示趋势表格如果需要放在附录。AI检查Prompt我想用表格展示[描述]有[数量]行。 这个选择是否高效如果不是为什么推荐的替代方案是什么错误3用柱状图展示有太多类别的数据错误示例 一个柱状图有25个柱子代表25个不同的产品。为什么错 柱子太多图表变得难以阅读标签重叠无法进行有意义的比较。正确做法如果只需要看前10个最高值排序柱状图或条形图如果需要展示所有25个按字母顺序分成多个小图表或用热图如果类别之间有某种顺序如教育水平考虑用折线图如果是连续的经验法则 5个类别柱状图很清晰5-10个类别柱状图仍然可用10-20个类别考虑条形图更容易放标签或排序20个类别需要分层呈现小倍数、热图等错误4为了追求漂亮而牺牲清晰性错误示例 用复杂的3D柱状图、梯度渐变色、装饰性元素。为什么错 装饰性元素会增加认知负荷而不会增加信息。3D效果会歪曲数据因为视角会改变数值的视觉比例。正确做法 保持简单。2D不要3D无装饰清晰的颜色和对比最小化的墨水与数据比每一个视觉元素都应该传达数据著名原则美学和功能应该相互支持而不是相互竞争。——爱德华·塔夫特 (Edward Tufte)错误5混淆相关性和因果性的表示错误示例 用散点图和趋势线展示冰淇淋销量 vs 溺水事故暗示冰淇淋导致溺水。为什么错 两者都在夏天增加但不是因果关系。图表的呈现方式暗示了因果性。正确做法如果只是展示相关性明确标注为相关性不是因果性如果想暗示因果性需要有理论或实验支持并在文字中解释用散点图显示数据点但避免暗示不存在的因果关系错误6在表格中过度精确错误示例 一个表格显示焦虑分数43.2456 ± 8.7392为什么错 数据本身没有这么高的精确度。这种过度精确会暗示测量精确度不存在的水平同时使读者难以快速理解。正确做法 根据测量精确度和应用需求四舍五入。对于许多心理测量四舍五入到1-2位小数就足够了对于医学指标取决于临床相关性有时1位小数就够了第八部分制作高质量表格的最佳实践既然我们讨论了何时用表格让我们简要讨论如何制作好的表格。表格设计原则原则1简化行和列只包含必要的行和列如果数据太大考虑拆分成多个表格最大化4-5列8-15行超过这个很难阅读原则2清晰的标签列标题应该清晰简洁包括单位行标签应该自解释如果有缩写提供解释原则3逻辑排序行按逻辑顺序排序时间顺序、数值大小、字母顺序列按重要性排序或按逻辑分组原则4对齐和间距数字向右对齐便于比较文本向左对齐用足够的行间距不要太拥挤原则5颜色的克制使用如果使用颜色用它来突出重要信息如p .05避免装饰性的颜色确保对色盲友好原则6脚注和注释在表注中解释任何非标准的符号或缩写示例†p .05, ‡p .01表格示例良好实践差的表格结果 Group | T1 | T2 | T3 | T4 | T5 ------|----|----|----|----|---- A | 45.2341 | 44.9123 | 42.1234 | 38.9123 | 36.8234 B | 46.1234 | 40.2134 | 38.4123 | 35.6234 | 33.7123好的表格表1. 焦虑分数随时间的变化 时间点 | 对照组 (n45) | 干预组 (n47) | 组间差异 (95% CI) -------|-------|-------|------- 前测 | 45.2 (8.5) | 46.1 (9.2) | -0.9 (-4.3, 2.5) 1个月 | 44.9 (8.3) | 40.2 (7.8) * | 4.7 (0.8, 8.6) 3个月 | 42.1 (8.1) | 38.4 (7.5) * | 3.7 (-0.4, 7.8) 6个月 | 38.9 (9.1) | 35.6 (8.2) * | 3.3 (-0.9, 7.5) 注. 数值为均值 (标准差)。CI 置信区间。* p .05 vs 对照组。