GraphPad绘图手册

（我现在想起来，不敢进一步使用的原因有几个，一是对英文不很敏感，看见英文的就想逃避，二是不够仔细）

其实仔细看看这个界面，才发现软件已经很人性化了。比如：

这不就很清晰了，左列可以选择不同的图标类型，右上对数据的输入格式，图表样式等也进行了展示。

【举3个栗子】

（站在岸上学不会游泳，要想熟练掌握图标制作和数据分析，一定要自己多动手操作。）

情景1——XY图

假设有两个我同时进行5公里跑步，一个背包，一个不背。并分别对每公里耗时进行计时，为了公平起见，我们请了3位计时员计时。比较背包与不背包对我每公里用时的影响。数据如下：

根据我们的数据特点，按照如下格式进入主界面。

（这里要根据不同的分析类型选择不同的选项）

进入主界面后将计时数据粘贴进数据框。

然后，点击左边的Graphs-Data1即可选择图片类型。

比如我们这里选择第一个。

很容易就展示出草图，但显然这个图还不是我们想要的。毕竟不满足以下几个基本条件：

1、实际上其实大多数paper中的图不会在图的上方设置title，因此这里我们就删除；

2、需要对X/Y轴的坐标轴标题进行更改，这里X轴改为Km，Y轴改为min；

3、根据我们的数据特点，X轴肯定显示完整的公里数更好，因此这里需要对X轴的数据进行更改。

4、有必要的话可以对图中的○和□进行更改。

下面进行操作：

先对上述问题1和问题2进行修改。

（这里单击即可）

修改后

其次对问题3进行修改，选中X轴后双击。

修改后

然后，对问题4修改。选中○或□后双击。即可在如下界面进行各种修改。

最后，再把右边碍眼的图例位置稍微调整一下。这里就不再进行颜色、线条等的更改了，毕竟科研用图，还是要以科学朴素为主。好，最后出图。

最后一步，图做好了，那就及时导出图片。这里需要导出两种类型的图片。

类型一：tif格式的图片，可以直接放在paper中；

类型二：点击File-save，保存为Graphad Prism工程文件，以.pzfx后缀结尾，方便以后再完善。

（通过以上事例可以看到，使用逻辑总结起来就是，要想操作谁，首先选中谁，然后双击进行个性化编辑即可，但其实像坐标轴标题，图例之类的可以都不要，后期在AI中进行编辑更为方便。下面的示例中不再对突变保存进行演示）

情景2——column图

下面对我分别进行1、3、5、10、20 km跑步时的每公里配速进行统计，然后比较不同距离的跑步过程中配速是否有差异。

统计数据如下：

然后新建项目，这里不需要每次都重启软件，只需要新建即可。

将统计数据粘贴进数据框。

然后显示图片

这里我们就选择第一个，另外也可以根据情景一中的演示进行各种更改，不再进行重复展示。

下面我们进行显著性差异分析，看看不同距离跑步中配速是否有差异。

好，下面就是统计学分析结果。

这样很明显可以看到各组之间的差异，下面我们根据统计结果在图中添加*，这里需要添加的*很多，看起来也很不直观，演示起来也比较麻烦。为了演示方便起见，我们更改一下刚才的统计策略，我们让各组数据都和1km的配速进行比较。

好，可以看到，除了3km时配速和1km配速无显著性差异外，其他各组和1km配速相比，都具有显著性差异。下面我们根据这一统计学结果进行标注*，直接输入即可。

这里因为都是和组1进行比较，所以就直接在具有显著性差异的柱子上面添加*即可，就不需要进行连线了。

情景3——Grouped图

下面对我和另外4名同学的1km配速和20km配速进行计时，分析我们之间的爆发力和耐力差异。

数据如下：

我想分析我们5个人之间1km配速有没有差异，20km配速有没有差异，以及每个人1km和20km的配速相比有无差异。因此，选择以下类型展示数据。

对图片进行简单调整后，如下：

下面进行统计学分析。

首先比较我们5个人在1km竞速跑时的配速差异。

对数据进行整理一下。

上述统计学结果说明C同学和其他4位同学均有显著性差异，也说明他配速最低。

这里为了标注*时方便一点，再加上这次比赛活动由我组织，因此就让这四位同学都和我的配速进行比较。

20km配速分析

20km配速分析

好，下面根据上述统计学结果进行*标注。

至此，就对三种情景的数据分析和作图都讲解完毕。总体来说我的配速还是很可以的，哈哈！

这么详细的教程，你还不赶紧去试试。

第二部分

GraphPad Prism作图|单因素方差分析与多重比较

接着第一部分内容，专门写一下利用GraphPad进行单因素方差分析与多重比较。

【进入正题】

数据背景：将Pyricularia grisea分别在4、13、25、30和37℃下培养4 d后测量菌落直径，以研究其最适生长温度，并分析各组之间有无显著性差异。数据测量结果如下：

由上述数据可知，有5组独立实验（n>=3），因此这里选用单因素方差分析（One-way ANOVA）。如果n=