iv <- c("A","B","C","D")
dv <- c(1.2,2.3,4.5,6.7)
gp <- c(1,1,1,2)

par(mai=c(1,1,0,0))
plot(dv, gp, axes=F, xlab="Average time", ylab="Grouping based on 
                   \n mean comparison",
     ylim=c(0,3), xlim=c(0,7), pch=16)
text(dv, gp-.2, iv)
axis(side=2, label=c("i", "ii"), at=c(1,2))
axis(side=1)
abline(h=c(1,2),col="blue",lty=3)

提供脚注：同一水平参考线上的平均值在统计上没有差异。Alpha = 0.05，Bonferroni 调整

我真的很喜欢这种设计，因为您可以灵活地容纳具有多个成员资格的组方式。就像在这种情况下，C 与 D 没有区别，也与 A 和 B 没有区别：

iv <- c("A","B","C", "C", "D")
dv <- c(1.2,2.3,4.5, 4.5, 6.7)
gp <- c(1,1,1,2,2)

par(mai=c(1,1,0,0))
plot(dv, gp, axes=F, xlab="Average time", ylab="Grouping based on 
            \n mean comparison",
     ylim=c(0,3), xlim=c(0,7), pch=16)
text(dv, gp-.2, iv)
axis(side=2, label=c("i", "ii"), at=c(1,2))
axis(side=1)
abline(h=c(1,2),col="blue",lty=3)

根据您的问题和后续评论，我将从点图开始。它们既快速又简单（即使在 Excel 中也是如此）。这是您的数据的示例：

这种图表类型可以很好地扩展，可以很好地处理大量数据点并且非常容易理解——即使对于非技术人员来说也是如此。

关键是，您的数据集太小（4 组，每组 5 个值）。从这些数据中获得的平均值对于每个组来说并不是非常准确的代表值 - 因此您不应该运行 ANOVA来推断组间的差异。

一件事是观众可以理解，但更重要的是科学准确。

我建议通过Kruskal-Wallis解决这个问题，然后进行多重比较。

箱线图（带中位数）可能是组的多重比较最常用的图形表示。要显示差异，您可以在统计上不同的对上方加上括号***并添加 ( -symbols 或N.S.) 如果您有少量组，这看起来不错。或者可以在每个箱线图上制作缺口（在大量组中非常有帮助），任何人都会发现所需的比较是眼睛。

例如，您可以在以下位置创建箱线图R：

data <- data.frame(value=c(rnorm(60), rnorm(20)+3), 
    group=rep(c("A", "B", "C", "D"), each=20))

              value group
    1  -1.206926025     A
    2  -0.311125313     A
    3   1.336579675     A
    ......
    21  1.543827796     B
    22 -1.874257866     B
    ......
    80  4.383037868     D
    etc.  

boxplot(data$value ~ data$group, notch=TRUE,
    col = "red", xlab="group", ylab="value")

箱线图显示中值而不是平均值。我强烈建议不要只显示每组的平均值。原始数据是最后的可能性。