前言：数学建模比赛中，最吸引评审老师的就是figure了，figure分为开篇的流程图【模型思路】、数据统计图【折线图、柱状图、扇形图、拟合图…】、地图【热力分布图】。恰恰在美赛中，论文的“颜值”直接取决于各种精美的figure，所以科学储备数据可视化相关的能力是十分必要的，接下来总结一下自己的可视化方法以及相对应美赛O奖论文中的figure展示。

特别是在美赛的时候，流程图是不可或缺的！大概是放在模型的建立部分，在此图中，我们需要表达出论文的整体思路框架，让评审老师能大致明白论文的走势，心中有谱，从而提高印象分。

老师推荐首选，但感觉模板和例子太有限，很多时候不如亿图图示。

亿图图示拥有很多模板和例子，可以赛前多加熟悉，比赛的时候直接套用，不仅限于流程图，还有各种骚操作，包括维恩图、圆形图、圆辐示意图、列表图等。

上面二者的详细比较可以参考https://www.zhihu.com/question/52966790/answer/204001734

简单而实用的工具，可以在某些时候精确的绘制出不错的效果。

若能有信心复现类似上面的几个流程图，那就说明流程图绘制过关了~

数据统计图是数模比赛中出现频率最高的图了，分为折线图、柱状图、扇形图、混合图以及非常规图。

绘图方法有许多，下面一一列举。

tableau软件：针对GB级以上的数据量，可连接数据库，功能极其强大，不仅能绘制简单的统计图，还能对数据进行各种处理，避免了繁杂的python代码进行数据处理。但学起来可能相对比较耗时，在时间充裕的情况下强烈安利！

origin软件：小众专业绘图软件，可以绘制出精美而细致的统计图，但全英可能对某些人不太友好【例如我】，但可以一试。

软件安装：http://www.downcc.com/soft/123941.html

学习教程：https://www.bilibili.com/video/BV1jt4y1U7oe?from=search&seid=6641668066310604631

完全依赖代码，会有一些繁琐，但绘制起来相对更加灵活可控。最好掌握seaborn和plotly库进行更加高级的数据可视化。

教程：https://www.bilibili.com/video/BV1eJ411H79t?from=search&seid=16913625539214917298

如上三类图，有个明显的共同点是多张图拼成了一张图，若在比赛的论文里每次都只列出一张统计图，就会显得文章不够饱满，老师甚至会怀疑你是否在凑篇幅。因此，为使文章更加经看，我们通常每个统计图每行都会并列放2、3张子图。

这就是论文的shining star了，我们在每次比赛都需要在此方面琢磨，如何突破常规图的瓶颈，给老师眼前一亮！

算法流程示意图要尽可能精简，但需要让老师能看明白~

必要时可以在表格中划出重点~

By the way，有关参考文献方面，切记在文章正文部分添加参考文献的标注！！！据我统计，2020年美赛C题的O奖论文平均引用11.8篇参考文献，格式参考如下：

以上所有图片都是源于20年O奖论文，文章内容是一己之见，仅供参考，欢迎大佬们指出不足或提出建议！具体python可视化代码待后续补充。