（助力国赛）美赛O奖数学建模可视化！！！含代码1（折线图、地图（点）、地图（线）、地图（多边形）、地图（密度）、环形图、环形柱状图、局部放大图）

  众所周知，数学建模的过程中，将复杂的数据和模型结果通过可视化图形呈现出来，不仅能够帮助我们更深入地理解问题，还能够有效地向评委展示我们的研究成果。
  今天，作者将与大家分享8种强大的数学建模可视化图形及其在实际问题中的应用，包含如下图形：折线图、地图（点）、地图（线）、地图（多边形）、地图（密度）、环形图、环形柱状图、局部放大图。

  如果阅者觉得此篇分享有效的的话，请点赞收藏再走！！！（还有第二部分后续更新）

1. 折线图：一种趋势分析的利器

  折线图是最基本的可视化工具之一，适用于展示数据随时间或其他连续变量的变化趋势。

#绘制折线图代码如下：
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
import numpy as np

def plot(ax, colors, legends, legend_anchors, x, y, xlabel, ylabel, n_lengend_col=6):
    """
    :param ax: 使用 fig, ax = plt.subplots 返回的 ax
    :param colors: 折线对应的颜色，必须与折线个数相同
    :param legends: 图例名称，必须与折线个数相同
    :param legend_anchors: 图例显示的位置，(x, y) 其中x和y均为图例中心点在图中的相对位置,
      例如：[0.5, 0.5] 表示图例中心点位于图的正中间，[0.5, 1]表示图例的中心点位于图的正上方，
      [0.5, 1.1]表示图例的中心点位于图的正上方偏上位置
    :param x: x轴数据，一维列表
    :param y: y轴数据，多维列表，必须与颜色和图例数量相同，例如：[y1, y2]
    :param xlabel: x轴标签
    :param ylabel: y轴标签
    :param n_lengend_col: 每行图例显示的个数，如果此值大于折线个数，则一行显示所有图例，如果设置为1，则按列显示图例
    :return: 画布实例
    """
    ax.yaxis.set_tick_params(length=0)
    ax.xaxis.set_tick_params(length=0)
    # 去除边框
    ax.spines["left"].set_color("none")
    ax.spines["right"].set_color("none")
    ax.spines["top"].set_color("none")
    # 显示y轴栅格
    ax.grid(axis='y', alpha=0.4)
    # 创建图例
    handles = [
        Line2D(
            [], [], label=label,
            lw=0,  # there's no line added, just the marker
            marker="o",  # circle marker
            markersize=10,  # marker size
            markerfacecolor=colors[idx],  # marker fill color
        )
        for idx, label in enumerate(legends)
    ]

    legend = ax.legend(
        handles=handles,
        bbox_to_anchor=legend_anchors,  # Located in the top-mid of the figure.
        fontsize=12,
        handletextpad=0.6,  # Space between text and marker/line
        handlelength=1.4,
        columnspacing=1.4,
        loc="center",
        ncol=n_lengend_col,  # 每行图例显示的个数，如果设置为1，表示按列显示图例
        frameon=False
    )

    for i in range(len(legends)):
        handle = legend.legendHandles[i]
        handle.set_alpha(0.7)

    for i in range(len(colors)):
        ax.plot(x, y[i], color=colors[i])
    # 设置x轴 y轴标签
    ax.set_xlabel(xlabel, fontdict={
   'size': 12})
    ax.set_ylabel(ylabel, fontdict={
   'size': 12})
    return ax


if __name__ == '__main__':
    # 随机生成一些数据
    x = list(range(100))
    y1 = np.log(x) + np.random.rand(100)
    y2 = np.log(x)
    y3 = np.log(x) - np.random.rand(100)

    colors = ["#009966", "#3399CC", "#FF6600"]
    legends = ["hair dryer", "microwave", "pacifier"]

    fig, ax = plt.subplots(figsize=(8, 6), ncols=1, nrows=1)
    ax = plot(ax, colors, legends, [0.5, 1.03], x, [y1, y2, y3], 'step', 'value')
    plt.show()

  绘制折线图如下图1所示：

图1 折线图

2 地图：地理空间数据的直观展示

  地图可视化可以帮助我们理解地理空间数据的分布和模式。

2.1 地图上绘制点

#地图上绘制点的代码
import plotly.io as pio
import plotly.graph_objs as go
import plotly.express as px
from plotly.subplots import make_subplots
import pandas as pd
import numpy as np

# can be `plotly`, `plotly_white`, `plotly_dark`, `ggplot2`, `seaborn`, `simple_white`, `none`
pio.templates.default = 'plotly_white'

# 加载数据
df = px.data.carshare()
print(df.head())

fig = px.scatter_mapbox(df,
                        lat="centroid_lat", lon="centroid_lon",
                        color="peak_hour",
                        size="car_hours",
                        color_continuous_scale=px.colors.cyclical.IceFire,
                        zoom=10)

# mapbox_style 可以为 `open-street-map`, `carto-positron`, `carto-darkmatter`,
# `stamen-terrain`, `stamen-toner`, `stamen-watercolor`
fig.update_layout(mapbox_style="carto-positron")

fig.write_html('test.html')

  绘制地图（点）如下图2所示：

图2 地图（绘制点）

2.2 地图上绘制线

#地图上绘制线的代码
import plotly.io as pio
import plotly.graph_objs as go
import plotly.express as px
from plotly.subplots import make_subplots
import pandas as pd
import numpy as np

# pandas打印时显示所有列
pd.set_option('display.max_columns', None)

# can be `plotly`, `plotly_white`, `plotly_dark`, `ggplot2`, `seaborn`, `simple_white`, `none`
pio.templates.default = 'plotly_white'

fig = go.Figure()
fig.add_trace(go.Scattermapbox(
    mode='markers+lines',
    lon=[10, 20, 30],
    lat=[10, 20, 30],
    marker={
   'size': 10}
))
fig.add_trace(go.Scattermapbox(
    mode="markers+lines",
    lon=[-50, -60, 40],
    lat=[30, 10, -20],
    marker={
   'size': 10}
))
fig.update_layout(
    mapbox={
   
        'center': {
   'lon': 10, 'lat': 10