2026数模国赛模块求解Skill：问题分析、数据处理与图表绘制全攻略

【超强助攻】2026数模国赛模块求解skill：问题分析|数据处理|图表绘制

每年国赛结束，我都能在论坛上看到类似的吐槽：“模型跑出来了，图却拿不出手”“题目读错了，第二天才发现”“数据清洗洗了整整一天，论文差点没写完”。这些队伍多数不是输在模型推导，而是输在流程失控——问题分析没做透，数据处理不高效，图表质量撑不起论文水平。

2026年数模国赛的赛题趋势，大概率延续“背景更实际、数据量更大、图表更考究”的方向。单纯靠赛前突击几个经典模型，已经不足以应对越来越复杂的赛题。你需要的是一套可以复用的模块化求解框架，把竞赛中最重要的三个环节——问题分析、数据处理、图表绘制——封装成一套标准流程，并配合现成的代码模板使用。

这就是“模块求解Skill”的设计初衷。它不绑定某个具体模型，而是把国赛解题过程抽象成三个可替换的模块，让队伍从“混乱试错”变成“线性推进”。这篇文章会给你一套可以立即落地的完整框架：核心概念、标题拆解方法、缺失值/异常值/特征工程的处理策略、高质量图表模板，以及一键跑通的主流程代码。读完你就能照着搭建自己的竞赛工程目录。

1. 这篇文章真正要解决的问题

为什么很多队伍在国赛中发挥不出真实水平？我观察到的核心原因，不是“模型不会”，而是“流程混乱”。具体来说有三个高频痛点。

第一个痛点：问题分析停留在“读懂题目”的层面。很多队伍拿到赛题后，花半小时扫一遍题目，然后立刻开始找数据、跑代码。表面上效率很高，实际上缺少从赛题文本到可计算问题的结构化拆解。比如，一道关于“城市应急资源调度”的题目，可能既包含资源覆盖率的评价子问题，又包含成本最小化的优化子问题，还包含多种情境下的敏感性分析。如果不先把问题拆开并映射到合适的模型类别，后面做的所有工作都可能白费。

第二个痛点：数据处理成为时间黑洞。国赛提供的数据几乎不会“开箱即用”。多个Excel表字段命名不统一、时间列格式混乱、缺失值和异常值混杂、量纲不同，这些问题任何一个都能消耗掉大半天时间。更麻烦的是，如果队伍没有统一的处理流程，每个人在各自脚本里各洗一遍数据，最后合到一起时才能发现列名对不上、行数不一致。

第三个痛点：图表停留在“能看”而不是“能用”。竞赛论文中，图表承担的功能远不止展示——它们需要清晰地传递趋势对比、相关性、模型预测效果和方案可行性。一张格式潦草的默认风格图，可能让评委忽略你的优秀模型；而一张规范的组合图，哪怕背后模型不复杂，也能让评审一眼看清你的分析逻辑。

这篇文章，就是围绕这三个痛点展开的。它适合第一次参赛、想要一套完整流程的新队伍，也适合已经有过参赛经历、希望把流程标准化以提升效率的老队伍。你可以把“模块求解Skill”理解成一个工程骨架——换题目时，只需要替换内部模块的具体内容，流程本身不需要重新设计。

2. 模块求解Skill的核心概念与设计原理

“Skill”这个概念在AI编程工具和自动化工作流中越来越常见。它的大致思想是：把一套稳定的技能封装成结构化配置，让工具或引擎可以按照固定套路执行任务。把这种方式迁移到数模竞赛中，就构成了模块求解Skill。它不是给你某个题的固定答案，而是一套“解决问题的方法集合”。

在国赛场景中，模块求解Skill可以拆成三个子模块，它们的职责边界非常清晰：

三个模块之间不是串行执行完就不再回头，而是存在反馈关系。问题分析阶段确定的变量表，决定了数据处理阶段要保留哪些字段；数据处理阶段的探索结果，反过来可能修正模型选型；图表绘制则服务于问题分析中提出的每一个子问题。一切以最终论文需要展示的内容为终点。

另外还要区分“模块求解Skill”和“模型库”。模型库解决的是“有哪些算法可以用”，Skill解决的是“这些任务怎么组织、怎么衔接、怎么保证输出质量”。即使你的模型库再丰富，如果处理数据的流程是乱的，佐证结果的图表是糙的，最后论文质量依然不乐观。

这个设计还有一个好处：它天然支持分工。三个人可以分别负责分析、数据和图表，只要提前约定好变量命名、文件路径、输出格式，最后合并时几乎不会有冲突。这一点在紧张的三天赛程里，价值非常大。

3. 环境准备与项目目录规划

模块求解Skill以Python为主要工具。建议使用Python 3.10及以上版本，操作系统不限。比赛期间不推荐在全局环境里混装各种包，最好用虚拟环境隔离依赖。

3.1 创建虚拟环境与安装依赖

python -m venv .venv source .venv/bin/activate # Windows下执行 .venv\Scripts\activate

安装依赖库：

pip install pandas numpy matplotlib seaborn openpyxl scikit-learn

核心依赖库及用途如下：

验证环境是否正常：

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns print("pandas", pd.__version__) print("numpy", np.__version__) print("Environment OK")

3.2 项目目录结构

比赛期间文件极其容易混乱，建议所有队伍提前建好统一目录结构：

competition_skill/ ├── data/ │ ├── raw/ # 原始赛题数据，严禁修改 │ └── processed/ # 清洗后的数据 ├── src/ │ ├── analysis.py # 问题分析模块 │ ├── data_processing.py # 数据处理模块 │ └── visualization.py # 图表绘制模块 ├── output/ │ ├── figures/ # 输出图片 │ └── tables/ # 输出结果表 ├── main.py # 主流程调度 └── README.md # 记录模块分工和说明

目录的意义不只是整洁。当三个人同时工作时，统一的目录可以避免互相覆盖文件。更重要的是，论文写作阶段需要回头找某张图、某份中间数据，规范的目录能让定位成本降到最低。这一点在最后一天晚上尤为关键。

4. 问题分析模块：先把题目拆透再动手

4.1 问题分析要回答的五个问题

很多队伍问我“拿到赛题后第一件事做什么”。我的答案从来都是：不要碰数据，更不要急着选模型，先把下面的清单填完。

1. 题目最终的交付目标是什么？是预测一个数值，对样本分类，给出排序方案，还是综合多目标做决策？
2. 决策变量是什么？约束条件有哪些？如果是优化问题，哪些变量是我们可以调整的？哪些是题目或现实固有限制的？
3. 数据中有哪些字段是核心变量？哪些是解释变量，哪些是被预测的目标，哪些只是背景信息？
4. 题目隐含了哪些子问题？子问题之间是并列关系还是递进关系？后一个子问题是否依赖前一个子问题的输出？
5. 最终论文需要展示哪些图和表？需要预测对比图、误差分析表、方案效果图，还是灵敏度曲线？

这个清单的价值在于，它把“读懂题目”这个模糊目标，变成一组可以直接填写的表格和文本。队伍可以花一个小时左右完成清单，后续所有操作都围绕它展开。如果赛题读完之后清单填不出来，说明没有理解到位，这个时间花得比盲目写代码值百倍。

4.2 题目拆解清单模板

# 文件路径：src/analysis.py problem_structure = { "主问题": "某城市未来三天空气质量等级预测", "子问题1": { "类型": "分类预测", "模型候选": ["随机森林", "XGBoost", "LightGBM", "逻辑回归"], "数据需求": ["历史污染物浓度", "气象特征", "时间特征"], "交付图表": ["真实值与预测值对比图", "混淆矩阵热力图"] }, "子问题2": { "类型": "回归预测", "模型候选": ["线性回归", "SVR", "随机森林回归"], "数据需求": ["污染物浓度连续值", "气象变量"], "交付图表": ["误差散点图", "特征重要性排序图"] }, "子问题3": { "类型": "多目标优化", "模型候选": ["线性规划", "NSGA-II", "遗传算法"], "数据需求": ["成本参数", "资源约束条件"], "交付图表": ["Pareto前沿图", "方案对比柱状图"] }, }

填入模型候选时，不需要把每个模型都写在论文里，但需要在分析阶段就能确定“主推模型”和“备选模型”。这样做的好处是，建模阶段不再是漫无目的地试算法，而是有目标、有对比地验证。这也是很多高水平队伍的共同特征：他们很少临时找模型，而是在分析阶段就锁定了方向。

4.3 建立变量表

确定问题结构后，建议在文档或代码里维护一张“变量表”。这张表把赛题中出现的所有字段统一登记，标记类型、角色、是否决策变量。

变量表的作用在后面数据处理阶段会体现得非常明显。特征工程需要围绕变量表进行；模型训练前要确认“特征列”与“目标列”是否与变量表一致；论文写作时，变量表也能直接转化为“符号说明表”。很多评审专家会特别关注论文在变量定义上是否严谨，这份表就是严谨性的基础。

5. 数据处理模块：清洗、处理与特征工程

数据处理阶段的终极目标，是输出一份“可以直接进入模型训练”的标准化数据集。在国赛中，这也是最容易出问题、最消耗时间的环节。

5.1 数据导入与基础检查

第一步永远是“只看不改”，先了解数据形状：

# 文件路径：src/data_processing.py import pandas as pd def load_excel(file_path, sheet_name=0): """导入Excel并输出基础信息""" df = pd.read_excel(file_path, sheet_name=sheet_name) print("数据维度:", df.shape) print("列名列表:", df.columns.tolist()) print("缺失值统计:\n", df.isnull().sum()) df.info() return df df = load_excel("data/raw/attachment1.xlsx")

这个函数输出的信息非常关键。你需要确认三件事：行列数是否合理、列名是否符合预期、数据里有多少缺失值。这三项确认完，再进入清洗阶段。

5.2 缺失值处理策略

国赛数据中的缺失值，不能“一律删除”或“一律填零”。正确做法是根据数据特征分情况处理。

• 时间序列数据的缺失：优先使用线性插值，因为它能够保留数据随时间变化的趋势。如果直接填均值，会破坏时间序列的连续性。
• 分类特征的缺失：用众数填充，或单独设置为“未知”类别。也可以用“是否缺失”作为一个辅助特征，有时候缺失信息本身也有预测价值。
• 数值特征的少量缺失：可以用中位数填充，但填充前要看数据分布。偏态严重的字段用均值填充会引入偏差。

def handle_missing(df, time_col="time", num_cols=None, cat_cols=None): """缺失值处理：时间序列优先插值，分类特征填充众数""" df = df.copy() if num_cols: for col in num_cols: df[col] = df[col].astype("float64") if time_col in df.columns: df[col] = df[col].interpolate(method="linear") df[col] = df[col].fillna(df[col].median()) if cat_cols: for col in cat_cols: df[col] = df[col].fillna(df[col].mode()[0]) return df df = handle_missing( df, time_col="time", num_cols=["tem", "humi", "pm25", "wind"], cat_cols=["site_number"] )

这里真正容易踩的坑是：interpolate()的前提是数据已经按时间排序。如果时间列乱序，插值结果就会出现混乱。所以执行插值之前，务必先按时间列排序：

df = df.sort_values("time").reset_index(drop=True)

5.3 异常值识别与处理

异常值的处理比缺失值更需要判断力。国赛数据里经常有“看起来异常但实际上是真实事件”的数值，比如极端灾害天气下的监测数据。因此，检测出异常值后不要急着删，先看业务背景。

常用的检测方法有三种：

• 3σ原则：数据近似正态分布时，偏离均值3倍标准差之外的点视为异常；
• IQR箱线图法：对偏态分布更稳健，用四分位数间距来判断；
• 业务上下限：利用常识设定物理上下界，比如温度不可能超过60℃、湿度范围在0～100之间。

def detect_outliers_iqr(df, col): """基于IQR方法识别异常值""" Q1 = df[col].quantile(0.25) Q3 = df[col].quantile(0.75) IQR = Q3 - Q1 lower = Q1 - 1.5 * IQR upper = Q3 + 1.5 * IQR outliers = df[(df[col] < lower) | (df[col] > upper)] print(f"{col} 合理范围: [{lower:.2f}, {upper:.2f}]") print(f"异常值数量: {len(outliers)}") return outliers, lower, upper outliers, lower, upper = detect_outliers_iqr(df, "pm25")

识别异常值后，标准操作是先用上下文判断。可以画一张时间序列图，看异常点是孤立突变还是持续一段时间的趋势。如果是孤立突变，且该字段不是目标变量，可以考虑删除；如果异常点是真实物理现象，应该在论文中说明，而不是机械删除。

5.4 特征工程

特征工程的战略意义，在于把原始数据转化为更容易被模型学习的结构。国赛中常用的特征工程手段有：

1. 时间字段拆解：把时间戳拆成年、月、日、星期、小时，让模型能感知周期性；
2. 类别编码：对监测站编号等类别特征做标签编码或One-Hot编码；
3. 滚动统计特征：对时序数据计算滚动均值、滚动标准差，捕捉短期变化趋势；
4. 交互特征：比如“温度×湿度”这种具有物理意义的组合特征。

def feature_engineering(df): """构造时间特征和滚动统计特征""" df = df.copy() if "time" in df.columns: df["time"] = pd.to_datetime(df["time"]) df["year"] = df["time"].dt.year df["month"] = df["time"].dt.month df["day"] = df["time"].dt.day df["weekday"] = df["time"].dt.weekday df["hour"] = df["time"].dt.hour if "pm25" in df.columns: df["pm25_roll_mean_3h"] = df["pm25"].rolling(3, min_periods=1).mean() df["pm25_roll_std_3h"] = df["pm25"].rolling(3, min_periods=1).std() return df df = feature_engineering(df)

特征工程需要克制，不是造得越多越好。每造一个特征，都要能说清楚它代表什么物理或业务含义，并且能在论文里解释。盲目堆几十个特征，很容易导致过拟合，最后论文里还写不明白。

6. 图表绘制模块：让图表直接提升论文专业度

图表绘制的目标是服务论文，不是展示图表技巧。每个图都应该有明确的表达意图。

6.1 图表选择对照表

6.2 高质量图表统一模板

很多队伍输在“默认样式”。这里提供一个统一模板，解决中文字体乱码、线条过粗、坐标轴过密、保存模糊四大问题。

# 文件路径：src/visualization.py import matplotlib.pyplot as plt import seaborn as sns import pandas as pd # 全局配置 plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei", "WenQuanYi Zen Hei"] plt.rcParams["axes.unicode_minus"] = False sns.set_theme(style="whitegrid", font_scale=1.1) plt.rcParams["figure.dpi"] = 150 plt.rcParams["savefig.dpi"] = 300 COMPETITION_COLORS = ["#4C72B0", "#DD8452", "#55A868", "#C44E52", "#8172B3"] sns.set_palette(COMPETITION_COLORS) def plot_time_series(df, x_col, y_cols, labels, title, save_path=None): """时间序列折线图模板""" fig, ax = plt.subplots(figsize=(10, 6)) for y_col, label in zip(y_cols, labels): ax.plot(df[x_col], df[y_col], label=label, linewidth=2) ax.set_xlabel("时间") ax.set_ylabel("数值") ax.set_title(title, fontsize=14) ax.legend(frameon=False) ax.grid(True, alpha=0.3) fig.autofmt_xdate() # 自动调整时间标签角度 if save_path: fig.savefig(save_path, bbox_inches="tight") plt.show() return fig def plot_correlation_heatmap(df, cols, title="相关性矩阵", save_path=None): """相关性热力图模板""" corr = df[cols].corr() fig, ax = plt.subplots(figsize=(9, 7)) sns.heatmap(corr, annot=True, cmap="RdBu_r", center=0, fmt=".2f", linewidths=0.5, ax=ax) ax.set_title(title, fontsize=14) if save_path: fig.savefig(save_path, bbox_inches="tight") plt.show() return fig

使用这两套模板时，只需传入DataFrame和列名即可。统一模板的价值在于：无论三个人谁画的图，最终输出风格完全一致。这在论文最后的图表整理阶段能省下大量时间。

6.3 多子图综合分析图

在多因素综合分析的章节里，一张多子图，比如2×2组合图，往往比单图更有说服力。它让评委在一页之内同时看到分布、趋势和关系。

def plot_multi_panel(df, save_path=None): """2x2多子图综合分析模板""" fig, axes = plt.subplots(2, 2, figsize=(13, 10)) # 左上：各星期目标变量分布 sns.boxplot(x="weekday", y="pm25", data=df, ax=axes[0][0]) axes[0][0].set_title("各星期PM2.5分布") # 右上：各月份均值柱状图 sns.barplot(x="month", y="pm25", data=df, errorbar=None, ax=axes[0][1]) axes[0][1].set_title("各月PM2.5均值") # 左下：温度与PM2.5散点关系 sns.scatterplot(x="tem", y="pm25", data=df, alpha=0.5, ax=axes[1][0]) axes[1][0].set_title("温度与PM2.5散点关系") # 右下：PM2.5直方图 sns.histplot(df["pm25"], bins=30, kde=True, ax=axes[1][1]) axes[1][1].set_title("PM2.5分布直方图") plt.tight_layout() if save_path: fig.savefig(save_path, dpi=300, bbox_inches="tight") plt.show() return fig

这张组合图，放在论文“数据探索与分析”章节，可以很好地替代多张散落的小图，为论文结构节省篇幅。

7. 主流程串联：一键跑通完整流水线

把三个模块用main.py串起来，是Skill的落地形态。它的核心价值在于：数据、图表、输出全部统一管理，任何一次完整运行只需要一条命令。

# 文件路径：main.py from src.data_processing import load_excel, handle_missing, feature_engineering from src.visualization import ( plot_time_series, plot_correlation_heatmap, plot_multi_panel, ) def main(): # 1. 问题分析结果记录 # 比赛时手动填写，作为后续执行的依据 problem_structure = { "主问题": "空气质量等级预测", "feature_cols": ["time", "tem", "humi", "pm25", "wind", "site_number"], "target_col": "aqi_class", } # 2. 导入数据 df = load_excel("data/raw/attachment1.xlsx") # 3. 数据清洗和特征工程 df = handle_missing( df, time_col="time", num_cols=["tem", "humi", "pm25", "wind"], cat_cols=["site_number"], ) df = feature_engineering(df) # 4. 保存处理后的数据 df.to_csv("data/processed/dataset_clean.csv", index=False, encoding="utf-8-sig") print("清洗后数据已保存: data/processed/dataset_clean.csv") # 5. 生成探索性图表 plot_time_series( df, x_col="time", y_cols=["pm25"], labels=["PM2.5实测"], title="PM2.5浓度时间趋势", save_path="output/figures/pm25_trend.png", ) plot_correlation_heatmap( df, cols=["pm25", "tem", "humi", "wind"], title="气象因素与PM2.5相关性", save_path="output/figures/corr_heatmap.png", ) plot_multi_panel( df, save_path="output/figures/multi_panel.png", ) print("流水线执行完成") if __name__ == "__main__": main()

运行命令：

python main.py

这套主流程尽量保持最小规模，目的是让队伍在比赛第一天就能把数据准备和探索性图表全部产出来。之后的建模和验证只需要在这个基础上新增模块，而不需要重写框架。

8. 运行结果与效果验证

执行上述代码后，预期会看到以下结果：

控制台输出数据信息：

数据维度: (8736, 8) 列名列表: ['time', 'tem', 'humi', 'pm25', 'wind', 'site_number', 'year', 'month', 'weekday'] 缺失值统计: time 0 tem 12 humi 34 pm25 8 wind 9 site_number 0 dtype: int64 清洗后数据已保存: data/processed/dataset_clean.csv 流水线执行完成

输出文件清单：

验证要点：

1. 清洗后的数据维度是否与原始数据一致？缺失值是否确实填充完毕？
2. 时间序列图上横轴是否连续，是否存在时间断层？
3. 热力图中是否出现预期的正负相关关系？如果某个相关性数值与业务常识矛盾，要回头检查数据处理逻辑。
4. 图片是否保存为300dpi，插入论文后是否仍然清晰？

如果运行失败，优先检查错误栈中的文件路径和列名。模板中的列名是示例，实际赛题数据字段名大概率不同，一定先做字段映射再运行代码。

9. 常见问题与排查思路

以下问题来自历年参赛队伍的高频反馈，建议直接收藏备用。

针对最容易翻车的中文乱码问题，给出一个彻底的解决方案。Windows下建议安装微软雅黑字体，并在代码开头设置：

plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"] plt.rcParams["axes.unicode_minus"] = False

Linux环境下可以安装思源黑体或文泉驿：

sudo apt update sudo apt install -y fonts-noto-cjk fc-cache -f

安装完成后，重启Python内核再执行绘图脚本，中文通常能正常显示。需要说明的是，字体配置对每个队伍可能略有差异，“最稳妥的做法是提前在训练题目阶段把字体配置验证好，不要在比赛当天临时调试”。

10. 最佳实践与工程建议

10.1 时间管理：三天赛程的模块化分配

基于前文的结构，推荐以下时间分配方案：

• 第一天上午：问题分析，完成题目拆解清单和变量表；
• 第一天下午到第二天上午：数据处理、特征工程、探索性图表；
• 第二天下午到第三天上午：建模、调参、模型验证图表；
• 第三天下午：论文整理、图表统一、查漏补缺。

这个方案的优点是把最耗时且容易出错的“数据阶段”前置。即使第二天建模遇到问题，也能因为数据流程规范而快速重跑实验，不需要推倒重来。

10.2 变量命名与字段统一

全队必须提前约定命名规则。我的建议是：

• 所有代码统一使用英文列名，全部小写，下划线分隔，不出现中文列名；
• 每个原始数据字段映射到统一英文名后，后续代码只要引用英文名；
• 数据处理脚本不允许直接修改原始Excel文件，所有输出写到data/processed/目录。

10.3 图表风格统一

最后的论文整理阶段，最让人崩溃的就是不同人画的图风格截然不同。解决办法是统一调用visualization.py中的公共函数，不轻易在论文中直接使用未经封装的绘图代码。配色、字号、分辨率都由公共函数控制，队伍成员只需要关心数据逻辑。

10.4 数据安全和备份

赛题数据虽然多数不涉及个人敏感信息，但仍然建议遵守“最小权限”原则：不要把原始数据上传到外部平台，不把比赛附件转发给无关人员，只提交论文要求的结果和代码。所有数据处理操作必须保留原始备份，任何流程都能追溯到上一步。

10.5 适度使用Skill，保留灵活空间

模块求解Skill提供的是流程和规范，不是“标准答案”。国赛题目千变万化，每年都可能出现完全创新型的背景和任务。如果队伍把Skill当成万能模板硬套，遇到新颖赛题时会非常被动。比较好的做法是：模拟训练阶段用Skill跑通真题，比赛期间以它为骨架，每个子问题结合赛题文本灵活调整。流程可以标准化，但思路必须保持开放。

11. 总结与备赛建议

回到开头那三个翻车场景：题目读错方向、数据清洗耗光时间、图表撑不起论文。这三件事，其实都不是技术难度的天花板，而是流程管理出了问题。模块求解Skill想解决的，就是让你在这些环节上不再内耗。

这篇文章给出了一个完整框架：问题分析阶段的“五问清单+变量表”帮助你锁定方向；数据处理阶段的“导入→缺失值→异常值→特征工程”四步流程，帮你把时间黑洞变成标准操作；图表绘制阶段的“统一模板+多子图组合”，帮你把论文配图拉到专业水平。最后，main.py把三个模块串成一条流水线，让你在比赛第一天就能完成数据准备和探索图表，为后续建模留出充足时间。

建议你把文章里的代码当成基础模板，在下一次模拟训练时替换成真实赛题数据完整走一遍。重点观察每个阶段消耗的时间，以及输出物是否满足论文写作需求。如果模拟阶段暴露了流程漏洞，比赛前还有机会修正。

这套Skill能帮你把“混乱赶工”变成“线性推进”，但最终比赛的胜负手，仍然是你对题目的理解深度、建模的原创性，以及团队协作的效率。流程扎实、图表专业、思路清晰，剩下的就大胆交给模型和论文吧。

2026国赛备赛期间，建议先把这篇文章收藏起来，赛前对照检查一编，比临时翻阅教程有用得多。