AS3独当一面：AIR演绎《Visualizing Data》[Preface]

最新推荐文章于 2026-03-30 04:17:21 发布
原创 最新推荐文章于 2026-03-30 04:17:21 发布 · 848 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#air #数据可视化 #processing #语言 #图形
#编程
本文探讨了数据可视化的意义及其实现方式，作者选择使用ActionScript 3.0替代Processing来实现《VisualizingData》一书中的案例，旨在提供一种更易上手且功能强大的编程环境。

相关链接：

MSN SkyDriver Books 《Visualizing Data》
GettingStarted：AS3独当一面：AIR演绎《Visualizing Data》

在这个到处都是信息的时代，我们无论主动被动都会时不时接收到若干的数据集合，如何理解这些数据往往依赖于接收者的知识技能背景，但是这个不是非 常 重要，因为好奇心总是会驱使着人们去尝试些有挑战性的工作。于是“数据可视化”正逐渐成了越来越多的人理解、交流获取到的数据集的一个必不可少的过程。

 

正是基于以上原因，我开始看《Visualizing Data》 这本书，尽管我的候选方向不包括“计算信息设计(Computational Information Design)”。如你所见，我的知识背景是程序设计，跟艺术没有关系，这便是我想澄清的一点，关于“数据可视化思维”。由于“数据可视化”多少涉及到一 些图形图像方面的知识，于是有人认为这应该由艺术系的人去搞，至少搞这个需要艺术细胞，他们可能还会再给出一些诸如“没有艺术细胞，即使会操作 PhotoShop也很难作出优秀的图”之类的理由。但我想说得是，这个完全是两个抽象层次的概念，互相促进又互相正交：“数据可视化”的核心是how“ 可视化”，而所谓需要艺术细胞的那些活则是“可视化”what，所以“数据可视化”一样需要计算机方面的知识，甚至可能还需要计算机图形学乃至数学知识， 是不还需要“计算机逻辑细胞”？！

 

罗嗦了一大堆，该回到主题上了。之所以会出现此文，是因为我感觉《Visualizing Data》还是有些让人不尽人意的地方。比如，作者使用的教学语言是他自己发明的processing ， 这一简单的编程环境和API，之所以不选通用语言如python，java等，我猜原因就是上面分析中涉及的，读者的知识背景比较多样，不一定都具有编程 基础。但是，不得不说……基于java的本地gui程序在我的linux系统上一直表现极差，比如本书相当于的“hello world”例子就总是让我死机，因此对java产生偏见了（要知道java也是我曾经最喜欢的语言之一），所以……我删了processing。转而选 了flash/air/actionscript3.0，这个号称在图形前端表现开发上处于领先地位的编程语言（当然这个是我的老本行，尽管以前很少使用 图形api）；另一方面，虽然本书对如何获取、理解数据都介绍的比较详尽，但是在how编程这点上让我云里雾里的，这个大概是因为processing本 身是带了源码的，看源码就能一目了然的缘故吧，总之没有考察这点。而且语言之间多少有点差异，况且flash的普及度更高一点，一方面自己按照要求全部实 现本身就是一个很好的学习过程，一方面刚好可以和大家分享。

 

所以本系列文章就按章节分享书中实例的AIR1.5/ActionScript3.0实现。当然，我并不想原封不动的翻译processing代 码，而且与“可视化”这个目的没有直接关系的部分也不予细究，比如如何生成随机数等。这里跟大家说声抱歉，毕竟这个学习过程在我的方向上只是一个支线。在 具体的文章里，与书中代码差异交大的部分我会特别说明的，而且我的as3代码可能没有注释，因为代码本身就很容易理解（不考虑我们所喜欢的代码风格差 异）。

下篇：AS3独当一面：AIR演绎《Visualizing Data》[GettingStarted]

wargrey
关注
FlashCharts-master_as3chart_cowboynrq_
09-28
as3 统计图 chart AS3 Based Chart system
AS3游戏中可视对象上限及位图相关的内存消耗实测
程序交流中心
06-29 1707
前些天连续做了一些测试，以加深对AS3的掌握和在项目中对游戏性能、效率优化方面的一些处理，有很多测试实际意义不大，都不过是证明一些猜想是正确的，除此没有什么。 但前天进行的一系列测试中，有一些对游戏开发中的内存占用，CPU占用方面有些意义，我打算逐渐写几篇讨论性的文章与大家共享。 由于最近在做的是2D的等距视角游戏，全部采用的位图处理，与3D无关，所以关注的也是这方面的问题，考虑问题的出发
用Python实践7种数据分析思维：从散点图到系统建模的完整指南
weixin_30733003的博客
03-30 498
本文详细介绍了如何用Python实践7种核心数据分析思维，从散点图可视化到系统建模的完整流程。通过Jupyter Notebook示例代码，涵盖Matplotlib数据可视化、Pandas数据聚合、Scikit-learn机器学习建模等关键技术，帮助数据从业者构建全面的数据分析能力体系。特别适合已掌握Python基础的分析师提升实战技能。
AS3 finger chart轻量级制图表,统计图,饼图,柱形图类（转） - ActionScript 3 - 9RIA论坛
一名普通码农的菜地
04-01 3633
Finger Chart （以下简称Finger）是一个轻量级的基于Flash技术开发的图表解决方案(未来考虑扩展到HTML5平台)，由RIAMeeting社区推出，并基于LGPL协议开源。图表包括常见图表类型，包含线图，柱图，条图，饼图，区域图，散点图，气泡图等； Finger的应用目标是：Web应用和移动应用，因此也可以看出图表命名的初衷，即保持轻量级和较小的资源占用，以在有限的硬件资源下获得
VizualPV3D-as3可视化3D编辑器
weixin_30660027的博客
11-20 259
　　VizualPV3D是一款提供了图形界面的可视化软件，通过使用Papervision3D在3D场景里创建和操作各种对象。VizualPV3D起初 由JUXT Sr.ActionScripter、Gary Stasiuk开发，用于创建Adobe Brilliant网站。在过去的几个月里，Gary自愿投入大量时间和热情把这个工具进一步升级，现在他决定跟这个世界分享这个应用。目前这个 alpha版本...
Visualizing Data
05-19
一本关于基于Processing这个软件的可视化数据的书 写的非常生动~
Visualizing Data-Ben Fry-可视化数据 英文高清版 pdf
05-20
Visualizing Data: Exploring and Explaining Data with the Processing Environment Paperback by Ben Fry 这是一本关于计算信息设计的书籍。从如何获取原始数据开始，到如何理解原始数据，本书都作了非常详尽的介绍。书中使用由作者开发的开源编程环境Processing编程，它非常简单易用。对于熟悉Java的程序员来说，本书后面的章节还介绍了如何将Processing和Java结合使用。 本书是写给那些拥有一个数据集合，好奇如何探索它，并且考虑如何交流这些数据的人们的。随着我们处理越来越多的信息，需要可视化数据的人的数量增长非常迅速。更重要的是，读者已经超越了某些可视化领域的专家。通过让更大范围的人接触到可视化思想，在接下来的几十年中应该可以看到一些真正让人惊叹的成果。 Ben Fry在麻省理工多媒体实验室Aesthetics + Computation Group获得了博士学位。他是卡内基•梅隆设计学院2006~2007年度Nierenberg Chair of Design的客座教授。他同Casey Reas共同开发了Processing，在2005年获得了Prix Ars Electronica的Gloden Nica奖项。Ben的作品获得了Rockefeller 基金会的New Media奖学金，并且展示在现代艺术博物馆，Ars Electronica，2002年的Whitney Biennial，以及2003年的Cooper Hewitt Design Triennial中。
YOLO算法工业车间机器人目标检测数据集-624张-标注类别为包装-仓储-分料盒-干躁-混料-混料机-基础-基础设备-捏合设备-皮带线-切割-切割设备-机器人-烧成-原料-中控.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练，包含YOLO格式标签和VOC格式标签； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
目标跟踪与多传感器融合技术探讨[代码]
06-27
本文主要探讨了目标跟踪、多传感器融合及非线性滤波等领域的算法与技术。博主擅长提供代码复现、技术支持及学术探讨，并欢迎通过私信或微信联系。在估计、滤波与融合方面，涵盖了多种线性与非线性滤波算法，如卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、中心差分滤波（CDKF）、强跟踪滤波（STF）、容积卡尔曼滤波（CKF）、求积卡尔曼滤波（QKF）、高斯近似滤波（GAF）、高斯混合滤波（GMF）及粒子滤波（PF）等。多传感器融合方面包括集中式、分布式、序贯及联邦卡尔曼滤波等方法。参数估计算法涉及最大似然（ML）、最小二乘（LS）、最大后验（MAP）及最小均方误差（MMSE）。目标跟踪方面，涵盖了基于不同滤波算法和运动模型（如CV、CA、CT、Singer、CS、Jerk等）的机动与非机动目标跟踪，以及基于不同传感器（如雷达、声纳、AOA、TOA、TDOA等）的跟踪方法。此外，还涉及IMM、广义伪贝叶斯等组合算法，以及二维组网雷达三维跟踪、抗野值跟踪、实时显示等具体问题。
MySQL远程连接错误解决[项目源码]
06-27
YOLO算法家庭厨房嵌入式烤箱目标检测数据集-1092张-标注类别为烤箱.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
YOLO算法室内居家环境跌倒目标检测数据集-364张-标注类别为跌倒-未跌倒.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
酒店管理系统（含部署教程）
最新发布
06-27
酒店管理系统（含部署教程）
Win10下MySQL root密码重置方法[可运行源码]
06-27
本文详细介绍了在Windows 10系统下，当MySQL的root用户密码忘记时的解决方案。首先，通过快捷键Win+R打开运行窗口，输入services.msc进入服务管理界面，找到MySQL服务并将其停止。接着，找到MySQL的安装目录，定位到配置文件（通常是my.ini或my-default.ini），记录其路径。然后，打开命令提示符窗口，执行命令：mysqld --defaults-file="配置文件路径" --console --skip-grant-tables，以跳过权限验证方式启动MySQL服务。之后，另开一个命令行窗口，输入mysql -u root -p直接进入MySQL命令行界面，无需密码。最后，在MySQL命令行中依次执行show database;、use mysql;、update user set password=password("新密码") where user="root";，即可成功更新root用户的密码，解决忘记密码的问题。
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例传感器控制继电器模块DXP资料
06-27
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例传感器控制继电器模块DXP资料
【风电功率预测】【多变量输入单步预测】基于CNN-BiGRU-Attention的风电功率预测研究（Matlab代码实现）
06-27
内容概要：本文研究了基于CNN-BiGRU-Attention混合神经网络模型的风电功率预测方法，旨在提升风力发电功率预测的准确性。该模型融合卷积神经网络（CNN）以提取输入变量中的局部时空特征，结合双向门控循环单元（BiGRU）充分捕捉时间序列前后向的长期依赖关系，并引入注意力机制（Attention）动态加权关键时间步的特征信息，增强模型对重要时刻的敏感度。研究采用多变量输入进行单步预测，综合纳入风速、风向、温度等多种气象因素作为模型输入，全面反映环境变量对风电输出的影响。通过Matlab平台完成模型构建、训练与仿真验证，实验结果表明该混合模型在预测精度与稳定性方面优于传统单一模型，有效提升了风电功率预测性能。; 适合人群：具备一定机器学习与深度学习理论基础，熟悉Matlab编程环境，从事新能源发电预测、电力系统调度、智能算法应用等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标：①应用于风电场实际运行中的短期功率预测，提高电网调度的安全性与可再生能源消纳效率；②为深度学习模型在复杂时序预测任务中的设计与优化提供实践范例，推动AI技术在能源系统智能化中的深度融合；③支持学术研究复现、课程项目设计与教学演示，帮助深入理解CNN、BiGRU与Attention机制的协同建模范式与实现细节。; 阅读建议：建议结合提供的Matlab代码进行动手实践，重点关注数据预处理流程、模型网络结构设计、超参数调优及训练收敛过程，鼓励尝试替换输入变量组合、调整网络层数或优化注意力结构，以进一步探究模型性能边界并提升预测鲁棒性。
基于Benders、TSO-DSO协调的不确定性的输配电网双层优化模型研究（Matlab代码实现）
06-27
内容概要：本文研究了基于Benders分解算法与输电网-配电网运营商（TSO-DSO）协调机制的双层优化模型，旨在有效应对新能源出力波动、负荷不确定性等对现代电力系统运行带来的挑战。模型上层由输电网运营商（TSO）负责全局资源优化与主网稳定性调控，下层由多个配电网运营商（DSO）实现本地分布式能源的灵活调度，通过Benders分解实现上下层之间的迭代协调与信息交互，从而在保障系统安全的前提下提升整体运行的经济性与鲁棒性。研究提供了完整的Matlab代码实现，涵盖数学建模、算法求解、收敛性分析及仿真结果可视化等环节，有助于深入理解双层优化架构在输配电网协同调度中的具体应用与技术细节。; 适合人群：具备电力系统分析、优化理论基础及一定Matlab编程能力的研究生、科研人员，以及从事电网调度、能源系统规划等相关领域的工程技术人员。; 使用场景及目标：①掌握Benders分解在电力系统双层优化问题中的建模与求解流程；②理解TSO-DSO协同机制下输配电网交互建模的核心思想与实现方法；③复现并拓展高水平学术论文中的优化模型，服务于科研项目攻关或实际工程仿真需求。; 阅读建议：建议结合凸优化理论、电力系统经济调度与Benders分解原理进行系统学习，优先运行并调试所提供的Matlab代码，调整关键参数以观察算法收敛行为与模型性能变化，从而深化对协调机制与优化机理的理解。
【使用TI TMS320C5416设计IIR带阻和陷波滤波器】通过双线性变换（BLT）和放置极点和零点来设计IIR滤波器（Matlab代码实现）
06-27
内容概要：本文详细介绍了基于TI TMS320C5416数字信号处理器设计IIR带阻和陷波滤波器的方法，重点采用双线性变换法（BLT）与极点-零点配置法进行滤波器设计，并通过Matlab实现滤波器的建模、仿真与性能分析。文章系统阐述了IIR滤波器的设计原理，涵盖频率响应特性、稳定性判断准则以及数字滤波器在实际DSP平台上的实现流程，强调从理论推导到代码实现再到硬件部署的完整技术链条，帮助读者掌握高性能滤波器在嵌入式环境中的工程化应用。; 适合人群：具备数字信号处理基础理论知识和Matlab编程能力，从事通信系统、音频处理、生物医学信号处理或嵌入式系统开发的研究生、工程师及科研人员。; 使用场景及目标：①深入理解IIR带阻与陷波滤波器的设计流程及其在噪声抑制、干扰消除中的应用场景；②掌握双线性变换法在避免频率混叠方面的优势与实现细节；③实现从Matlab算法仿真到TMS320C5416 DSP平台的代码移植、调试与实时验证； 阅读建议：建议结合Matlab仿真工具与DSP开发环境同步实践，重点关注极点与零点分布对滤波器幅频特性和相位特性的影响，并通过调整参数优化通带波动、阻带衰减等关键性能指标。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值