一些兼容配置

（写作时的 LibGDX 版本为 1.9.10.1）

$ sudo ln -s /opt/android-sdk/build-tools/31/d8 /opt/android-sdk/build-tools/31/dx
$ sudo ln -s /opt/android-sdk/build-tools/31/lib/d8.jar /opt/android-sdk/build-tools/31/lib/dx.jar

compileOptions {
    sourceCompatibility JavaVersion.VERSION_1_8
    targetCompatibility JavaVersion.VERSION_1_8
}

视角操作

鼠标操作

• 那个 XYZ 的地方可以使用鼠标拖拽，也可以点击对应的轴

• 放大镜、手状图标可以拖拽放大缩小、平移视角

• 放映机图标是视角变为场景摄像头视角

• 那九个格子的图标是透视投影和垂直投影的切换

鼠标中键：

• 滚动 : 放大缩小

• 拖拽 : 旋转视角

• Shift+拖拽 : 平移视角

• Ctrl+拖拽 : 放大缩小

基本界面交互

• Ctrl+Space : 最大化当前鼠标所在面板，或是取消最大化（回到原来界面）

• 拖拽面板边框 : 看拖拽的方向可能是分一个新的面板出来，或是把一个面板删除掉

• 右键点击面板边框 : 菜单：分一个新的面板出来，或是把一个面板删除掉

• Ctrl+PageUp/PageDown : 切换预设面板布局（也在窗口最上方的一栏上有）

物体操作

选择：

• a : 全选

• Alt+a : 取消全选

• 默认左键拖拽矩形选框选择

• b : 矩形选框，左键拖拽选框选择，中键拖拽选框取消选择

• c : 刷子选择，左键拖拽，选中刷到的物体，同样中键会取消刷到的物体

• Shift+LeftClick : 选中没有选中的物体，取消选中选中的物体

• 左上角的 Select 选单

物体查看：

• 右上角 Wireframe 等

物体移动：（也可以在 t 工具栏里找）

• g : 平移，按 g 以后可以配合 x, y, z, Shift+x, Shift+y, Shift+z 快捷键限制平移方向

• r : 旋转

• s : 缩放

• Alt+g, Alt+r, Alt+s : 还原物体最初的对应设置

• 可以在 3D Viewport 的上方找到更改旋转、缩放中心点的选项，例如可以设置成 3D Cursor（图为默认的 Active Element 选项）

  

• 可以在 3D Viewport 的上方找到更改旋转、缩放坐标系的选项，例如可以设置成 Local，按物体本身的上下左右来移动；快捷键可以连按两次相应的轴，如 x x, y y, z z

• 3D Viewport 的上方还有 Snap 工具，可以用来对齐等等，快捷键是 Shift+Tab

• 在拖拽时按 Shift 可以减慢移动速度

添加物体：

• Shift+a : 添加物体

删除物体：

• Delete

• x

隐藏物体：

• Shift+h : Alt+h 取消

物体集合（Collection）：

• 右键菜单 -> Move to Collection -> New Collection -> 名字 -> Enter 两次

• Outliner 面板里快捷键 c 创建， x 删除

编辑物体

Shading

基本上就是各种连线。

• Shift+LeftClick : 选中多个

• f : 自动连接选中的两个节点

• Ctrl+x : 删除并自动重连

• Alt+LeftMouseDrag : 移走并自动重连

• Ctrl+LeftMouseDrag : 移除被鼠标切过的线

• u 或者上方 UV 选单 : 选择 unwrapping 算法

• Voronoi Texture 很漂亮

Render

• F12 : 渲染图片

• Ctrl+F12 : 渲染动画

• Ctrl+v : 渲染范围选框，使用 Ctrl+Alt+v 取消

• F11 : 显示图片渲染结果

• Ctrl+F11 : 显示动画渲染结果

• Cycles 引擎的取样少了的话，可以使用 Denoising 减少噪声

Rigging

• Ctrl+p : 设置 active 的物体为所有选中物体的 parent， Alt+p 取消

  当选中 armature/bone 的时候会有不同的选项

• 可以安装 Rigify 插件来自动生成一个人体骨架

Pose Mode 里：

• m : 移动选中部分 armature 到某一 layer

Animation

Timeline 面板

• i : 对选中的物体插入 keyframe，在弹出菜单里选择 keyframe 记录的数据

• v : 改变选中的 keyframe 点的插值方法

还有两个面板是 Dope Sheet 和 Graph Editor

• Ctrl+Shift+m : Graph Editor 里的曲线的 modifiers

Sculpt Mode

• f : 笔刷大小， Shift+f 笔刷强度

• x : draw

• c : clay : flattening

• l : layout

• i : inflate

• Shift+s : smooth

• p : pinch

• g : grab

• k : snake hook

• m : mask, Alt+m to remove, Ctrl+i to invert mask

• 可以从普通的大致模型增加面数后再开始 sculpt，可以在 Sculpt Mode 按 n 在 Tool -> Remesh 里找到相关工具；也可以使用 Dyntopo （在 Remesh 上方）

语句

一句一行，可以用 ; 在同一行中分隔多句。 # 后跟注释。

标识符

以字母开始，可以跟有 [A-Za-z0-9_.] 等。

数据

以向量为基础，如 1 会被理解成一维向量。

赋值语法

var1 = 1
var2 <- 2
3 -> var3

流程语法

• for loop:

  for (i in 1:100) {
    print(i)
  }
  

• if:

  if (cond1) {
    print('do something
  }
  

函数定义

全部是通过匿名函数定义的。

func = function(arg1, arg2) {
  return(returnedValue)
}

全局函数

• is.integer(x)

• is.numeric(x)

• as.integer(x)

• c(x, y) : concatenate 连接得到向量

• print(x)

• matrix(x [, nrow = 3 [, ncol = 3]] [, byrow = T])

• typeof(object)

• power.sum(x, power)

  这个似乎有点东西。取得是向量里面的每个数据的类型。

• class(object)

• sum(object)

• getwd() : get working directory

• setwd(str)

• read.csv(name)

• head(data)

• plot(x, y, type='o')

• install.packages('ggplot2')

• library(ggplot2)

• curve(x^2) : 是的，就是这个屁语法。

  正经一点的话比如 curve(func, fromX, toX, n = pointNumber, xlab = label, ylab = ylabel, main = graphName) ，里面的 func 需要是能够处理向量参数的函数，不能的话可以套一层 Vectorize （见下）。

• with(data, boxplot(col1)) : 再来一个屁语法。等效 boxplot(data$col1) 。

• Vectorize(func) : 不懂为什么这个函数就首字母大写了。接收一个只能处理单值的函数，返回对应的能够接收向量参数的函数。返回的函数会把原来的函数应用到向量的每一个分量上。

特定功能代码集合

? barplot

data = read.table("data.csv", header=TRUE, sep="\t", fileEncoding="UTF-8")

pdf(paste(col, ".hist.pdf", sep=""))
hist(data[[col]], main=col, xlab=col, ylab="Frequency")
dev.off()

barplot(height, width, main="title", xlab="...", ylab="...")

hist(data, breaks=width, probability=TRUE, col=rainbow(20))

boxplot(data, names=c("", ""))

plot(x, y)
plot(x, y, pch=16, col=ifelse(x==1, "RED", "BLUE")

curve(sin(x))
x = seq(0, 10, 0.01)
y = sin(x)
z = cos(x)
matplot(x, cbind(y, z), type="l")
func = function(x) {
    if(x <= 0.5) {
        return(0)
    } else {
        return(1)
    }
}
plot(Vectorize(func), 0, 1, n = 10001)

integration = integrate(vectorizedFunc, from, to, subdivistions = 100000)
print(integration$value)
print(integration$abs.error)

rnorm(10, mean=0, sd=1)
runif(10, min=5, max=10)

sample(1:10, size=5, replace=TRUE)
sample(c(TRUE, FALSE), size=10, prob=c(0.7, 0.3), replace=TRUE)