《ActionScript 3.0基础教程》——2.2 显示队列概述

ActionScript3.0显示队列详解
本文介绍ActionScript3.0中的显示队列概念及其应用,通过创建和操作对象实例,展示如何利用显示队列实现对象的显示与隐藏,并调整其位置。

本节书摘来自异步社区《ActionScript 3.0基础教程》一书中的第2章,第2.2节,作者: 【美】Doug Winnie 更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.2 显示队列概述

在Flash中,有一些规则定义了元件是如何被显示在屏幕上的,所有可以显示的元件都来自一个特殊的地方,我们叫它“显示队列”。显示队列中列出了所有你可以添加或者删除的对象,因为你是用ActionScript来创建对象的,所以这些对象在你没有把它们加入显示队列前是不会显示出来的。

为什么需要显示队列呢?有时,你会需要创建对象并且还能对它进行修改,但是并不需要将对象显示出来给用户看见。这个对象也许是一个没有准备好使用的元件,或者是需要隐藏起来的东西,对象实际上是在那的,只是用户看不见而已。

在过去,Flash用户会通过设置.visible属性值为false来隐藏元件,或者也可以设置.alpha为0达到同样效果,但是如果你有非常多的元件,这会让程序运行速度变慢。

2.2.1 在舞台上创建新对象
现在你已经对显示队列有了一定的了解,让我们写点代码实践一下。从库中创建ActionScript对象对你来说应该已经不成问题了,因为你学习了类和显示队列。

在我们用代码创建圆圈以前,你需要把舞台上的东西都清除掉。

1.选中舞台上的圆圈,删除它。

2.在当前项目中创建一个新的时间轴层。

3.取名新的层叫scripts。

4.选中新层的空白第一帧。

5.打开动作面板。

6.在动作面板中,加入下面的代码:

var myCircle:BlueCircle = new BlueCircle();
addChild(myCircle);
trace(myCircle);

输入代码后,你的界面应该如图2.5所示。


ceda8fed95218b57f5892eb1e5382a9c5cfce839

7.运行程序。

你会发现蓝色圆圈被显示在了左上角(图2.6),这是因为圆圈对象在被创建的时候就有了初始坐标值0,0,也就是左上角。

让我们分析一下这几句代码,第一行:

var myCircle:BlueCircle = new BlueCircle();

可以这样理解,一个叫做myCircle的对象被创建,它被赋值成了BlueCircle类的一个实例,过程如图2.7所示。


ad69ef002888e7aaa5dd1a9121a8adbe8ac2d2b7


b425ea6e49e22d93783830362a24c12c222702a3

在这组插图中,第一组展示了你正在创建一个叫做myCircle的对象。在以后的章节里你会学到更多关于var语句的内容,现在只要记住你创建的新对象叫做myCircle。接下来注意你库中的BlueCircle“便利贴堆”,或者我们可以正式的叫它类。

第二组图片展示了你正在从便利贴堆中抽出一张,使用的是new语句,创建了BlueCircle类的实例。当实例刚被创建好时,它还没有名字。

第三组图片展示了还没有名字的BlueCircle实例被赋给了已经命名的myCircle对象。对对象进行操作一定要做这样的赋值,因为我们只能操作有名字的实例。

这个过程和直接把对象从库中拖拽到舞台上并给它取名是完全相同的效果。

看第二行代码:

addChild(myCircle);

这行代码表示将蓝色圆圈加入显示队列,它就能被用户看见了。addChild语句会将括号中的对象加入到显示队列中。

当Flash开始运行时,Flash会不断地检查显示队列,把其中的对象显示到屏幕上,蓝色圆圈已经在显示队列里,所以你能看见它。

看最后一行代码,它在显示面板中输出了一段奇怪的字符串:

trace(myCircle);

这一行代码是将整个对象输出到了显示面板。注意显示面板是这样显示的:

[object BlueCircle]

因为对象没有可显示的字符串,所以trace语句就自动往显示面板输出表明对象是BlueCircle的实例的字符串。

2.2.2 搅乱显示队列
现在你更新一下代码来进一步了解显示队列是如何工作的。

1.把代码改成这样:

var myCircle:BlueCircle = new BlueCircle();
// addChild(myCircle);
trace(myCircle);

当你在第二行代码前加上双斜杠时,你正在做的操作我们称之为“注释”。在下一节你会了解到更多关于注释的知识,现在先记住这两个斜杠让这段代码不在起作用,Flash运行时会忽略掉这一行。注意代码现在变成了灰色,这是注释的默认颜色(图2.8)。


949496b6b89f5bb245907654c282a573874c1147

myCircle对象因为缺少了addChild语句,没有被加入显示队列。

2.运行代码,你会看见一个空的页面。

检查显示面板,你会看见trace还是输出了同样的内容,这是因为对象是存在的,只是没有被放入显示队列中(图2.9)。


39fd8b8d8c959948644f2531e4aa87f12e7f3020

这是非常多新手都会犯的的错误,创建了新的实例对象,忘记把它加入显示队列,你会发现运行程序时没有任何错误,因为对象是存在的,但是你忘了告诉Flash要把它显示出来。

3.删除双斜杠,把addChild语句还原。

4.再次运行程序,你会重新在页面中看见圆圈。

2.2.3 改变动态创建的对象的属性
如果你想把对象放在你想要的位置,你可以在对象被创建后设置x,y属性的值。

1.更新代码,把赋值语句放在对象被new语句创建之后。

var myCircle:BlueCircle = new BlueCircle();
****myCircle.x = 150;****
**myCircle.y = 100;**
**addChild(myCircle);**
trace(myCircle);

2.运行代码,对象被显示在了150,100位置(图2.10)。


af9cfee5d1e44537660cac21852d9d663313c569
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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