认识 Blender 和启动画面

 Blender 是一款免费且开源的 3D 计算机图形软件工具集，能够在多种操作系统上运行，包括 Windows、MacOS、BSD、Haiku、IRIX 和 Linux。它被广泛应用于动画电影制作、视觉特效、艺术创作、3D 打印模型、运动图形、互动 3D 应用程序、虚拟现实等领域，甚至曾经用于视频游戏的开发。Blender 的多功能性使其在全球创意行业中占据了重要地位，尤其是在独立创作者和小型工作室中，成为了不可或缺的工具。

1、Blender 的起源与历史

Blender 的历史可以追溯到上世纪九十年代初。1994年，Blender首次作为荷兰动画工作室 NeoGeo 的内部工具被开发。Blender 的名字来源于瑞士电子乐队 Yello 的一首歌——这首歌出现在该工作室的宣传片中。Blender 的开发由 NeoGeo 的联合创始人 Ton Roosendaal 主导，他之前曾在 Commodore Amiga 平台上为 NeoGeo 开发了另一款名为 Traces 的软件，这一早期经验对 Blender 的设计产生了重要影响。

1998 年 1 月 1 日，Blender 被公开发布为 SGI 免费软件，这标志着它从一个私有工具变成了一个公开的项目。然而，NeoGeo 随后解散，Ton Roosendaal 继续推动 Blender 的开发，并于 1998 年 6 月成立了 Not a Number Technologies（NaN）公司，进一步推进 Blender 的发展。在 NaN 公司破产后，Blender 的开发一度停滞。

2、Blender 基金会与开源运动

2002 年 5 月，Ton Roosendaal 成立了 Blender 基金会，旨在通过社区的支持继续开发 Blender，并将其转变为开源软件。为了资助这一计划，Roosendaal 发起了“Free Blender”运动，目的是通过公众筹款筹集 10 万欧元（当时约 10 万美元）来解锁 Blender 的源代码。这一筹款运动非常成功，并在 2002 年 9 月 7 日宣布达成目标，Blender 随即成为完全开源的软件。

Blender 基金会的成立以及源代码的公开使得 Blender 进入了全新的发展阶段，社区和开发者们纷纷加入到这个项目中，共同推动软件的不断创新和完善。从那时起，Blender 就成为了全球创作者们的开源利器。Blender 的开发工作由全球的志愿者和基金会全职员工共同完成，基金会也为 Blender 提供了坚实的技术和财务支持。

3、Blender 的许可模式与持续改进

Blender 基金会最初曾考虑使用双重许可的方式，即同时提供 GPL 2.0 及 Blender License 许可。Blender License 并不要求公开源代码，但需要对基金会进行支付。然而，这一许可模式从未被实施，且在 2005 年被无限期暂停。Blender 至今仍然是完全开放的 GPL 2.0 许可证下的软件，尽管它的二进制版本在包含 Apache 库后遵循了 GPL 3.0 许可证。

2019 年，Blender 2.80 版本发布，带来了显著的变化，尤其是移除了内置的游戏引擎。Blender 开发者建议用户转向更为强大的开源游戏引擎，如 Godot，引领用户体验更高效的游戏开发流程。

4、Blender 的核心功能与应用

Blender 以其强大的功能和灵活性广受用户欢迎。它不仅是一个专业的 3D 建模工具，还可以用于动画制作、渲染、雕刻、视频编辑、合成、后期处理等领域，涵盖了整个数字创作的工作流程。以下是一些 Blender 的核心功能：

建模：Blender 提供了多种建模工具，包括传统的多边形建模、细分曲面建模、雕刻建模等，使用户能够创建高质量的 3D 模型。

动画：Blender 拥有强大的动画工具，支持关键帧动画、物理模拟、动作捕捉等，能够为静态模型赋予生命。

渲染：Blender 内置的渲染引擎有 Cycles 和 Eevee，前者是一个基于路径追踪的渲染引擎，能够生成高质量的图像；后者是一个实时渲染引擎，适合快速预览和低延迟渲染。

雕刻与纹理：Blender 提供了精细的雕刻工具，用户可以在 3D 模型上进行细节雕刻。此外，它还支持纹理绘制和 PBR（Physically Based Rendering）纹理系统。

视频编辑与合成：Blender 还集成了一个完整的视频编辑器和合成工具，适用于后期制作。用户可以将不同的素材组合、调色，并添加特效，甚至进行 3D 合成。

物理模拟与仿真：Blender 支持各种物理仿真，包括流体、烟雾、布料、粒子、刚体和软体等，帮助创作者模拟真实的自然现象。

5、Blender 的发展与未来

从一个小型动画工作室的内部工具到如今全球创意行业的核心工具，Blender 的发展历史可谓是充满了挑战与奇迹。随着开源社区的不断壮大，Blender 已经逐渐成为全球最受欢迎的 3D 绘图与动画软件之一。它的免费开源性质使得无论是学生、艺术家、独立创作者，还是大公司都可以受益于这款软件。

展望未来，Blender 仍然在不断更新和发展，加入新的功能，优化现有工具，并持续提升其用户体验。随着虚拟现实（VR）、增强现实（AR）以及游戏开发等领域的快速发展，Blender 很可能将在更多的新兴领域中发挥重要作用，成为推动数字创意的核心力量。

二、下载安装 Blender

macOS 系统系统下载 Blender 前的准备

Blender 同时支持 macOS 系统下的 Intel 和 Apple Silicon 架构（M1、M2 等芯片）。在下载之前，请确保选择与您 CPU 架构兼容的版本：Intel 芯片用户：选择适配 Intel 架构的版本。Apple Silicon 芯片用户：选择专为 Apple Silicon 优化的版本，以获得更高的性能。​​​​​​​

Blender 的 macOS 版本以磁盘镜像文件（即 dmg 文件）的形式分发。以下是安装步骤：挂载磁盘镜像文件 双击下载的 dmg 文件，系统会自动挂载并打开该磁盘镜像。拖动文件到应用程序文件夹 在弹出的磁盘窗口中，将 Blender.app 文件拖动到 "Applications"（应用程序）文件夹中。首次运行的安全提示 根据 macOS 的安全性和隐私设置，您在首次打开 Blender 时可能会收到系统提示，要求您确认是否允许打开该应用程序。只需按照提示选择“允许”即可。

如果您希望 Blender 的安装和配置完全自包含（例如无需修改系统配置），您可以设置一个便携式安装：在将 Blender.app 放入 "Applications" 文件夹后，可以在 Blender 的资源文件夹中自定义存储路径，以便其依赖文件不会散落在系统中。

在 macOS 上更新 Blender

macOS 用户有多种方法可以更新 Blender。以下是最常用的方法之一。1）使用 DMG 文件更新 Blender；2）下载更新版本 当 Blender 发布新版本时，您可以直接从官方网站下载最新的 dmg 文件。

三、认识 Blender 的启动画面

1. 新建文件

Blender 的启动界面提供多种新建项目模板，适合不同类型的创作需求：

• 常规：适合大多数 3D 模型制作和渲染场景的默认设置。
• 二维动画：专为 2D 动画设计的工作环境，集成了 Grease Pencil 工具。
• 雕刻：为雕刻艺术家量身打造的模板，提供优化的界面布局和工具。
• VFX：专注于视觉特效的工作环境，可快速进入特效合成任务。
• 视频编辑：为视频剪辑和后期制作准备的界面。

每种模板预设了不同的工作区布局，帮助用户快速进入特定类型的工作流程。

2. 打开文件

除了新建项目，启动界面还支持直接打开已有项目文件。点击“打开...”选项，您可以浏览本地文件，继续之前未完成的创作。

3. 恢复最近的一次会话

如果您上一次的工作因意外中断，Blender 允许您快速恢复之前的会话状态。这项功能极大地减少了因程序崩溃或意外关闭而导致的工作丢失。

～～～～～～

​​​

 市面上的 R 语言培训班和书籍（包括网络上的文章或视频），由于受限于培训时间或书籍篇幅，往往难以深入探讨 R 语言在数据科学或人工智能中的具体应用场景，内容泛泛而谈，最终无法真正解决实际工作中的问题。同时，它们也缺乏针对医药领域的深度结合与讨论。为了解决这些痛点，我们推出了《用 R 探索医药数据科学》专栏。该专栏将持续更新，不仅为您提供系统化的学习内容，更致力于成为您掌握最新、最全医药数据科学技术的得力助手。

•  每篇文章篇幅在5000字 至9000字之间。
• 内容涵盖试验统计、预测模型、科研绘图、数据库、机器学习等热点领域。

《用 R 探索医药数据科学》专栏目录（截止11月份23日）

第一章：认识数据科学和R

1章1节：医药数据科学的历程和发展，用R语言探索数据科学（更新20241029）-CSDN博客

1章2节：机器学习、统计学与ChatGPT的概述，与R语言的相关 (更新20241229)_ai、chatgpt和机器学习什么关系-CSDN博客

1章3节：R 语言的产生与发展轨迹（更新2024/08/14）-CSDN博客

1章4节：数据可视化， R 语言的静态绘图和 Shiny 的交互可视化演示（更新20240814）-CSDN博客

第二章：R的安装和数据读取

2章1节：R和RStudio的下载和安装（Windows 和 Mac）-CSDN博客

2章2节：RStudio 四大区应用全解，兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客

2章3节：RStudio的高效使用技巧，自定义RStudio环境（更新20241023）_rstudio如何使用-CSDN博客

2章4节：用RStudio做项目管理，静态图和动态图的演示，感受ggplot2的魅力-CSDN博客

2章5节：详解R的扩展包管理（从模糊安装到自动更新）及工作目录和工作空间的设置（更新20241030 ）-CSDN博客

2章6节：R的数据集读取和利用，如何高效地直接复制黏贴数据到R（20240807 ）_r语言 复制数据集-CSDN博客

2章7节：读写RDS，CSV，TXT，Excel，SPSS、SAS、Stata、Minitab等的数据文件（更新20240807）_r语言读取rds文件-CSDN博客

2章8节：一文学会 R Markdown 的文档核心操作，切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客

2章9节：在R中应用SQL语言（更新20241217）-CSDN博客

2章10节：R的网络爬虫技术快速入门（更新20241217）-CSDN博客

第三章：认识数据

3章1节：数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客

3章2节：继续讲R的数据结构，数组、数据框和列表-CSDN博客

3章3节：R的赋值操作与算术运算_r里面的赋值-CSDN博客

3章4节：R的逻辑运算和矩阵运算-CSDN博客

3章5节：R 语言的循环与遍历函数全解析-CSDN博客

第四章：数据的预处理

4章1节：全面了解 R 中的数据预处理，通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客

4章2节：从排序到分组和筛选，通过 R 的 dplyr 扩展包来操作-CSDN博客

4章3节：处理医学类原始数据的重要技巧，R语言中的宽长数据转换，tidyr包的使用指南-CSDN博客

4章4节：临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客

4章5节：数据科学中的缺失值的处理，删除和填补的选择，K最近邻填补法-CSDN博客

4章6节：R的多重填补法中随机回归填补法的应用，MICE包的实际应用和统计与可视化评估-CSDN博客

4章7节：用R做数据重塑，数据去重和数据的匹配-CSDN博客

4章8节：用R做数据重塑，行列命名和数据类型转换-CSDN博客

4章9节：用R做数据重塑，增加变量和赋值修改，和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客

4章10节：用R做数据重塑，变体函数应用详解和可视化的数据预处理介绍-CSDN博客

4章11节：用R做数据重塑，数据的特征缩放和特征可视化-CSDN博客

4章12节：R语言中字符串的处理，正则表达式的基础要点和特殊字符-CSDN博客

4章13节：R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客

4章14节：R语言中字符串的处理，提取替换，分割连接和填充插值_r语言替换字符串-CSDN博客

4章15节：字符串处理，提取匹配的相关操作扩展，和Stringr包不同函数的重点介绍和举例-CSDN博客

4章16节：R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客

第五章：定量数据的统计描述

5章1节：用R语言进行定量数据的统计描述，文末有众数的自定义函数-CSDN博客

5章2节：离散趋势的描述，文末1个简单函数同时搞定20个结果-CSDN博客

5章3节：在R语言中，从实际应用的角度认识假设检验-CSDN博客

5章4节：从R语言的角度认识正态分布与正态性检验-CSDN博客

5章5节：认识方差和方差齐性检验（三种方法全覆盖）-CSDN博客

5章6节：R语言中的t检验，独立样本的t检验-CSDN博客

5章7节：单样本t检验和配对t检验-CSDN博客

5章8节：方差分析（ANOVA）及其应用-CSDN博客

5章9节：组间差异的非参数检验，Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客

第六章：定性数据的统计描述 

6章1节：定性数据的统计描述之列联表，文末有优势比计算介绍-CSDN博客

6章2节：认识birthwt数据集，EpiDisplay和Gmodels扩展包的应用-CSDN博客

6章3节：独立性检验，卡方检验，费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客

6章4节：相关关系和连续型变量的Pearson相关分析-CSDN博客

6章5节：分类型变量的Spearman相关分析，偏相关分析和相关图分析-CSDN博客

6章6节：相关图的GGally扩展包，和制表的Tableone扩展包-CSDN博客

第七章：R的传统绘图

7章1节：认识R的传统绘图系统，深度解析plot()函数和par()函数的使用-CSDN博客

7章2节：R基础绘图之散点图、直方图和概率密度图-CSDN博客

7章3节：R基础绘图之条形图和堆积条形图-CSDN博客

7章4节：饼图，箱线图和克利夫兰点图-CSDN博客

7章5节：R基础绘图之Cleveland 点图，马赛克图和等高图（更新20250102）_散点矩阵图-CSDN博客

7章6节：用R进行图形的保存与导出，详细的高级图形输出，一文囊括大多数保存的各种问题，和如何批量保存不同情况的图形-CSDN博客

 

第八章：R的进阶绘图

8章1节：认识 ggplot2 扩展包，深度解析 qplot() 函数的使用-CSDN博客

8章2节：ggplot2绘图之原理逻辑分解，掌握绘图步骤（更新20241104）-CSDN博客

8章3节：ggplot2绘图之内置主题设置全解析（更新20241104）-CSDN博客

8章4节：ggplot2绘图之几何体解析（一），参考线和基准线与分布图和频数图（更新20241104）-CSDN博客

8章5节：ggplot2绘图之几何体解析（二），关系图和时间序列图与误差条和高级图形平滑曲线（更新20241104）-CSDN博客

8章6节：坐标轴须图和带状图（更新20241107）_维恩图 约翰·维恩-CSDN博客

8章7节：深度解析如何绘制多样的小提琴图（更新20241231）-CSDN博客

8章8节：雷达图和RadViz图-CSDN博客

8章9节：深度讲解词云图的绘制和改变相关的主题（更新20250106）_echarts 可以生成词云图吗-CSDN博客

8章10节：维恩图和UpSet图_ae做柱状图动态图-CSDN博客

8章11节：R的地理图绘制（更新20241104）-CSDN博客

8章12节：三维图，由三维散点图起步，引入回归模型平面，到复杂坐标和渐变色的三维曲面图（更新20241107）-CSDN博客

8章13节：网络图（知识图谱）绘制的深度解析（更新20241109）-CSDN博客

8章14节：高质量动态图和交互式动态图

8章15节：让 ggplot2 绘图进行顶级科研杂志的配色（更新20241118） 

8章16节：个性化配色的自定义颜色演示

8章17节：轻便科研绘图的tidyplots扩展包

第九章：临床试验的统计 

9章1节：初步认识临床试验（约7500字）-CSDN博客

9章2节：样本量估计的初步介绍-CSDN博客

9章3节：用R进行样本量估计的统计学参数-CSDN博客

9章4节：两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客

9章5节：两组的例数不等的均数比较的样本量估计和可视化-CSDN博客

9章6节：自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客

9章7节：与总体均数比较的样本量估计和可视化-CSDN博客

9章8节： 两、三组试验组率比较的样本量估算和可视化-CSDN博客

9章9节：试验的随机分组认识，用R做简单随机化-CSDN博客

9章10节：用R实现分层随机化-CSDN博客

9章11节：用R实现区组随机化和置换区组随机化-CSDN博客

9章12节：动态随机化方法介绍，和用R绘制随机化卡片-CSDN博客

第十章：Meta分析攻略

10章1节：认识循证医学中的Meta分析，并予代码演示分析绘图-CSDN博客

​​10章2节：Meta分析的7大步骤的扼要解读-CSDN博客

10章3节：二分类变量的Meta分析模型，分析公式构建和结果解读-CSDN博客

10章4节：二分类变量的Meta分析模型，绘制漏斗图和应用剪补法，最后绘制和解读轮廓增强漏斗图-CSDN博客

10章5节：二分类变量的Meta分析模型，敏感性分析和亚组分析，绘制森林图-CSDN博客

10章6节：连续型变量的Meta分析和可视化分析全解-CSDN博客

10章7节：用R进行单个率Meta分析-CSDN博客

10章8节：用R进行网状Meta分析细解-CSDN博客

第十一章：主成分分析

11章1节：深度讲解用R进行主成分分析（上）-CSDN博客

11章2节：​深度讲解用R进行主成分分析（中）-CSDN博客

11章3节：​深度讲解用R进行主成分分析（下）-CSDN博客

11章4节：学会用R进行因子分析（上）-CSDN博客  

11章5节：学会用R进行因子分析（中）-CSDN博客

11章6节：学会用R进行因子分析（下）-CSDN博客

第十二章：常见类型回归分析

12章1节：认识回归分析的历史背景及应用-CSDN博客

12章2节：构建一元和多元的线性回归模型-CSDN博客

12章3节：回归模型中哑变量的应用和设置-CSDN博客

12章4节：深度解读构建回归模型表达式的九个关键符号-CSDN博客

12章5节：深度剖析回归模型结果的相关函数-CSDN博客

12章6节：深度解读线性回归模型的绘图判断-CSDN博客

12章7节：构建因变量为分类变量的二分类Logistic回归模型-CSDN博客

12章8节：详解不同逻辑回归模型的比较，和如何进行变量优化-CSDN博客

12章9节：深度讲解有序多分类Logistic回归模型的分析-CSDN博客

12章10节：条件Logistic回归模型的分析-CSDN博客

第十三章：生存分析模型

13章1节：生存分析的基本概念和主要内容-CSDN博客

13章2节：用R进行生存率的描述与估计-CSDN博客

13章3节：生存分析的假设检验及可视化展示-CSDN博客

13章4节：认识比例风险模型和Cox比例风险模型，学会从协变量的调整选择最优模型-CSDN博客

13章5节：用逐步回归方法来选择模型协变量，比例风险假定的检验和森林图的绘制-CSDN博客

第十四章：匹配技术应用

14章1节：认识临床研究的匹配技术-CSDN博客

14章2节：匹配结果的可视化和匹配后新数据分析-CSDN博客

第十五章：判别和聚类分析

15章1节：医学研究中的判别分析和聚类分析-CSDN博客

15章2节：线性判别分析预测模型构建评估和可视化演示-CSDN博客

15章3节：二次判别分析技术的运用-CSDN博客

15章4节：K-Means聚类分析的运用，和改进算法的K-Means++-CSDN博客

15章5节：实现k-medoids聚类算法的PAM和CLARA方法-CSDN博客

15章6节：凝聚层次聚类和分裂层次聚类-CSDN博客

第十六章：机器学习入门 

16章1节：机器学习和人工智能的基础知识-CSDN博客

16章2节：机器学习在临床预测中的应用场景，与临床预测模型的关键步骤解析-CSDN博客

16章3节：详析训练数据集、测试数据集和验证数据集及其划分策略-CSDN博客

16章4节：采用随机抽样法和等比抽样法对数据集进行二份及三份的划分-CSDN博客

16章5节：划分数据的多次随机抽样的Bootstrap法和加权随机抽样法-CSDN博客

16章6节：交叉验证概述与分类，R中K折交叉验证的详细解析-CSDN博客

16章7节：机器学习算法解读，与数值预测回归模型构建-CSDN博客

16章8节：朴素贝叶斯分类预测模型，从构建、解析到实战-CSDN博客

16章9节：认识决策树，构建CART算法的决策树模型-CSDN博客

16章10节：深度解析如何构建随机森林算法预测模型-CSDN博客

16章11节：构建人工神经网络反向传播算法预测模型-CSDN博客

16章12节：认识机器学习的模型评估，掌握数值型数据的模型评估方法-CSDN博客

16章13节：分类模型的混淆矩阵评估-CSDN博客

16章14节：评估和对比预测模型的ROC曲线和AUC值-CSDN博客

16章15节：六大ROC曲线扩展包的对比，和其它评估曲线的绘制-CSDN博客

第十七章：文献计量学 

17章1节：文献计量分析基础-CSDN博客

17章2节：文献计量学的国外数据库的数据采集，WOS数据库和PUBMED数据库的文献信息批量下载和分析

17章3节：国际六大科研文献数据库的数据加载与格式转换解析

17章4节：文献计量学中数据合并、去重、切片与编辑 

17章5节：文献计量学的描述性分析

17章6节：文献计量学的可视化与引文信息分析

17章7节：作者主导性分析及H指数与其变体的应用 

17章8节：Lotka分析和知识单元时序分析

17章9节：局部被引次数分析与文献文本字段术语提取研究

17章10节：为构建网络图从文献数据中提取特定信息-CSDN博客

17章11节：文献计量分析合作情况可视化-CSDN博客

17章12节：耦合网络可视化，从常规网络图到耦合分析聚类图的深度讲解-CSDN博客

17章13节：共被引网络、历史共被引网络和共词网络的可视化-CSDN博客

​​17章14节：概念结构图，贡献度最高文献因子图和最被引用文献因子图-CSDN博客

 17章15节：文献计量学的语义地图和主题演化分析图-CSDN博客

17章16节：PubMed数据库的数据提取和可视化-CSDN博客

17章17节：文献计量中著作层面的情感分析-CSDN博客

第十八章：时间序列分析

18章1节：认识时间序列分析，创建和整理时间序列数据-CSDN博客

18章2节：深度讲解白噪音检验-CSDN博客

18章3节：认识ARIMA模型和模拟其数据，讲解平稳性检验-CSDN博客

18章4节：ACF和PACF的可视化，和识别最佳模型-CSDN博客

18章5节：如何应用SARIMA模型来进行时间序列数据的预测-CSDN博客

18章6节：Facebook 的时间序列预测的 Prophet 模型-CSDN博客

第十九章：NHANES数据库

19章1节：认识二次数据分析和NHANES数据库-CSDN博客

19章2节：下载NHANES数据并使用R进行读取-CSDN博客

19章3节：NHANES数据的下载读取、追加和合并-CSDN博客

19章4节：NHANES的抽样权重、方差估计和估计值评估-CSDN博客

19章5节：处理NHANES数据的options和svydesign函数-CSDN博客

19章5节：处理NHANES数据的options和svydesign函数-CSDN博客

19章6节：复现NHANES的美国成人抑郁症患病率研究（上）-CSDN博客

19章7节：复现NHANES的美国成人抑郁症患病率研究（中）-CSDN博客

19章8节：复现NHANES的美国成人抑郁症患病率研究（下）-CSDN博客

19章9节：一步一步构建高效读取NHANES数据的自定义函数-CSDN博客

19章10节：如何解决 NHANES 数据合并所遇原表差异问题-CSDN博客

 第二十章：gglot2扩张包

20章1节：模型系数图、相关矩阵图、双变量成对矩阵图-CSDN博客

20章2节：绘制网络对象图和叠加地图网络图-CSDN博客

20章3节：绘制平行坐标图和模型诊断图-CSDN博客

20章4节：绘制高级散点矩阵图和多样生存曲线图-CSDN博客

20章5节：绘制分面直方图，多元时间序列图和二元密度图-CSDN博客

20章6节：绘制切尔诺夫面图（疼痛评分的笑脸可视化）和时间序列数据的日历热图-CSDN博客

20章7节：绘制时间序列地平线图和时间序列流图-CSDN博客

20章8节：绘制瀑布图和镶嵌图-CSDN博客

20章9节：深度讲解树图的多样化绘制-CSDN博客

20章10节：绘制混合箱线图和弧形条形图-CSDN博客

​