Python数据分析课--第四节 Matplotlib---折线图

最新推荐文章于 2024-07-27 12:20:46 发布
最新推荐文章于 2024-07-27 12:20:46 发布
阅读量748 收藏 5
点赞数
文章标签： 可视化 python
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。
本文链接：https://blog.csdn.net/MiStonebridge/article/details/109177154
版权

1 Matplotlib介绍与安装

Matplotlib介绍

什么是Matplotlib

Matplotlib是一个Python的基础绘图库，它可与 NumPy 一起使用，代替Matlab使用。

为什么要学习Matplotlib

  1. 将数据进行可视化，使数据更直观
  2. 使数据更加更具有说服力
    在这里插入图片描述

Matplotlib安装

由于Matplotlib是第三方库，所以我们需要安装它才可以使用。注意，Matplotlib3.0要求python3版本才可安装使用。
安装命令：pip install matplotlib
安装可参考官网：https://matplotlib.org/users/installing.html

2 Matplotlib绘图

图片与子图

Matplotlib所绘制的图位于图片(Figure)对象中。我们可以通过plt.figure生成一个新的图片：

from matplotlib import pyplot as plt
fig = plt.figure()
注意
• 在IPython中，执行该代码一个空白的绘图窗口就会出现，但在Jupyter中则没有任何显示
但是可以通过plt.subplot创建一个或多个子图。
如：带有四个子图的Matplotlib图片
在这里插入图片描述
subplot(nrows, ncols, index, **kwargs)

在这里插入图片描述
在这里插入图片描述

除此之外，Matplotlib包含一个便捷方法plt.subplots创建一个新的图片，然后返回包含了已生成子图对象的Numpy数组。
• plt.subplots(nrows, ncols, sharex, sharey)
• nrows子图的行数
• ncols子图的列数
• sharex 所有子图使用相同的x轴刻度
• sharey 所有子图使用相同的y轴刻度
那么实际上，当我们不需要使用子图时，可以通过plt对象直接绘制图形。
在这里插入图片描述
python中[-1]、[:-1]、[::-1]、[2::-1]的使用方法

https://blog.csdn.net/ITOMG/article/details/88683256
import numpy as np
a=[1,2,3.4,5]
print(a)
[ 1 2 3 4 5 ]

print(a[-1]) ###取最后一个元素
[5]

print(a[:-1]) ### 除了最后一个取全部
[ 1 2 3 4 ]

print(a[::-1]) ### 取从后向前（相反）的元素
[ 5 4 3 2 1 ]

print(a[2::-1]) ### 取从下标为2的元素翻转读取
[ 3 2 1 ]
在这里插入图片描述

Matplotlib绘制图形

matplotlib能够绘制折线图，散点图，条形图，直方图，饼图等等。
具体可参考：https://matplotlib.org/gallery/index.html

3 折线图

折线图介绍
折线图以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况
在这里插入图片描述

折线图绘制

折线图可以通过plot()函数来绘制
• plt.plot(x, y) # 使用默认的线样式及颜色绘制x,y构建的图形

实例

数据如下，绘制折线图形
• x = [1,2,3,4]
• y = [2,3,1,2]

import matplotlib.pyplot as plt

x = [1,2,3,4]
y = [2,3,1,2]

plt.plot(x,y)
plt.show()

又写了一个例子
在这里插入图片描述

练习

假设一天中每隔两个小时的气温分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]，绘制图形

# 练习 假设一天中每隔两个小时的气温分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]，绘制图形
'''
体现变化：折现
x:时间
y:温度

'''
from matplotlib import pyplot as plt
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 每隔两个小时 0 2 4 ...24 ,其中0和24重合
x = range(2,26,2)
list(x)
# print(list(x))
plt.plot(x,y,color="g",linestyle="--",marker="o")
plt.show()

在这里插入图片描述

图形组成

实际上，图形的组成除了x,y轴。还有很多组件。如下图
在这里插入图片描述
在这里插入图片描述

其中range(0,24,0.5)里的start stop step 不要用浮点数

设置刻度 以0,0.5,1,1.5,2…23.5显示，可以使用

[i/2 for i in range(0,48)] 这个叫列表推导式

from matplotlib import pyplot as plt
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 每隔两个小时 0 2 4 ...24 ,其中0和24重合
x = range(0,24,2)
list(x)
# print(list(x))

# 设置刻度 以0,0.5,1,1.5,2.....23.5显示
x_t = [i/2 for i in range(0,48)]
plt.xticks(x_t)

# 绘制图形
plt.plot(x,y,color="g",linestyle="--",linewidth=2,marker="o",markersize=12)
# 展示图形
plt.show()

在这里插入图片描述
需要放大画布而且旋转45度

from matplotlib import pyplot as plt
# 放大画布
plt.figure(figsize=(14,8))
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 每隔两个小时 0 2 4 ...24 ,其中0和24重合
x = range(0,24,2)
list(x)
# print(list(x))

# 设置刻度 以0,0.5,1,1.5,2.....23.5显示
x_t = [i/2 for i in range(0,48)]
plt.xticks(x_t,rotation=45)

# 绘制图形
plt.plot(x,y,color="g",linestyle="--",linewidth=2,marker="o",markersize=12)
# 展示图形
plt.show()

在这里插入图片描述

设置刻度 以0h,0.5h,1h,1.5h,2h…23.5h显示,带单位的

可以这样实现 ["{}h".format(i/2) for i in range(0,48)]

from matplotlib import pyplot as plt
# 放大画布
plt.figure(figsize=(14,8))
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 每隔两个小时 0 2 4 ...24 ,其中0和24重合
x = range(0,24,2)
list(x)
# print(list(x))

# 设置刻度 以0,0.5,1,1.5,2.....23.5显示
# ticks:刻度 是小格格
# labels:标签 
x_t = [i/2 for i in range(0,48)]
# 标签
x_l = ["{}h".format(i/2) for i in range(0,48)]
plt.xticks(x_t,x_l,rotation=45)  # x_t刻度，x_l标签

# 绘制图形
plt.plot(x,y,color="g",linestyle="--",linewidth=2,marker="o",markersize=12)
# 展示图形
plt.show()

在这里插入图片描述

设置y轴刻度，带图例，保存

from matplotlib import pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
# 放大画布
plt.figure(figsize=(14,8))
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 每隔两个小时 0 2 4 ...24 ,其中0和24重合
x = range(0,24,2)
# list(x)
# print(list(x))

# 设置x刻度 以0,0.5,1,1.5,2.....23.5显示
x_t = [i/2 for i in range(0,48)]
# 标签
x_l = ["{}h".format(i/2) for i in range(0,48)]
plt.xticks(x_t,x_l,rotation=45)  # x_t刻度，x_l标签

# 设置y刻度 最大值最小值为范围
y_t = range(min(y),max(y)+1)  # range 如果要取到最大值需要右边加1
plt.yticks(y_t)

# 绘制图形
plt.plot(x,y,color="g",label="Centigrade",linestyle="--",linewidth=2,marker="o",markersize=12)

# 添加x轴标签
plt.xlabel("time")
# 添加y轴标签
plt.ylabel("temperature")
# 添加图例
plt.legend(loc='upper left')

# 添加标题
plt.title("temperature-change")

# 添加网格 颜色 虚点线
plt.grid(color="coral",linestyle="-.")

# 保存 要在show之前保存， 否则空白图
# plt.savefig("mat.png")
plt.savefig("mat.jpg")

# 展示图形
plt.show()

在这里插入图片描述

图形组成

实际上，图形的组成除了x,y轴。还有很多组件。如下图
在这里插入图片描述
在这里插入图片描述

中文显示问题

当我们需要设置轴标签，标题等，通常会使用到中文。但是，matplotlib默认不显示中文，如图：

解决方法

方法一 文前面 加入

import matplotlib  # 全局的设置方式 这是设置matplotlib自带的字体 只能设置.ttf字体 不支持.ttc字体
font = {
    'family':'SimHei',
    'weight':'bold',
    'size':12
}
matplotlib.rc("font", **font)

方法二

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
plt.rcParams['axes.unicode_minus'] = False   # 步骤二（解决坐标轴负数的负号显示问题）

方法三

from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties 
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
x = [1,2,3,4]
y = [3,2,1,3]

plt.plot(x,y)
plt.xlabel("x轴标签",fontproperties=font)
plt.show()

全局设置是针对的所有字体，有缺点 ，局部可以有选择的

# 练习 假设一天中每隔两个小时的气温分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]，绘制图形
# 10点到12点每一分钟的气温变化

import random
from matplotlib import pyplot as plt

'''
方法一中文字体
'''
# import matplotlib  # 全局的设置方式 这是设置matplotlib自带的字体 只能设置.ttf字体 不支持.ttc字体
# font = {
#     'family':'SimHei',
#     'weight':'bold',
#     'size':12
# }
# matplotlib.rc("font", **font)

'''
方法二中文字体
'''
# import matplotlib.pyplot as plt
# plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
# plt.rcParams['axes.unicode_minus'] = False   # 步骤二（解决坐标轴负数的负号显示问题）

'''
方法三中文字体 局部的
相当于将字体注册到了matplotlib字体库中
让谁显示就给谁传参这里传给ticks
'''
from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"C:\Windows\Fonts\STXINGKA.TTF", size=14)



x = range(0,120)
# 怎么生成120个随机数
y = [random.randint(20,38) for i in range(120)]
# print(y)
plt.plot(x,y)


# 刻度0,10,20,30,40,50,60.。。。110
x_t = range(0,120,10)
# 显示x轴刻度为 十点0分 十点10分..十点50分 十一点0分...十一点50分
x_l = ["十点{}分".format(i) for i in range(0,60,10)]
x_l += ["十一点{}分".format(i) for i in range(0,60,10)]
# print(x_l)
plt.xticks(x_t,x_l,rotation=45,fontproperties=font)

# 添加x轴标签
plt.xlabel("time")
# 添加y轴标签
plt.ylabel("temperature")


plt.show()

在这里插入图片描述

总结

4 练习

假设大家在30岁的时候，根据自己的实际情况，统计出来了你和同桌从11岁到30岁每年交的男女朋友的数量如列表a和b,请绘制出该数据的折线图,以便分析自己和同桌每年交男女朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]
要求：
• y轴表示个数
• x轴表示岁数,比如11岁,12岁

from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"C:\Windows\Fonts\STXINGKA.TTF", size=14) # 找到自带的字体格式

x = range(0,20)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

plt.plot(x,y)

# 刻度
x_t = [i for i in range(0,20)] #刻度上的数值
x_l = ["{}岁".format(i) for i in range(11,31)]
plt.xticks(x_t,x_l,rotation=45,fontproperties=font)
plt.yticks(fontproperties=font)

# 字体设置 没用到
font1 = {'family':'Arial','weight':'normal','size':16}

# 标签
# 添加x轴标签
plt.xlabel("岁数",fontproperties=font)
# 添加y轴标签
plt.ylabel("交往个数",fontproperties=font)

plt.title("历年交往对象情况",fontproperties=font)

plt.show()

在这里插入图片描述

添加数据标签注释文本 annotate

# 假设大家在30岁的时候，根据自己的实际情况，统计出来了你和同桌从11岁到30岁每年交的男女朋友的数量如列表a和b,请绘制出该数据的折线图,以便分析自己和同桌每年交男女朋友的数量走势
# a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
# b = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]
# 要求：
# • y轴表示个数
# • x轴表示岁数,比如11岁,12岁

from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"C:\Windows\Fonts\STXINGKA.TTF", size=14) # 找到自带的字体格式

x = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
my_cls_y = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]

plt.plot(x,y,label="自己",marker="o",markersize=12)
plt.plot(x,my_cls_y,label="同桌",marker="*",markersize=12)

# 图例
plt.legend(loc='upper left',prop=font) # 只针对于 ；legend，局部指定字体 要用 prop=font

# 刻度
x_t = [i for i in x] #刻度上的数值   这个可以不用，用不到
x_l = ["{}岁".format(i) for i in x]
plt.xticks(x_t,x_l,rotation=45,fontproperties=font)  # x_t可以不用，直接用x就行
plt.yticks(fontproperties=font)

# 字体设置 没用到
font1 = {'family':'Arial','weight':'normal','size':16}


# 标签
# 添加x轴标签
plt.xlabel("岁数",fontproperties=font)
# 添加y轴标签
plt.ylabel("交往个数",fontproperties=font)
plt.title("历年交往对象情况",fontproperties=font)

# 添加数据标签注释文本 annotate
# for x_i,y_i in zip(x,y):  # 只是给我添加 了
#     plt.annotate(f"{y_i}", xy=(x_i,y_i), xytext=(x_i-0.2,y_i+0.2),color="blue")

# 要是给同桌添加又要复制一遍上面的代码，冗余

# 因此考虑函数封装 自动添加标签
def auto_label(x_po,y_po):  #  添加形参
    for x_i, y_i in zip(x_po,y_po):  # 传入x_po,y_po
        plt.annotate(f"{y_i}", xy=(x_i,y_i), xytext=(x_i-0.2,y_i+0.2),color="blue")

auto_label(x,y) # “自己”调用
auto_label(x,my_cls_y) # “同桌”调用

plt.show()

在这里插入图片描述

添加注释文本

plt.annotate() 基本使用
• text 是注释的文本
• xy 是需要注释的点的坐标
• xytext 是注释文本的坐标
• arrowprops 是箭头的样式属性

from matplotlib import pyplot as plt
import random
# li = [random.randint(10,30) for i in range(10)]
# print(li)
y = [26, 20, 20, 20, 14, 16, 18, 21, 22, 12]
x = range(10)

plt.plot(x,y)
# 添加注释文本
plt.annotate("26",xy=(0,26),xytext=(-0.5,24),arrowprops={"width":0.1})

plt.show()

在这里插入图片描述

实现将每个点加上数据标签

from matplotlib import pyplot as plt
import random
# li = [random.randint(10,30) for i in range(10)]
# print(li)
y = [26, 20, 20, 20, 14, 16, 18, 21, 22, 12]
x = range(10)

plt.plot(x,y,marker="+")
# 添加注释文本
# plt.annotate("26",xy=(0,26),xytext=(-0.5,24),arrowprops={"width":0.1})

# 实现将每个点加上数据标签
# 思路：什么在变，对应的参数--坐标在变化
# 坐标是什么，是由x,y组成的，，，将(0,26),(1,20)....组成一个元组
# zip(x,y)是一个打包的，要释放的话用 list(zip(x,y))
# print(list(zip(x,y)))

# 遍历元组里的
for x_i,y_i in zip(x,y):
    plt.annotate(f"{y_i}", xy=(x_i,y_i), xytext=(x_i-0.2,y_i-1))

plt.show()

在这里插入图片描述

MiStonebridge
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
matplotlib画折线与散点
weixin_46863042的博客
03-16 3192
matplotlib画折线与散点
python-数据分析（4-Matplotlib之配置）
zaibiketaide的专栏
08-27 342
Matplotlib之配置 4 Matplotlib配置 4.1 Axes容器 Axes介绍 Axes容器是用来创建具体的图形的。比如画曲线，柱状图，都是画在上面。所以之前我们学的使用plt.xx绘制各种图形（比如条形图，直方图，散点图等）都是对Axes的封装。 设置x和y轴的最大值与最小值 设置完刻度后，我们还可以设置x轴和y轴的最大值和最小值。可以通过set_xlim/set_ylim来实现： from matplotlib import pyplot as plt fig = plt.figure()
Matplotlib（3、直方图） - plt.hist()参数解释&应用实例
热门推荐
weixin_45520028的博客
02-21 11万+
matplotlib画直方图 - plt.hist() 一、plt.hist()参数详解 简介： plt.hist()：直方图，一种特殊的柱状图。 将统计值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 直方图也可以被归一化以显示“相对”频率。 然后，它显示了属于几个类别中的每个类别的占比，其高度总和等于1。 import matplotlib as mpl import matplotlib.pyplot as plt from matplotlib.pyplot import
[LeetCode] 739、每日温度
aift的专栏
12-24 608
题目描述根据每日 气温 列表，请重新生成一个列表，对应位置的输出是你需要再等待多久温度才会升高超过该日的天数。如果之后都不会升高，请在该位置用 0来代替。例如，给定一个列表 temperatures = [23, 24, 25, 21, 19, 22, 26, 23]，你的输出应该是 [1, 1, 4, 2, 1, 1, 0, 0]。 解题思路 想到过用“单调栈”去实现，但是在模拟过程中因为没有搞...
Python学习笔记——绘图设置（一）折线图
qq_52304378的博客
09-21 4128
Python学习笔记——绘图设置（一）折线图。
python折线图：y=2x+1，y=sinx
qq_41780297的博客
09-11 1720
【代码】python折线图：y=2x+1，y=sinx。
Python---数据分析---matplotlib绘制折线图
qq_43766304的博客
03-12 685
问题 假设在30岁的时候,根据自己的实际情况,统计出来了从11岁到30岁每年交的女(男)朋友的数量如列表a,请绘制出该数据的折线图,以便分析自己每年交女(男)朋友的数量走势 a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] 要求: y轴表示个数 x轴表示岁数,比如11岁,12岁等 #导入绘图包 from matplotlib import pyplot a...
Python数据分析与应用-课后实训数据.rar
05-12
5. **第7章**：可能涉及到数据可视化，使用Matplotlib和Seaborn库创建图表，如折线图、柱状图、散点图等，以直观展示数据分布和关系。 6. **第8章**：可能介绍数据合并与连接，如`merge()`和`concat()`函数，用于...
python与数据分析的课程报告-七月在线-Python数据分析升级版-课程总结.pdf
06-11
在Python数据分析的入门课程中，首先涉及的是Python的安装与配置，这是所有编程学习的起点。Python是一种高级编程语言，以其简洁明了的语法和丰富的库支持，成为数据科学领域的首选工具。课程介绍了如何下载Python...
Python数据分析与应用-源代码和实验数据.rar
05-11
本压缩包"Python数据分析与应用-源代码和实验数据.rar"包含了多个章节的源代码和实验数据，旨在帮助学习者深入理解和实践Python在数据分析领域的应用。 1. **Python基础**：在第2章中，你可能会学习到Python的基础...
matplotlib 曲线图 和 折线图 plt.plot()实例
12-20
我就废话不多说了，大家还是直接看代码吧！ 绘制曲线： import time import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 10, 1000) y = np.sin(x) plt.figure(figsize=(6,4)) plt.plot(x,y,color="red",linewidth=1 ) plt.xlabel("x") #xlabel、ylabel：分别设置X、Y轴的标题文字。 plt.ylabel("sin(x)") plt.title("正弦曲线图") # title：设置子图的标题
Python数据分析及可视化-121
08-04
Python数据分析及可视化是现代数据科学领域中的重要工具，尤其在信息技术和互联网行业中广泛应用于各种场景。本案例将通过一个综合实战项目，系统性地讲解如何从数据获取到数据分析的整个流程，具体步骤包括确定目标...
Python数据分析与机器学习前沿技术-高级培训班.rar
06-11
下午则是数据可视化Matplotlib的教程，Matplotlib是Python最常用的数据可视化库，能够创建各种图表，如折线图、散点图、直方图等，帮助我们更好地理解和展示数据。 第四天的课程深入到了深度学习领域。上午，学员们...
【Python数据分析】Matplotlib的初步认识
有学习问题可以加我qq群：785318982，群内有大佬免费答疑
12-09 5908
文章目录1.什么是Matplotlib2.常见图形种类及意义1.折线图2.散点图3.柱状图4.直方图5.饼图3.认识Matplotlib图像结构1.第一层2.第二层3.第三层4.折线图初体验1.设置标题2.中文显示3.自定义X轴刻度4.一图多线5.一图多个坐标系子图 1.什么是Matplotlib Matplotlib是一个Python 2D绘图库，它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。 Matplotlib试图让简单的事情变得更简单，让无法实现的事情变得可能实现。也是P
Python：如何使用matplotlib绘制折线图
qq_58754996的博客
11-05 2万+
前言： 我的python学习也告一段落了。不过有些，方法还是打算总结一下和大家分享。我整理了使用matplotlib绘制折线图的一般步骤，按照这个步骤走绘制折线图一般都没啥问题。其实用matplotlib库绘制折线图的过程，其实就是类似于数学上描点，连线绘制图形的过程。所有，这个过程就可以简单的规划为获取图像点信息，描点连线，设置图线格式这三个部分。 matplotlib库的安装以及程序引用的说明： 我使用的编程软件为pycharm，我就说一下pycharm安装matp...
数据分析之Matplotlib（二）折线图(plot)
提莫君的博客
03-07 5650
折线图绘制与保存图片 为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用 1 matplotlib.pyplot模块 matplotlib.pytplot包含了一系列类似于matlab的画图函数。 它的函数作用于当前图形(figure)的当前坐标系(axes)。 import matplotlib.pyplot as plt 2 折线图绘制与显示 展现上海一周的...
matplotlib在多个坐标系下绘制折线图像(模板)
l13kddd的博客
07-06 606
from matplotlib import pyplot as plt import random from pylab import mpl # 设置中文显示 mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] y_beijing = [random.u
Python数据分析(一)：Matplotlib使用
Amor_jie的博客
10-05 605
目录1. Matplotlib介绍与安装1.1 Matplotlib介绍1.2 Matplotlib安装2. Matplotlib绘图2.1 图片与子图2.2 折线图2.3 散点图2.4 条形图2.5 直方图2.6 扇形图 1. Matplotlib介绍与安装 1.1 Matplotlib介绍 介绍：Matplotlib是一个Python的基础绘图库，它可与Numpy一起使用，代替Matlab使用 1.2 Matplotlib安装 pip install matplotlib 2. Matplo.
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
最新发布
qq_64603703的博客
07-27 953
详细解说数据分析pandas库中的常用方法
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