Python 对象拷贝的那点事？

最新推荐文章于 2024-10-30 13:16:11 发布
最新推荐文章于 2024-10-30 13:16:11 发布
阅读量245 收藏
点赞数
文章标签： python 开发语言
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/Python_222/article/details/131491410
版权

1.变量，引用和对象

变量无类型，它的作用仅仅在某个时候引用了特定的对象而已，具体在内存中就是一个指针，仅仅拥有指向对象的空间大小。

变量和对象的关系在于引用，变量引用对象后，也就对应了赋值的过程。

在 python 中一切皆为对象，具体在内存中表示一块内存空间，每一个对象都会具有 identity，type 和 value 这三个内容。

Identity, 一旦对象被创建后，Identity 的值便不会发生改变。在 Cpython 中，其值体现为内存中保存对象的地址。is 操作符，比较对象是否相等就是通过这个值。通过 id() 函数查看它的整数形式。

Type, 和 Identity 一样，在对象创建后，Type 也不会发生变化。它主要定义了一些可能支持的值和操作（如对列表来说，会有求长度的操作）。通过 type() 函数可以得到对象的类型。

Value，用于表示的某些对象的值。当对象在创建后值可以改变称为 mutable，否则的话被称为 immutable.

举个例子，比如在 C 中，int x = 4 在内存中，是先分配了一个 int 类型的内存空间，然后把 4 放进空间内。

而 Python 中，x = 4 正好相反，是为 4 分配了一块的内存空间，然后用 x 指向它。由于变量可以指向各种类型的对象，因此不需要像 C 一样声明变量。这也就是 Python 被称为动态类型的意义。

并且在 Python 中，变量可以删除，但对象是无法删除的。

2.immutable 和 mutable 对象

immutable 对象拥有一个固定的值，包括 numbers, strings, tuples. 一个新的值被保存时，一个新的对象就会被创建。这些对象在作为常量的 hash 值中有着非常重要的作用，如作为字典的 key 时。

mutable 对象可以改变自身的值，但 id() 并不会发生改变。

当一些对象包含对其他对象的一些引用时，我们称这些对象为 containers, 例如 list, tuple, dictionary 这些都是 containers. 这里需要注意的是，一个 immutable containers 可以包含对 mutable 对象的引用（如在 tuple 中包含一个 list）。 但这个对象仍然称为 immutable 对象，因为 Identity 是不变的。

3.hashable 对象

当一个对象在生命周期内（实现了__hash__()方法）hash 值不会发生改变，并可以与其他对象进行比较（实现了 __eq__() 方法），称之为hashable 对象。

在 Python 内置的 immutable 对象 大多数都是 hashable 对象。immutable containers（tuples, frozenset）在引用的对象都是 hashable 对象时，才是hashable 对象。mutable containers 容器都不是 hashable 对象。用户自定义的类都是 hashable 对象，

4.浅拷贝与深拷贝

在介绍对象的拷贝前，先介绍一下 Python 中的赋值操作，可以让我们更好的了解拷贝的过程。

赋值操作

赋值操作的右边是简单表达式:

def normal_operation():

    # immutable objects
    # int
    a = 10
    b = 10
    print('----- int')
    print("id of a:{} , id of b: {}".format(id(a), id(b)))
    # id of a:1777364320 , id of b: 1777364320
    print(a == b)  # True
    print(a is b)  # True
    # str
    str_a = '123'
    str_b = '123'
    print('----- str')
    print("id of a:{} , id of b: {}".format(id(str_a), id(str_b)))
    # id of a:1615046978224 , id of b: 1615046978224
    print(str_a == str_b)  # True
    print(str_a is str_b)  # True

    # tuple
    tuple_a = (1, 2, 3)
    tuple_b = (1, 2, 3)
    print('----- tuple')
    print("id of a:{} , id of b: {}".format(id(tuple_a), id(tuple_b)))
    # id of a:1615047009696 , id of b: 1615047024856
    print(tuple_a == tuple_b)  # True
    print(tuple_a is tuple_b)  # False

    # mutable
    # set
    set_a = {1, 2, 3}
    set_b = {1, 2, 3}
    print('----- set')
    print("id of a:{} , id of b: {}".format(id(set_a), id(set_b)))
    # id of a:1615045625000 , id of b: 1615047012872
    print(set_a == set_b)  # True
    print(set_a is set_b)  # False

    # list
    list_a = [1, 2, 3]
    list_b = [1, 2, 3]
    print('----- list')
    print("id of a:{} , id of b: {}".format(id(list_a), id(list_b)))
    # id of a:1615047017800 , id of b: 1615045537352
    print(list_a == list_b)  # True
    print(list_a is list_b)  # False

    # dict
    dict_a = {"name": "xxx", "age": "123"}
    dict_b = {"name": "xxx", "age": "123"}
    print('----- dict')
    print("id of a:{} , id of b: {}".format(id(dict_a), id(dict_b)))
    # id of a:1615045521696 , id of b: 1615045522128
    print(dict_a == dict_b)  # True
    print(dict_a is dict_b)  # False

在 Cpython 中，id() 反映了对象在内存中的地址。可以看到，对于 immutable 对象中的 number 和 string 来说，CPython 本身对其做了一定的优化，在创建相同的内容时，使其 指向了相同的内存地址，从而被复用。

但是，Python 不会对所有 mutable 对象执行此操作，因为实现此功能需要一定的运行时成本。对于在内存中的对象来说，必须首先在内存中搜索对象（搜索意味着时间）。对于 number 和 string 来说，搜索到它们很容易，所以才对其做了这样的优化。

对于其他类型的对象，虽然创建的内容相同，但都在内存中完全创建了一块新的区域。

赋值操作的右边是 Python 中已存在的变量:

def assignment_operation():
    # immutable objects
    # int
    a = 10
    b = a
    print('----- int')
    print("id of a:{} , id of b: {}".format(id(a), id(b)))
    # id of a:1777364320 , id of b: 1777364320
    print(a == b)  # True
    print(a is b)  # True
    # str
    str_a = '123'
    str_b = str_a
    print('----- str')
    print("id of a:{} , id of b: {}".format(id(str_a), id(str_b)))
    # id of a:2676110142128 , id of b: 2676110142128
    print(str_a == str_b)  # True
    print(str_a is str_b)  # True

    # tuple
    tuple_a = (1, 2, 3)
    tuple_b = tuple_a
    print('----- tuple')
    print("id of a:{} , id of b: {}".format(id(tuple_a), id(tuple_b)))
    # id of a:2676110191640 , id of b: 2676110191640
    print(tuple_a == tuple_b)  # True
    print(tuple_a is tuple_b)  # True

    # mutable
    # set
    set_a = {1, 2, 3}
    set_b = set_a
    print('----- set')
    print("id of a:{} , id of b: {}".format(id(set_a), id(set_b)))
    # id of a:2676108788904 , id of b: 2676108788904
    print(set_a == set_b)  # True
    print(set_a is set_b)  # True

    # list
    list_a = [1, 2, 3]
    list_b = list_a
    print('----- list')
    print("id of a:{} , id of b: {}".format(id(list_a), id(list_b)))
    # id of a:2676110181704 , id of b: 2676110181704
    print(list_a == list_b)  # True
    print(list_a is list_b)  # True

    # dict
    dict_a = {"name": "xxx", "age": "123"}
    dict_b = dict_a
    print('----- dict')
    print("id of a:{} , id of b: {}".format(id(dict_a), id(dict_b)))
    # id of a:2676079063328 , id of b: 2676079063328
    print(dict_a == dict_b)  # True
    print(dict_a is dict_b)  # True

而当赋值操作的右边是已经存在的 Python 对象时，不论是什么类型的对象，都没有在内存中创建新的内容，仅仅是声明了一个新的变量指向之前内存中已经创建的对象，就像提供了一个别名一样。

dict_a = {‘1’:1}
dict_b = dict_a
print(“id of a:{} , id of b: {}”.format(id(dict_a), id(dict_b)))
id of a:140355639151936 , id of b: 140355639151936

dict_b = {}
print(“id of a:{} , id of b: {}”.format(id(dict_a), id(dict_b)))
id of a:140355639151936 , id of b: 140355639922176

由于 dict_b = dict_a操作，让两个变量同时指向了同一块内存区域。自然 id 相等。
当对 dict_b 重新赋值时，仅让 b 指向了另外一块内存区域，并不会影响 a 的指向，由于两块内存区域不同，自然id 并不想等。
改变赋值后的对象

def assignment_operation_change():
    # immutable objects
    # int
    a = 10
    print("id of a:{}".format(id(a)))  
    # id of a:1994633728
    b = a 
    a = a + 10
    print('----- int')
    print("id of a:{} , id of b: {}".format(id(a), id(b)))
    # id of a:1994634048 , id of b: 1994633728
    print(a == b)  # False
    print(a is b)  # False

    # mutable objects
    # list
    list_a = [1, 2, 3]
    list_b = list_a
    list_a.append(4)
    print('----- list')
    print("id of a:{} , id of b: {}".format(id(list_a), id(list_b)))
    # id of a:2676110181704 , id of b: 2676110181704
    print(list_a == list_b)  # True
    print(list_a is list_b)  # True

当修改 imutable 对象时，由于其本身不可改变，只能在内存中新申请一块新的空间，用于存储修改后的内容。对应上面 a=20 的操作，这时再判断 a 和 b 时，由于指向了内存的不同位置，所以 a，b不在相等。a 原来指向的内存区域不会被回收，因为现在由 b 指向。可以看到 b 指向的内存地址和 a 之前的指向的内存地址是一致的。

当修改 mutable 对象时，由于都指向相同的内存地址，所以对变量 list_a 修改的操作，也会映射到变量 list_b。

总结一下：

  • 指向 imutable 的不同变量，当其中一个变量被修改时，其他变量不受影响，因为被修改后的变量会指向一个新创建的对象。

  • 指向 mutable 对象的不同变量，当其中一个变量修改这个对象时，会影响到指向这个对象的所有变量。

浅拷贝

浅拷贝创建了一个对象，这个对象包含了对被拷贝元素的参考。 所以当使用浅拷贝来复制 conainters 对象时，仅仅拷贝了那些嵌套元素的引用。

def shallow_copy():
    # immutable objects
    # int
    a = 10
    b = copy(a)
    print('----- int')
    print("id of a:{} , id of b: {}".format(id(a), id(b)))
    # id of a:1777364320 , id of b: 1777364320
    print(a == b)  # True
    print(a is b)  # True
    # str
    str_a = '123'
    str_b = copy(str_a)
    print('----- str')
    print("id of a:{} , id of b: {}".format(id(str_a), id(str_b)))
    # id of a:2676110142128 , id of b: 2676110142128
    print(str_a == str_b)  # True
    print(str_a is str_b)  # True

    # tuple
    tuple_a = (1, 2, 3)
    # Three methods of shallow copy
    # tuple_b = tuple_a[:]
    # tuple_b = tuple(tuple_a)
    tuple_b = copy(tuple_a)
    print(id(tuple_b))
    print('----- tuple')
    print("id of a:{} , id of b: {}".format(id(tuple_a), id(tuple_b)))
    # id of a:2676110191640 , id of b: 2676110191640
    print(tuple_a == tuple_b)  # True
    print(tuple_a is tuple_b)  # True

    # mutable
    # set
    set_a = {1, 2, 3}
    # Two methods of shallow copy
    # set_b = set(set_a)
    set_b = copy(set_a)
    print('----- set')
    print("id of a:{} , id of b: {}".format(id(set_a), id(set_b)))
    # id of a:2099885540520 , id of b: 2099888490984
    print(set_a == set_b)  # True
    print(set_a is set_b)  # False

    # list
    list_a = [1, 2, 3]
    # Three methods of shallow copy
    # list_b = list_a[:]
    # list_b = list(list_b)
    list_b = copy(list_a)
    print('----- list')
    print("id of a:{} , id of b: {}".format(id(list_a), id(list_b)))
    # id of a:2099888478280 , id of b: 2099888478472
    print(list_a == list_b)  # True
    print(list_a is list_b)  # False

    # dict
    dict_a = {"name": "xxx", "age": "123"}
    # Two methods of shallow copy
    # dict_b = dict(dict_a)
    dict_b = copy(dict_a)
    print('----- dict')
    print("id of a:{} , id of b: {}".format(id(dict_a), id(dict_b)))
    # id of a:2099855880480 , id of b: 2099886881024
    print(dict_a == dict_b)  # True
    print(dict_a is dict_b)  # False

这里有一点需要注意，对于 string 和 number 来说，正如上面提到的 Cpython 做了相应的优化，让不同的变量指向了相同的内存地址，进而 id 的值是相等的。

但对于元组这个 immutable 元素来说，执行 浅拷贝时，也不会创建一个内存区域，只是返回一个老元组的引用。

对于其他的 mutable 对象，在浅拷贝后都会创建一个新的内存区域，包含了被拷贝元素的引用。

浅拷贝正如它的名字那样，当拷贝嵌套的 mutable 元素时，就会出现问题：

def shallow_copy_change_value():
    # list
    # Python小白学习交流群：711312441
    list_a = [1, 2, 3, [4, 5, 6]]
    list_b = copy(list_a)
    list_a[0] = 10
    list_a[3].append(7)
    print('----- list')
    print("ia:{} ,b: {}".format(list_a, list_b))
    print("id of a:{} , id of b: {}".format(id(list_a), id(list_b)))
    # a:[10, 2, 3, [4, 5, 6, 7]] ,b: [1, 2, 3, [4, 5, 6, 7]]
    # id of a:1698595158472 , id of b: 1698595159752
    print(list_a == list_b)  # False
    print(list_a is list_b)  # False

下面是对上面 list 浅拷贝的图解：

执行浅拷贝操作：

在这里插入图片描述
在 list_b 执行浅拷贝后，创建一个新的对象，新对象中的 list_a[0] 指向 1.

修改 list_a 操作：
在这里插入图片描述
当执行 list_a[0] = 10 操作时，由于 list_a[0] 本身是 number 类型，会重新创建一块区域，用于保存新的值 10. 而新创建的 list_b[0] 并不会受到影响，还会指向之前的内存区域。

当修改list_a[3] 操作时，由于list_a[3] 在浅拷贝后，新创建的对象中不会 嵌套创建 一个新的 list_a[3] 对象，仅仅是指向了之前的 list_a[3] 对象。所以当修改 list_a[3] 时, list_b[3] 也会收到影响。

深拷贝

对于深拷贝操作来说，除了会创建一个新的对象外，会还递归的遍历老对象的中的嵌套元素，并形成新的副本。

def shallow_deepcopy_change_value():
    # list
    list_a = [1, 2, 3, [4, 5, 6]]
    list_b = deepcopy(list_a)
    list_a[0] = 10
    list_a[3].append(7)
    print('----- list')
    print("a:{} ,b: {}".format(list_a, list_b))
    print("id of a:{} , id of b: {}".format(id(list_a), id(list_b)))
    # id of a:2099888478280 , id of b: 2099888478472
    print(list_a == list_b)  # False
    print(list_a is list_b)  # False

下面是对应图解过程：

执行深拷贝操作：
在这里插入图片描述
修改 list_a 操作：
在这里插入图片描述
这里 list_a 和 list_b 已经是完全的不同的两个对象。

总结

在这篇文章中，主要介绍了 Python 中对象，以及对象的拷贝过程，主要有下面几个重要的内容：

  • Python 中变量没有类型，仅仅可看做一个指针，通过引用指向对象。变量可以删除，但对象不行。

  • Python 对象被创建后，会拥有 identity，type 和 value 三个属性。

  • immutable 和 mutable，主要在于 value 在其生命周期内是否能发生变化。

  • 修改 mutable 对象时，所有指向它的变量都会受到影响。修改 immutable 对象时，指向它的其他变量没有影响。

  • immutable 的大多数对象都是 hashable，但要考虑 immutable containers 的特殊情况。

  • 浅拷贝会创建一个新的内存区域（对象），但其内部是对原对象内部引用的拷贝，在使用 mutable 对象时，存在一定的风险。

  • 深拷贝不但会创建一个新的内存区域（对象），还会递归的创建原对象的所有嵌套对象，但也带来了一些效率的问题。

Python程序u猿
关注
python中如何拷贝一个对象_python题目-----Python里面如何拷贝一个对象？
weixin_39637661的博客
12-17 3714
在Python中,无论是对象赋值，作为为参数传递,作为函数返回值,都是引用传递的.如果需要拷贝对象，需要使用标准库中的copy模块(import copy)。1.浅拷贝 ：使用copy.copy,它可以进行对象的浅拷贝(shallow copy),它复制了对象,但对于对象中的元素,依然使用引用(换句话说修改拷贝对象元素，则被拷贝对象元素也被修改)2.深拷贝：使用copy.deepcopy，它可以...
python如何拷贝一个对象_python里面如何拷贝一个对象
weixin_39525617的博客
12-04 1261
Python中的对象之间赋值时是按引用传递的，如果需要拷贝对象，需要使用标准库中的copy模块1.copy.copy浅拷贝只拷贝父对象，不会拷贝对象的内部的子对象。2.copy.deepcopy深拷贝拷贝对象及其子对象一、http://blog.csdn.net/sharkw/article/details/1934090需求:你想复制一个对象.因为在Python中,无论你把对象做为参数...
【python】对象的拷贝:浅拷贝和深拷贝
MAOZI8的博客
05-29 909
浅拷贝只复制对象的顶层元素，如果对象中的元素是可变类型（如列表），则只复制这些子对象的引用地址，而不是引用的对象本身。浅拷贝中的元素,是原对象中子对象的引用,因此,如果原对象中的元素是可变的,改变其也会影响拷贝后的对象,存在一定的副作用。深度拷贝则会递归地拷贝原对象中的每一个子对象,生成一个全新的、完全独立的对象，因此拷贝后的对象和原对象互不相关。另外,深度拷贝中会维护一个字典,记录已经拷贝的对象及其ID,来提高效率并防止无限递归的发生。
Python 变量？对象？引用？赋值？一个例子解释清楚
s_alted的博客
01-24 1237
哈喽大家好，我是咸鱼。然后问我为什么结果是[1, [...]]，我一看这个问题有意思，我说三言两语解释不清楚，我写篇文章到时候你看下吧，于是有了今天这篇文章。在正式开始之前，让我们先弄清楚一些概念。
Python里面如何拷贝一个对象？（赋值，浅拷贝，深拷贝的区别）
Todd_168的博客
02-27 1348
本文主要来自：一文了解Python深拷贝与浅拷贝问题 拷贝的产生缘由： 在平时工作中，经常涉及到数据的传递，在数据传递使用过程中，可能会发生数据被修改的问题。为了防止数据被修改，就需要在传递一个副本，即使副本被修改，也不会影响原数据的使用。为了生成这个副本，就产生了拷贝。 背景知识： 在 Python 中，变量名就是地址的一种表示形式，并不开辟开辟存储空间。 可变对象：所谓可...
【Python基础】变量？对象？引用？赋值？一个例子解释清楚！
weixin_45866698的博客
09-24 1146
一个例子全搞懂
Python 深拷贝和浅拷贝详解
热门推荐
qq_40630902的博客
07-31 5万+
Python深拷贝和浅拷贝详解 浅拷贝，指的是重新分配一块内存，创建一个新的对象，但里面的元素是原对象中各个子对象的引用。 深拷贝，是指重新分配一块内存，创建一个新的对象，并且将原对象中的元素，以递归的方式，通过创建新的子对象拷贝到新对象中。因此，新对象和原对象没有任何关联。 1.浅拷贝 使用数据类型本身的构造器 对于可变的序列，还可以通过切片操作符 : 来完成浅拷贝 Python 还提供了对应的函数 copy.copy() 函数，适用于任何数据类型 1.1 使用数据类型本身的构造器 lis
Python中如何拷贝一个对象？（赋值、深拷贝、浅拷贝的区别）
一米阳光-的博客
11-19 3万+
一、赋值、引用 在python中赋值语句总是建立对象的引用值，而不是复制对象。因此，python变量更像是指针，而不是数据存储区域 这点和大多数语音类似吧，比如C++、Java等  1、先看个例子： 1 2 3 values=[0,1,2] values[1]=values print(values)    # [0, [....
python浅拷贝的父对象与子对象
BodyCsoulN的博客
09-06 1794
​dict_a = { "a": 1, "b": 2, "c":{3, 4} } dict_b = dict_a dict_c = dict_a.copy() 在上述代码中，修改dict_b会影响dict_a的值，修改dict_a也会影响dict_b的值。 对于dict_c，如果修改的是a或者b的值，不会影响dict_c，这里的a，b就是所谓的“父对象”，即第一层键值对；如果修改c的值，则会影响dict_c，因为这里的c属于子对象，也就是第二层的键值对。 ...
Python里面如何拷贝一个对象？
hdg_回忆
07-22 1041
第一种理解： 赋值： 创建了对象的一个新的引用，修改其中任意一个变量都会影响到 另一个 浅拷贝： 创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的 方式修改其中一个对象，另外一个也会修改改变）{1,完全切片方法；2，工厂函数，如 list()；3，copy模块的copy()函数} 深拷贝： 创建一个新的对象，并且递归的复...
Python 拷贝对象（深拷贝deepcopy与浅拷贝copy）
12-24
import copya = [1, 2, 3, 4, [‘a’, ‘b’]] #原始对象b = a #赋值，传对象的引用c = copy.copy(a) #对象拷贝，浅拷贝d = copy.deepcopy(a) #对象拷贝，深拷贝a.append(5) #修改对象aa[4]....
Python浅拷贝与深拷贝用法实例
12-25
本文实例讲述了Python浅拷贝与深拷贝用法。分享给大家供大家参考。具体分析如下： >>> person=['name',['savings',100]] >>> hubby=person[:] >>> wifey=list(person) >>> [id(x) for x in person,hubby,wifey] ...
Python对象的深拷贝和浅拷贝详解
01-20
本文内容是在《Python核心编程2》上看到的，感觉很有用便写出来，给大家参考参考！ 浅拷贝 首先我们使用两种方式来拷贝对象，一种是切片，另外一种是工厂方法。然后使用id函数来看看它们的标示符 复制代码 代码如下:...
Pyhon—openpyxl修改某个表头的样式&其余单元格加边框线
weixin_42636075的博客
10-27 839
Pyhon—openpyxl修改某个表头的样式&其余单元格加边框线
【python】极简教程14-文件
每日出拳老爷子的博客
10-28 227
可以使用相对路径或绝对路径来访问文件。模式可以将内容写入文件，如果文件不存在会自动创建。捕获文件读取或写入时可能出现的异常。循环逐行读取文件，或者使用。模块可以帮助处理文件路径。函数打开文件，并通过。
在Python中高效去除列表中的重复元素
windowshht的博客
10-28 174
去除列表中的重复元素是Python编程中一个非常常见的任务。根据需求的不同，我们可以选择不同的方法来实现这一功能。无论是使用集合、字典，还是手动实现，都可以达到去重的效果。在实际开发中，我们应该根据具体情况选择最合适的方法，以提高代码的可读性和性能。希望通过本文的介绍，能够帮助你更好地理解如何在Python中处理列表中的重复元素。如果你有其他的去重方法或技巧，欢迎在评论区分享！
Java基础04
m0_74977981的博客
10-28 772
【注：】移位运算符的右移操作要完成模32的运算（除非左操作数是long类型，在这种情况下，需要对右操作数模64），例如：1
Pycharm报错：Error:failed to find libmagic. Check your installation
caoyongsheng的博客
10-26 317
pip uninstall python-magic pip install python-magic-bin==0.4.14
196.245.124.255.236.194.0.0.0.0.0.0.0.0.9 用python截取最后一个点后面的数据
最新发布
qq_44534541的博客
10-30 96
这个方法从字符串的右边开始分割，并且可以指定分割的最大次数。在Python中，如果你想要截取字符串中最后一个点（，因为它是最后一个点后面的数据。这段代码会处理没有点的情况（）和点的后面不是数字的情况（）后面的数据，你可以使用。
Python深浅拷贝详解：变量、引用与对象
在Python编程中，理解深拷贝和浅拷贝的关键在于深入剖析变量、引用、对象以及它们之间的关系。Python是一种动态类型语言，其中一切皆对象，包括基本数据类型如整数、浮点数、字符串等，以及复杂的数据结构如列表和...
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