【Numpy学习13】排序，搜索和计数

最新推荐文章于 2024-06-14 08:45:32 发布
最新推荐文章于 2024-06-14 08:45:32 发布
阅读量703 收藏 3
点赞数 1
分类专栏： # Numpy入门 Numpy 文章标签： python numpy 机器学习 数据分析 datawhale
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/Xiao_Spring/article/details/109402579
版权

1.排序

NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较：

种类速度最坏情况工作空间稳定性
‘quicksort’（快速排序）1O(n^2)0否
‘mergesort’（归并排序）2O(n*log(n))~n/2是
‘heapsort’（堆排序）3O(n*log(n))0否

1）numpy.sort()

在这里插入图片描述
参数说明：

  • a: 要排序的数组
  • axis: 沿着它排序数组的轴，如果是axis = None数组会被展开，沿着最后的轴排序， 默认axis = -1
  • kind: 默认为’quicksort’（快速排序）
  • order: 如果数组包含字段，则是要排序的字段

举例说明：

【例1-1】sort()方法举例

>>> x = np.random.randint(1,20,[5,5])
>>> print(x)
[[13 11 19 17  7]
 [10  3 17  2  4]
 [12  3 11  4  9]
 [12 10  5  2  3]
 [12 16  3 17  9]]
>>> print(np.sort(x))
[[ 7 11 13 17 19]
 [ 2  3  4 10 17]
 [ 3  4  9 11 12]
 [ 2  3  5 10 12]
 [ 3  9 12 16 17]]
>>> print(np.sort(x,axis=None))
[ 2  2  3  3  3  3  4  4  5  7  9  9 10 10 11 11 12 12 12 13 16 17 17 17
 19]
>>> print(np.sort(x,axis=0))
[[10  3  3  2  3]
 [12  3  5  2  4]
 [12 10 11  4  7]
 [12 11 17 17  9]
 [13 16 19 17  9]]
>>> print(np.sort(x,axis=1))
[[ 7 11 13 17 19]
 [ 2  3  4 10 17]
 [ 3  4  9 11 12]
 [ 2  3  5 10 12]
 [ 3  9 12 16 17]]

#探究order参数的作用
>>> dt = np.dtype([('name',  'S10'),('age',  int)]) 
>>> a = np.array([("ZhangSan",27),("LiSi",29),("WangWu",20),  >>> ("ZhaoLiu",18)], dtype = dt)
>>> print(a)
[(b'ZhangSan', 27) (b'LiSi', 29) (b'WangWu', 20) (b'ZhaoLiu', 18)]
>>> print(np.sort(a,order='age'))
[(b'ZhaoLiu', 18) (b'WangWu', 20) (b'ZhangSan', 27) (b'LiSi', 29)]

axis = 0的含义是沿着行去排序，最终的效果是将每列排序；axis = 0恰恰相反。根据打印结果，我们可以清楚地验证默认axis = -1。

在【例1-1】第二个例子中，我们可以看到order的使用方法，即按指定的属性（年龄）进行排序。

如果排序后，想用元素的索引位置替代排序后的实际结果，该怎么办呢？

2）numpy.argsort()

在这里插入图片描述
仔细观察，我们可以看到argsort()和sort()的参数基本上是一致，唯一的区别是argsort()返回的是排序后的元素在原数组的index数组，具体让我们来举例说明：

【例1-2】argsort()方法举例

>>> x = np.random.randint(1,20,[5,5])
>>> print(x)
[[11  4 13 19 10]
 [16  7 14 19 12]
 [11  4 17  4 15]
 [15  3 14  8  9]
 [ 8  6  6  7 11]]
>>> print(np.argsort(x))
[[1 4 0 2 3]
 [1 4 2 0 3]
 [1 3 0 4 2]
 [1 3 4 2 0]
 [1 2 3 0 4]]
>>> print(np.argsort(x,axis=None))
[16  1 13 11 22 21  6 23 20 18 19  4  0 24 10  9  2 17  7 14 15  5 12  8
  3]
>>> print(np.argsort(x,axis=0))
[[4 3 4 2 3]
 [0 0 0 4 0]
 [2 2 1 3 4]
 [3 4 3 0 1]
 [1 1 2 1 2]]
>>> print(np.argsort(x,axis=1))
[[1 4 0 2 3]
 [1 4 2 0 3]
 [1 3 0 4 2]
 [1 3 4 2 0]
 [1 2 3 0 4]]
#根据argsort()结果对x进行排序
>>> print(np.sort(x))
[[ 4 10 11 13 19]
 [ 7 12 14 16 19]
 [ 4  4 11 15 17]
 [ 3  8  9 14 15]
 [ 6  6  7  8 11]]
>>> y = np.array([np.take(x[i], np.argsort(x[i])) for i in range(5)])  
>>> print(y)
[[ 4 10 11 13 19]
 [ 7 12 14 16 19]
 [ 4  4 11 15 17]
 [ 3  8  9 14 15]
 [ 6  6  7  8 11]]

我们可以看到它的用法和sort()方法是类似的，只不过返回的数组有区别，以[11 4 13 19 10]为例，它的排序结果是[ 4 10 11 13 19]，其中结果数组每个元素在原数组的索引数组为：[ 1 4 0 2 3]，即为argsort()返回的结果。

另外，不可以使用x[np.argsort(x)]返回排序后的数组，其返回值是5个乱序的x数组。

3）numpy.lexsort()

在这里插入图片描述
numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列。

这里举一个应用场景：小升初考试，重点班录取学生按照总成绩录取。在总成绩相同时，数学成绩高的优先录取，在总成绩和数学成绩都相同时，按照英语成绩录取……
这里，总成绩排在电子表格的最后一列，数学成绩在倒数第二列，英语成绩在倒数第三列。

注意，numpy.lexsort()返回的是索引数组，即和numpy.argsort()类似，是是排序后的元素在原数组的index数组。

【例1-3】lexsort()方法举例

#1.探究要排序的输入结构
>>> x = np.random.randint(1,20,[5,5])
>>> print(x)
[[ 6  3  2 17 14]
 [17  5 12  2 10]
 [10  3 13 17 12]
 [15 19  1  6  7]
 [12  6  3  1 19]]
>>> y = [x[:,0]]
>>> print(y,y[0])
[array([ 6, 17, 10, 15, 12])] [ 6 17 10 15 12]
>>> print(np.lexsort(y))
[0 2 4 3 1]

#2.lexsort()方法真正的用途
>>> x = np.array([1, 5, 1, 4, 3, 4, 4])
>>> y = np.array([9, 4, 0, 4, 0, 2, 1])
>>> print(np.lexsort([y,x]))
[2 0 4 6 5 3 1]
>>> print(np.lexsort([x,y]))
[2 4 6 5 3 1 0]

先来说明例子中的1.，我们可以看到要输入进np.lexsort()方法的数组必须外层有一层包裹，究其原因是因为np.lexsort()要解决的是对n个序列的排序，而n = 1只是一种特殊的情况，所以外面需要要加一层结构。

再来说例子中的2.，以np.lexsort([y,x])为例：最小值为1，有2个，那么我们怎么判断先放哪个1，这时候就要根据这两个1的索引在y找到同一位置，判断在y的大小：index=0的位置上是9，大于index=2的位置上的0，所以第二个1放在前面。对于后面的4也是一样的方式，4的索引位置有三个，分别是3、5、6，对于在y的值为4，2，1，所以4在x的排放顺序为6、5、3，综上得出结果：[2 0 4 6 5 3 1]。

4）numpy.partition()

在这里插入图片描述
numpy.partition()的功能是，指定一个数，对数组进行分区：

首先进行一次从小到大的排序，以索引是 kth 的元素为基准，并将其固定到索引为k的位置，由此将元素分成两部分，即大于该元素的放在其后面，小于该元素的放在其前面，这里并不保证这两部分各自有序：

【例1-4】partition()方法举例

>>> x = np.random.randint(1,20,[6,4])
>>> print(x)
[[17  4  3 12]
 [12  4 19 11]
 [ 3  1 11 19]
 [18  3  4  2]
 [ 2  5  5 17]
 [ 7  2 10  1]]
>>> print(np.sort(x,axis=0))
[[ 2  1  3  1]
 [ 3  2  4  2]
 [ 7  3  5 11]
 [12  4 10 12]
 [17  4 11 17]
 [18  5 19 19]]
>>> print(np.partition(x, kth=2, axis=0))
[[ 2  1  3  1]
 [ 3  2  4  2]
 [ 7  3  5 11]
 [18  4 19 19]
 [17  5 11 17]
 [12  4 10 12]]
>>> print(np.partition(x, kth=-2, axis=0))
[[ 2  1  4  2]
 [ 3  2  3  1]
 [ 7  3  5 11]
 [12  4 10 12]
 [17  4 11 17]
 [18  5 19 19]]

注，这里的kth参数与a[kth]是等价的，就是索引的意思。

以kth=-2为例，由于axis=0，所以先按列从小到大排序，然后找到每列倒数第二小即第二大的数，即[17 4 11 17]，然后将其固定在倒数第二行，并以此分块，小于他们的放在上面，大于或等于他们的放在下面。

注，其索引为kth的部分与np.sort()结果中索引为kth的部分保持一致，而分出的另外两部分不保持严格有序，如：

在这里插入图片描述
第三行为基准行，下面那块数据是无序的。

5）numpy.argpartition()

在这里插入图片描述
我们查看官方文档后，可以看到numpy.argpartition()与numpy.partition()在返回数组这块区别较大，后者返回排序结果，而前者返回索引数组，它们之间的关系类似于numpy.sort()和numpy.argsort()的关系：

【例1-5】argpartition()方法举例

>>> x = np.random.randint(1,20,[6,4])
>>> print(x)
[[ 8 11 15 10]
 [ 3  5  3 13]
 [11 13 10  8]
 [ 6  4  3  3]
 [13  8 14 11]
 [12 18 17  5]]
>>> print(np.argsort(x,axis=0))
[[1 3 1 3]
 [3 1 3 5]
 [0 4 2 2]
 [2 0 4 0]
 [5 2 0 4]
 [4 5 5 1]]
>>> print(np.argpartition(x, kth=2, axis=0))
[[1 3 1 3]
 [3 1 3 5]
 [0 4 2 2]
 [2 0 0 0]
 [4 2 4 4]
 [5 5 5 1]]

在这里，我们依然可以借鉴np.argsort()的结果，将其与np.argpartition()的结果进行对照，发现其第3行（索引为2）的数据仍保持一致。

2.搜索

1）numpy.argmax()、numpy.argmin()

由于argmax()和argmin()使用方法类似，所以这里以前者为重点进行介绍：
在这里插入图片描述
它返回的是根据axis=n为参考，沿着第n维度的最大值的索引，如果不设置axis，那么原数组会被平铺：

【例2-1】argmax()方法举例

>>> x = np.random.randint(1,10,[4,2])
>>> print(x,np.ravel(x))
[[4 8]
 [6 3]
 [7 4]
 [8 9]] [4 8 6 3 7 4 8 9]
>>> print(np.argmax(x))
7
>>> print(np.argmax(x,axis=0))
[3 3]
>>> print(np.argmax(x,axis=1))
[1 0 0 1]

再来测验一下，如果有超过1个最大值，返回哪个索引：

>>> x[1][0] = 8
>>> print(x)
[[4 8]
 [8 3]
 [7 4]
 [8 9]]
>>> print(np.argmax(x,axis=0))
[1 3]

我们可以发现是返回第一个出现的最大值。

2）numppy.nonzero()

numpy.nonzero() 函数返回输入数组中非零元素的索引：

在这里插入图片描述

【例2-2】nonzero()方法举例

#一维
>>> a = np.random.randint(0,2,3)
>>> print(a)
[1 1 0]
>>> print(np.nonzero(a))
(array([0, 1]),)

#二维
>>> a = np.random.randint(0,2,(3,3))
>>> print(a)
[[0 0 1]
 [0 0 1]
 [0 1 1]]
>>> print(np.nonzero(a))
>>> (array([0, 1, 2, 2]), array([2, 2, 1, 2]))
#三维
>>> a = np.random.randint(0,2,(2,2,2))
>>> print(a)
[[[1 0]
  [1 1]]

 [[0 1]
  [0 0]]]
>>> b = np.nonzero(a)
>>> print(b)
(array([0, 0, 0, 1]), array([0, 1, 1, 0]), array([0, 0, 1, 1]))
>>> print(a[b])
[1 1 1 1]
  • 只有a中非零元素才会有索引值，那些零值元素没有索引值
  • 返回一个长度为a.ndim的元组（tuple），元组的每个元素都是一个整数数组（array）
  • 每一个array均是从一个维度上来描述其索引值。比如，如果a是一个二维数组，则tuple包含两个array，第一个array从行维度来描述索引值；第二个array从列维度来描述索引值。注意，一位数组返回的结果外层有一层元组包裹
  • 通过a[nonzero(a)]得到所有a中的非零值

3）numpy.where()

numpy.where() 函数返回输入数组中满足给定条件的元素的索引：

在这里插入图片描述

【例2-3】where()方法举例

>>> a = np.random.randint(0,10,10)
>>> print(a)
[8 3 1 2 3 9 8 3 2 6]
>>> print(np.where(a > 5))
(array([0, 5, 6, 9]),)

>>> a = np.random.randint(0,10,(2,10))
>>> print(a)
[[0 7 5 5 9 4 6 7 6 2]
 [6 3 1 2 6 8 9 8 9 7]]
>>> print(np.where(a > 5))
(array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1]), array([1, 4, 6, 7, 8, 0, 4, 5, 6, 7, 8, 9]))

注，此处返回元组与前面两个保持一致，当原始数组为一维时，仍需要在外面包裹一层元组。

4）numpy.searchsorted()

numpy.searchsorted() 函数返回输入数组中排序后的搜索结果：
在这里插入图片描述

  • a：一维输入数组。当sorter参数为None的时候，a必须为升序数组；否则，sorter不能为空，存放a中元素的index，用于反映a数组的升序排列方式。
  • v：插入a数组的值，可以为单个元素，list或者ndarray。
  • side：查询方向，当为left时，将返回第一个符合条件的元素下标；当为right时，将返回最后一个符合条件的元素下标。
  • sorter：一维数组存放a数组元素的 index，index 对应元素为升序。

【例2-4】searchsorted()方法举例

>>> x = np.random.randint(0,40,8)
>>> print(x)
[14 17 38  1 29 33 27 17]
>>> x_sort = np.argsort(x)
>>> print(x_sort)
[3 0 1 7 6 4 5 2]
>>> print(x[x_sort])
[ 1 14 17 17 27 29 33 38]
>>> y = np.random.randint(0,40,6)
>>> print(y)
[ 8 37 14  1 12  7]
>>> z = np.searchsorted(x, y, sorter=x_sort)
>>> print(z)
[1 7 1 0 1 1]

如上，此时x为非升序，则sorter必须指定一个索引数组，存放x中元素的index，用于反映x数组的升序排列方式。

5）numpy.extract()

numpy.extract() 函数根据某个条件从数组中抽取元素，返回满条件的元素：
在这里插入图片描述

其中第一个参数condition是用来指明搜索条件，比如condition = np.mod(arr, 2)==0可以用来搜索所有偶数：

【例2-5】extract()方法举例

>>> x = np.arange(9.).reshape(3,  3)  
>>> print (x)
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
>>> condition = np.mod(x,2)  ==  0  
>>> print (condition)
[[ True False  True]
 [False  True False]
 [ True False  True]]
>>> print (np.extract(condition, x))
[0. 2. 4. 6. 8.]

这样就能很快速的找到数组中的偶数了，当然在这个例题中我们也可以使用x[condition]这种布尔切片来得到结果。

3.计数

1）numpy.count_nonzero()

numpy.count_nonzero() 函数返回输入数组中非零元素的个数：

在这里插入图片描述

【例3】count_nonzero()方法举例

>>> a = np.random.randint(-2,2,(3,3))
>>> print(a)
[[-2 -2 -2]
 [ 0  0  1]
 [ 0  0  0]]
>>> b = np.count_nonzero(a)
>>> print(b)
4
>>> b = np.count_nonzero(a,axis=0)
>>> print(b)
[1 1 2]
>>> b = np.count_nonzero(a,axis=1)
>>> print(b)
[3 1 0]

axis=0依然代表是沿着行去查找非0元素，最终返回的是每列的非零元素个数。

参考文献

  • https://www.runoob.com/numpy
  • https://numpy.org/
python数据分析numpy基础之argmax求数组最大值索引
sinat_34735632的博客
03-02 2439
python的numpy库的argmax()函数，用于获取沿指定轴的最大值的索引。argmax()返回沿指定轴的最大值的索引。入参axis表示指定轴，默认为None表示整个数组的最大值的索引而不是某个轴的最大值索引，即转为一维数组后的最大值的索引。axis只能为整数，不支持整数元组。入参keepdims表示是否保留指定轴的尺寸为1，默认为False，不保留。
如何获取NumPy数组中N个最大值的索引？
asdfgh0077的博客
05-12 2万+
NumPy proposes a way to get the index of the maximum value of an array via np.argmax . NumPy提出了一种通过
利用Python获取数组或列表中最大的N个数及其索引
James_bobo的博客
11-23 3459
import heapq a=[43,5,65,4,5,8,87] re1 = heapq.nlargest(3, a) #求最大的三个元素，并排序 re2 = map(a.index, heapq.nlargest(3, a)) #求最大的三个索引 nsmallest与nlargest相反，求最小 print(re1) print(list(re2)) #因为re2由map()生成的不是list，直接print不出来，添加list()就行了 ...
【Python】 如何在NumPy数组中获取N个最大值的索引？
最新发布
PythonWeb实践
06-14 2140
请注意，本篇文章的示例代码和解释都是为了帮助初学者更好地理解如何在 NumPy 中获取最大值的索引，实际应用中可能需要根据具体问题进行调整。函数，我们可以方便地找到数组中的最大值及其索引。这些函数是处理数值数据的强大工具，特别是在数据分析和科学计算中。理解这些函数的工作原理和使用方式，将大大提高你在 Python 编程中的效率。NumPy 是 Python 中一个强大的科学计算库，它提供了大量的数学函数来操作数组。在处理数据时，我们经常需要找到数组中的最大值或最小值，以及它们对应的索引。
【Python】取Numpy多维数组中最大的几个值的索引
MangoloD的博客
08-24 7171
先来看看二维数组a = np.array([ [[1, 7, 5], [8, 2, 13]], ]) 假设我们要获取最大的两个值的位置索引 我们先将二维数组展成一维数组，获取到排序后的索引下标，即index = np.argsort(a.ravel())[:-3:-1] 得到 index 值为 [5 3] 接下来将在一维得到的索引，映射到高维，得到在高维数组中的位置索引pos = np.unravel_index(index, a.shape) 得到 pos 值为 (arra.
numpy(排序，搜索和计数,集合操作)
qq_52683824的博客
07-02 931
numpy(排序，搜索和计数,集合操作)
Python基础学习——Numpy包（5、排序、搜索和计数与集合操作）
weixin_51060564的博客
08-16 892
numpy中的排序、搜索、计数和一些针对数组的集合操作
numpy排序、搜索和计数函数和方法
hxjxixi 专栏
05-03 3524
numpy排序、搜索和计数函数和方法： 排序Sorting sort(a[, axis, kind, order]) Return a sorted copy of an array. lexsort(keys[, axis]) Perform an indirect sort using a sequence of keys.
python numpy 部分排序 寻找最大的前几个数的方法
12-25
如下所示： import numpy as np K=4 a = np.array([0, 8, 0, 4, ... 您可能感兴趣的文章:python numpy和list查询其中某个数的个数及定位方法Python numpy 常用函数总结浅谈numpy数组的几种排序方式python中找出numpy a
机器学习篇—Numpy数值计算基础（下）
12-22
文章目录Numpy数组的索引与切片Numpy数组排序、搜索及计数 Numpy数组的索引与切片 数组索引 //一维数据索引 data[x] //索引一个数 data[[x,y,z]]//索引多个数 //二维数据索引 data[x,y]//索引一个数 data[[x1,x2],...
python学习 - 如何获取NumPy数组中前N个最大值的索引？
m0_47410750的博客
04-13 1万+
python学习 - 如何获取NumPy数组中前N个最大值的索引？
python中找出numpy array数组的最值及其索引。
yihuliunian的博客
04-28 470
转载自品略图书馆http://www.pinlue.com/article/2020/04/2700/0710243416930.html 在list列表中，max(list)可以得到list的最大值，list.index(max(list))可以得到最大值对应的索引 但在numpy中的array没有index方法，取而代之的是where，其又是list没有的 首先我们可以得到...
python/numpy-求取最大值、最小值以及求最大最小值的索引-max，np.max，np.amax，np.nanmax，np.fmax，np.maximum
热门推荐
小坏蛋的博客
03-03 4万+
python/numpy-求取最大值、最小值以及求最大最小值的索引-max，np.max，np.amax，np.nanmax，np.fmax，np.maximum
Go语言基础（三）：数组与切片
一点一滴铺就人生
10-07 713
文章目录一、数组1、数组的初始化（1）方法一（2）方法二（3）方法三2、数组的遍历3、多维数组（1）二维数组的定义（2）二维数组的遍历4、数组是值类型5、练习题二、切片 一、数组 数组是同一种数据类型元素的集合。 在Go语言中，数组从声明时就确定，使用时可以修改数组成员，但是数组大小不可变化。 基本语法： // 定义一个长度为3元素类型为int的数组a var a [3]int 数组的长度必须是常量，并且长度是数组类型的一部分。一旦定义，长度不能变 1、数组的初始化 （1）方法一 var testArr
python 数组最大值的索引_python – 使用NumPy查找数组中最大值的索引
weixin_30000283的博客
01-11 2034
Numpy有一个argmax函数返回,尽管你必须手动处理nans.没有人总是被排序到数组的末尾,所以记住你可以做的：a = np.random.rand(10000)a[np.random.randint(10000, size=(10,))] = np.nana = a.reshape(100, 100)def nanargmax(a):idx = np.argmax(a, axis=None)...
python求倒数第二小,在Python中使用循环找到第二小的数字
weixin_39624071的博客
12-05 580
I was wondering how to find the second smallest number from a user-input list with def functions. Also, WITHOUT using any sorting functions, imported modules, and min() and max() functions, how would ...
python替换numpy array中的值
qq_44321147的博客
11-09 3060
python替换numpy array中的值首先导入sklearn库中的数据集 首先导入sklearn库中的数据集 ```python from sklearn import datasets import matplotlib.pyplot as plt from sklearn.cluster import KMeans import pandas as pd from sklearn.metrics import accuracy_score #调用监控指标的度量类库Metrics #加载数据
替换numpy数组中大于指定阈值的元素为新值
持续更新
05-23 356
在Python中使用numpy库时，我们经常需要对数组进行各种操作。其中一个常见的任务是将数组中大于指定阈值的元素替换为新的值。使用这个函数，我们可以非常方便地替换numpy数组中大于指定阈值的元素。函数将其中大于3的元素全部替换为0。在示例中，我们创建了一个长度为6的数组，并调用。替换numpy数组中大于指定阈值的元素为新值。选择出所有大于阈值的元素，然后使用。在函数中，我们首先使用。上述代码中，我们定义了一个函数。号将它们全部赋为新值。表示要被替换的数组，
Python-Numpy中Array基础操作
weixin_45443016的博客
05-05 684
Python-Numpy中Array基础操作
深入学习NumPy：从基础到高级
排序、搜索和计数** 排序函数如`numpy.sort`和`numpy.argsort`可以对数组进行排序，`numpy.searchsorted`用于查找元素的位置，`numpy.unique`用于找出数组中的唯一元素。 **11. 线性代数** NumPy的`numpy.linalg`...
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