Matplotlib入门

最新推荐文章于 2024-01-12 22:33:01 发布
最新推荐文章于 2024-01-12 22:33:01 发布
阅读量235 收藏
点赞数 1
分类专栏： Python 文章标签： matplotlib python numpy
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/generalfuck/article/details/130177399
版权

Matplotlib

（一）、基础知识

1、第一个程序

  • 在计算机中通过程序绘图有两种方式：位图和矢量图。位图：就是用一个个像素绘制的图形。矢量图：是将多个点进行连接的图形。Matplotlib所采用的矢量图的绘制方式，也就是连接相邻的两个点形成一条曲线。如果要让曲线平滑，就要取更多的点进行绘制。

  • Matplotlib有很多函数用于绘制各种图形，其中plot函数用于曲线，需要传入x坐标和y坐标，然后用show函数显示。

  • 例子：使用plot函数绘制一条一元二次方程的曲线，并使用savefig函数将这条曲线保存到./data/demo1_x.jpg中

    import matplotlib.pyplot as plt

# 生成200个点的x坐标
x = range(-100, 100)
# 生成200个点的y坐标
y = range(-100, 100)
y2 = [i ** 2 for i in x]

# 指定窗口1
plt.figure(1)
# 绘制一元一次曲线
plt.plot(x, y)
# 保存
plt.savefig("./data/demo1_1.jpg")

# 指定窗口2
plt.figure(2)
# 绘制一元二次曲线
plt.plot(x, y2)
#保存
plt.savefig("./data/demo1_2.jpg")

# 显示
plt.show()

在这里插入图片描述

在这里插入图片描述

2、绘制正弦、余弦曲线

  • 正弦
import matplotlib.pyplot as plt
import numpy as np

# 将0~2pi分成100份，以numpy数组的形式返回这100个x值
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.show()

  • 余弦
import matplotlib.pyplot as plt
import numpy as np

# 将0~2pi分成100份，以numpy数组的形式返回这100个x值
x = np.linspace(0, 2*np.pi, 100)
y = np.cos(x)
plt.plot(x, y)
plt.show()

在这里插入图片描述

  • 叠加
import matplotlib.pyplot as plt
import numpy as np

# 将0~2pi分成100份，以numpy数组的形式返回这100个x值
x = np.linspace(0, 2*np.pi, 100)
ysin = np.sin(x)
ycos = np.cos(x)
plt.plot(x, ysin)
plt.plot(x, ycos)
plt.show()

在这里插入图片描述

3、绘制随机点

  • 使用scatter函数可以绘制随机点，需要传入x坐标和y坐标
  • 例子：使用scatter函数绘制1024个随机点
import random
import matplotlib.pyplot as plt

count = 1024
x = [random.random() * 100 for i in range(count)]
y = [random.random() * 100 for i in range(count)]
plt.scatter(x, y)
plt.show()

在这里插入图片描述

4、绘制柱状图

  • 使用bar函数可以绘制柱状图
  • 柱状图需要水平的x坐标值，以及每一个x坐标值对应的y坐标值
  • 柱状图主要是用来纵向对比和横线对比
  • 例子：使用bar函数绘制柱状图，并设置柱的宽度
import matplotlib.pyplot as plt

x = [10, 20, 30, 40]
y = [100, 200, 300, 400]
# 通过width参数控制柱的宽度
plt.bar(x, y, width = 3)
plt.show()

在这里插入图片描述

  • 例子：添加标签
import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D', 'E']
values = [10, 24, 36, 40, 15]

# 绘制柱状图
plt.bar(labels, values)

# 添加标题和轴标签
plt.title('Example Bar Chart')
plt.xlabel('Category')
plt.ylabel('Value')

# 显示图形
plt.show()

在这里插入图片描述

  • 例子：显示柱的数值
import matplotlib.pyplot as plt

x = ['A', 'B', 'C', 'D', 'E']
y = [10, 24, 36, 40, 60]

plt.bar(x, y)

# 在每个柱形上方显示数值
# for i in range(len(y)):
#     plt.text(i, y[i] + 1, str(y[i]), ha='center')
# 用枚举法实现
for i, v in enumerate(y):
    print(i, v+1, str(v))
    #(x轴，y轴，数值，居中显示)
    plt.text(i, v + 1, str(v), ha='center')

plt.show()

在这里插入图片描述

  • 例子：显示多组数据，并标注值，显示图例
import numpy as np
import matplotlib.pyplot as plt

# 数据
data1 = [20, 35, 30, 35, 27]
data2 = [25, 32, 34, 20, 25]
x = np.arange(len(data1))

# 绘制柱状图
plt.bar(x, data1, width=0.4, label='Data 1')
plt.bar(x + 0.4, data2, width=0.4, label='Data 2')

# 添加 x 轴标签和刻度（因为原来的刻度在第一个柱的中间，柱宽位0.4，所以要+0.2）
plt.xticks(x + 0.2, ['a', 'b', 'c', 'd', 'e'])

for i, v in enumerate(data1):
    plt.text(i, v + 0.5, str(v), ha='center')
for i, v in enumerate(data2):
    plt.text(i + 0.4, v + 0.5, str(v), ha='center')

# 显示图例
plt.legend()

# 显示图形
plt.show()

在这里插入图片描述

涉及其他语法

  • 在使用enumerate()遍历可迭代对象时，会返回一个迭代器，迭代器的每个元素是一个元组，其中第一个元素是索引，第二个元素是对应的值。
my_list = ['apple', 'banana', 'orange']
for index, value in enumerate(my_list):
    print(index, value)

0 apple
1 banana
2 orange

5、绘制直方图、盒状图

  • 直方图与柱状图的风格类似，都是由若干个柱组成的，但直方图和柱状图的含义却有很大差异
  • 直方图是用来观察分布状态的，而柱状图是用来看每一个x坐标对应y值
  • 也就是说，直方图关注得是发布，并不关心某个值，而柱状图关注得是具体某个值
  • 盒状图与直方图都是表示发布状态得，不过盒状图还有一个功能，就是能体现数据得平均值（盒状图中间的红线）
  • 使用hist函数可以绘制直方图，需要传入两个参数值，第一个参数值用于指定数据序列，第二个参数值表示x轴得发布区域，一般这个参数值与数据序列得个数相同
  • boxplot函数用于绘制盒状图，该函数只需要传入数据序列即可
  • 例子：使用hist函数盒boxplot函数绘制100个随机数得发布状态
import matplotlib.pyplot as plt
import numpy as np

# 标准正态分布中（均值为0，方差为1）
data = np.random.randn(100)
# 这个函数返回两个对象，一个是图形对象（fig），另一个是包含两个子图对象的元组。在这里，子图对象被命名为 a 和 b，它们可以用来分别绘制两个子图。
fig, (a, b) = plt.subplots(1, 2)
a.hist(data, 100)
b.boxplot(data)
plt.show()

在这里插入图片描述

盒状图中间的红线表示平均值，盒状图的纵坐标表示100个随机数的取值范围，可以看出，随机数大多早-2~2之间。

不管盒状图，还是直方图，都可以了解这100个随机数的分布

6、绘制饼图

  • 使用pie函数可以绘制饼图
  • pie函数只要传入数据即可
import matplotlib.pyplot as plt

data = [5, 23, 32, 11, 2]
plt.pie(data)
plt.show()

在这里插入图片描述

  • 其中，x 是饼图中每个类别所占的比例，是一个一维数组。labels 是每个类别的标签，也是一个一维数组，可以为 None。explode 是一个一维数组，用于控制每个类别之间的距离，默认为 None。autopct 参数可以指定每个扇形显示的比例值，例如 ‘%1.1f%%’ 表示保留一位小数的百分数，可以为 None。shadow 参数用于显示阴影，可以为 True 或 False。
import matplotlib.pyplot as plt

plt.pie(x, labels=None, explode=None, autopct=None, shadow=False)
plt.show()
  • 这个例子中，我们首先定义了每个类别的标签 labels、占比比例 sizes 和颜色 colors，然后定义了每个扇形之间的距离 explode。最后，我们使用 pie 函数绘制了饼图，并使用 axis 函数设置了 x 轴和 y 轴的比例相等，使饼图成为一个圆形。
import matplotlib.pyplot as plt

labels = ['A', 'B', 'C', 'D', 'E']
sizes = [15, 30, 20, 10, 25]
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue', 'red']
explode = (0.1, 0, 0, 0, 0)

'''
第一个%：表示开始字符串格式化
%1.1f：表示一个浮点数，其中1.1是格式化选项，.1表示小数点后保留1位，1表示输出宽度为1，不足补空格
第二个%：表示字符串中要输出一个百分号字符
第三个%：表示结束字符串格式化
shadow=True是指在饼图下方增加一个阴影，以突出显示饼图的浮出效果
'''
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True)
plt.legend()
plt.axis('equal')
plt.show()

在这里插入图片描述

（二）、定制颜色盒样式

1、定制曲线颜色

  1. plot函数可以通过color关键字参数指定曲线的颜色，matplotlib支持多种颜色类型，如预定颜色、html颜色、灰度等。

预定颜色如：

  • blue - 蓝色
  • green - 绿色
  • red - 红色
  • cyan - 青色
  • magenta - 品红色
  • yellow - 黄色
  • black - 黑色
  • white - 白色

  1. html颜色就以井号（#）开头的颜色值；灰度是介于0到1的浮点数，0表示黑色，1表示白色

  2. 例子：

import numpy as np
import matplotlib.pyplot as plt

# 将-6到6分成1024份，形成1024个值
x = np.linspace(-6, 6, 1024)
# 也可以使用以上的几个颜色的首字母作为颜色的表达
colors = ['red', 'yellow', 'b', 'c', '#FF00FF', '0.75']
for i in range(10):
    plt.plot(x, -x**2 + (i+1)*2, color = colors[i % len(colors)])
plt.show()

在这里插入图片描述

2、定制离散点的样式

  1. 离散点的样式主要包括颜色、边缘颜色、边缘宽度、尺寸等。可以定制离散点的颜色、边缘颜色、边缘宽度和尺寸等。
  2. 通过scatter函数的color关键字参数设置离散点的颜色，通过edgecolor关键字参数设置边缘颜色，通过s关键字参数设置尺寸，通过linewidth关键字参数设置边缘宽度
  3. 例子：
import numpy as np
import matplotlib.pyplot as plt

# 产生1组标准正态发布的随机数，100是numpy数组元素个数，2是数组的维度
data1 = np.random.standard_normal((100, 2))
# 将data1中的数据都加-1
data1 += np.array((-1, -1))

data2 = np.random.standard_normal((100, 2))
data2 += np.array((-1, -1))

colors = ['red', 'yellow', 'b', 'c', '#FF00FF', '0,75']
# 将data1的所有数据中的字列表的第一个数据作为x轴的值，同理第二个数据作为y轴的值
plt.scatter(data1[:, 0], data1[:, 1], color = colors[0])
plt.scatter(data2[:, 0], data2[:, 1], color = colors[2])
# 修改点的样式
plt.scatter(data1[:, 0], data1[:, 1], color = colors[4], edgecolors = colors[1], s = 100, linewidths = 3)
plt.show()

在这里插入图片描述

  1. 语法解释：
import numpy as np

# 产生1组标准正态发布的随机数，100是numpy数组元素个数，2是数组的维度
data1 = np.random.standard_normal((2, 2))
print(data1)
# 将data1中的数据都加-1
data1 += np.array((-1, -1))
print(data1)

[[ 0.36356241  1.09262989]
 [-2.08869307 -0.37254382]]
[[-0.63643759  0.09262989]
 [-3.08869307 -1.37254382]]

3、定制柱状图颜色

  1. 通过bar函数的color关键字参数可以设置柱状图的颜色，color参数可以是一个颜色值，也可以是颜色值的序列。
  2. 例子：
import random
import matplotlib.pyplot as plt

# 产生50个0~99的随机数，作为x轴的坐标值
values = [random.randint(0, 99) for i in range(50)]
colors = ['#FF00FF', '#FFFF00', 'r', 'b']
colors_set = [colors[i%len(colors)] for i in range(50)]

plt.bar(range(1, len(values)+1), values, color=colors_set)
plt.show()

在这里插入图片描述

4、定制饼图颜色

  1. colors参数的颜色值序列应该有足够多的颜色值供pie函数选择，否则有肯能相邻部分的颜色值相同或者类似
  2. 例子：
import random
import matplotlib.pyplot as plt

values = [random.random() for i in range(5)]
colors = ['b', 'r', 'g', 'c', 'm']
# 注意这里是colors参数
plt.pie(values, colors=colors, labels = colors, autopct = '%.1f%%')
plt.legend()
plt.show()

在这里插入图片描述

5、定制曲线类型

  1. 设置plot函数的linestyle关键字参数可以改变曲线的类型，该参数值是字符串类型。默认是实线(solid)、虚线(dashed)、点画线(dashdot)、虚线(dotted)
  2. 例子：
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-6, 6, 1024)
plt.plot(x, -x ** 2, color = 'r', linestyle = 'solid')
plt.plot(x, -x ** 2 + 3, color = 'b', linestyle = 'dashed')
plt.plot(x, -x ** 2 + 6, color = 'c', linestyle = 'dashdot')
plt.plot(x, -x ** 2 + 9, color = 'g', linestyle = 'dotted')
plt.show()

在这里插入图片描述

  1. 简便写法：
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-6, 6, 1024)
plt.plot(x, -x ** 2, color = 'r', linestyle = '-')
plt.plot(x, -x ** 2 + 3, color = 'b', linestyle = '--')
plt.plot(x, -x ** 2 + 6, color = 'c', linestyle = '-.')
plt.plot(x, -x ** 2 + 9, color = 'g', linestyle = ':')
plt.show()

6、定制柱状图的填充模式

  1. 通过bar函数的hatch关键字参数可以设置柱状图的填充模式，默认填充模式的实心。hatch参数值是一个字符，不过字符并不能随便设置，有一些固定的字符，如：**“x”，“*”，“-”，“+”，“/”**等。
  2. 例子：
import numpy as np
import matplotlib.pyplot as plt

n = 8
# 产生8个0~1的随机数
a = np.random.random(n)
b = np.random.random(n)

# 设置柱状图下半部分的填充模式为"x"
plt.bar(range(1, n+1), a, color='b', hatch="+")
# 设置柱状图上半部分的填充模式为"*"，同时将a放在下方（这个柱距离下方有a的距离）
plt.bar(range(1, n+1), a+b, bottom = a, color='r', hatch="*")
plt.show()

在这里插入图片描述

  1. 例子：显示3个柱
import numpy as np
import matplotlib.pyplot as plt

n = 8
a = np.array([1, 1, 1, 1, 1, 1, 1, 1])
b = np.array([1, 1, 1, 1, 1, 1, 1, 1])

# 设置柱状图下半部分的填充模式为"x"
plt.bar(range(1, n + 1), a, color = 'b', hatch = "+")
# 设置柱状图上半部分的填充模式为"*"
plt.bar(range(1, n + 1), a + b, bottom = a, color = 'r', hatch = "*")
plt.bar(range(1, n + 1), a + b + b, bottom = a + a + b, color = 'c', hatch = "-")
plt.show()

在这里插入图片描述

（三）、注释

1、在坐标上显示标题

  1. 使用title函数直接在坐标系上显示标题
  2. 例子：
import numpy as np
import matplotlib.pyplot as plt

# 如果标题包含中文字符，要加上以下代码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 启用unicode编码支持特殊字符
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-4, 4, 1024)
y = 0.25 * (x + 4) * (x + 1) * (x - 2)

plt.plot(x, y, color="r")
# 添加标题
plt.title("标题Text")
plt.show()

在这里插入图片描述

  1. plt.title() 函数还可以设置标题的字体大小、颜色、字体样式等属性。例如，设置字体大小和颜色：

    pythonCopy code
plt.title('图表标题', fontsize=16, color='blue')

2、使用LaTex格式的标题

  1. 如果标题是普通文本，直接使用title函数设置即可。
  2. 如果标题要显示如数学公式，就需要使用LaTex格式的文本来设置标题
  3. LaTex是著名的排版系统，可以用一些特殊的表示法通过文本来描述数学公式
  4. 例子：
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-4, 4, 1024)
y = 0.25 * (x + 4) * (x + 1) * (x - 2)
plt.plot(x, y, color='b')
# 以$开始,$结束，\frac{a}{b}是分数的形式
plt.title(r'$f(x)=\frac{1}{4}(x+4)(x+1)(x-2)$')
plt.show()

在这里插入图片描述

3、为x、y轴添加注释

  1. 使用xlabel函数和ylabel函数可以将注释添加到x坐标轴和y坐标轴上
  2. 例子：
import numpy as np
import matplotlib.pyplot as plt

# 如果标题包含中文字符，要加上以下代码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 启用unicode编码支持特殊字符
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-4, 4, 1024)
y = 0.25 * (x + 4) * (x + 1) * (x - 2)

plt.plot(x, y, color="r")
# 添加标题
plt.title("标题Text")
plt.xlabel("x轴Text")
plt.ylabel("y轴Text")
plt.show()

在这里插入图片描述

4、坐标系内添加文本注释

  1. 使用text函数，需要传入x轴值，y轴值，文本值
  2. 例子：
import numpy as np
import matplotlib.pyplot as plt

# 如果标题包含中文字符，要加上以下代码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 启用unicode编码支持特殊字符
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-4, 4, 1024)
y = 0.25 * (x + 4) * (x + 1) * (x - 2)

plt.plot(x, y, color="r")
# 添加标题
plt.title("标题Text")
plt.xlabel("x轴Text")
plt.ylabel("y轴Text")
# 指定x,y轴的值设置文本
plt.text(0, -2, '坐标系内备注')
plt.show()

在这里插入图片描述

5、为文本注释添加Box

  1. text函数还能为注释设置边框，背景色、文本颜色等样式，这些样式要依赖text函数的bbox关键字参数。该参数是字典类型，字典的每一个key就是一个样式，如facecolor表示背景颜色
  2. 例子：
import numpy as np
import matplotlib.pyplot as plt

# 如果标题包含中文字符，要加上以下代码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 启用unicode编码支持特殊字符
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-4, 4, 1024)
y = 0.25 * (x + 4) * (x + 1) * (x - 2)

plt.plot(x, y, color="r")
# 添加标题
plt.title("标题Text")
plt.xlabel("x轴Text")
plt.ylabel("y轴Text")

# 设置bbox
box = {
        'facecolor': 'r',
        'edgecolor': 'b',
        'boxstyle': 'round'
}
# 指定x,y轴的值设置文本
plt.text(0, -1, '坐标系内备注', bbox=box)
plt.show()

在这里插入图片描述

不会写code的牛哥
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
matplotlib入门
weixin_44992737的博客
10-01 1125
matplotlib入门
数据分析之Matplotlib 基础入门
zhouzhiwengang的专栏
04-12 1088
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的简单入门
最新发布
weixin_67485772的博客
01-12 384
matplotlib的简单入门
Python学习笔记（十九）——Matplotlib入门
weixin_60535956的博客
12-23 4080
详细解析 matplotlib函数库
matplotlib快速入门
weixin_46626325的博客
11-23 518
matplotlib的简单快速入门
matplotlib入门练习
10-23
利用scatter函数实现对鸢尾花数据集的散点图显示
matplotlib入门实战全教程
02-24
用在python中绘制数组的2D图形库matplotlib代码在概念上分为3个部分：1.pylab接口是由matplotlib.pylab提供的函数集，允许用户使用非常类似于MATLAB图生成代码的代码创建绘图2.matplotlib前端或API是一组重要的类，...
matplotlib入门教程.pdf
05-04
欢迎阅读 Python 3+ Matplotlib 系列教程。 在本系列中，我们 将涉及 Matplotlib 数据可视化模块的多个方面。 Matplotlib 能够创建多数类型的图表，如条形图，散点图，条形图，饼图，堆叠 图，3D 图和地图图表
matplotlib入门全教程(参考手册+实战教程) PDF合集
04-06
这是一套包含Matplotlib简易教程、Matplotlib 快速参考手册和matplotlib入门实战的教程合集，主要介绍了Python Matplotlib入门知识，通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值。...
Matplotlib 基础入门知识点总结
Xx_Studying的博客
11-16 1413
Matplotlib 基础入门知识点总结笔记
Matplotlib 入门教程 中文版
07-04
Matplotlib 入门教程， Introduction to Matplotlib and basic line 英文地址https://pythonprogramming.net/matplotlib-intro-tutorial/
Matplotlib 入门教程
01-15
Matplotlib 入门教程
Matplotlib 入门（一）
分享我的点点滴滴，在成长路上与你同行！
09-23 1117
matplotlib
Matplotlib数据可视化（1）— 入门介绍
金戈鐡馬
03-25 634
本文强烈建议（官方文档中也提出了），如果只是简单得对数据进行展示，那么当然可以使用pyplot完成，但是如果需要更加精细的对图片进行设置，那么建议使用pyplot中的方法来创建matplotlib图形的容器对象，因为pyplot创建容器对象可以方便得纳入matplotlib序列中进行管理，有了容器对象之后，后续的画图，请勿通过再pyplot进行，最好是通过容器对象进行操作。图2中，蓝色部分文本是各组件的名称，请牢记各组件的名称，方便在对各组件进行设置是调用函数，因为组件的名称与函数名是相似的。
Matplotlib快速入门
盼小辉丶的博客
04-30 3369
Matplotlib 是 Python 生态系统的一个重要组成部分，是用于可视化的绘图库，它提供了一整套和 matlab 相似的命令 API 和可视化界面，可以生成出版质量级别的精美图形，Matplotlib 使绘图变得非常简单，在易用性和性能间取得了优异的平衡。本节主要介绍 Matplotlib 常用的基本概念，并通过一个简单的曲线图来讲解 Matplolib 的绘图机制。
Matplotlib入门详细教程
热门推荐
Python数据之道
07-02 1万+
作者：luanhz来源：小数志Matplotlib入门详细教程导读Matplotlib作为数据科学的的必备库，算得上是python可视化领域的元老，更是很多高级可视化库的底层基础，其重要...
大数据分析——Matplotlib入门教程
m0_53412274的博客
05-23 3680
文章目录1.问题区2. matplotlib.pyplot简介1.Pyplot中的基础函数解析3. 使用Matplotlib画图基本步骤基础方法解析 ：基础参数解析：Line Styles线条形状：Markers 折点形状选择:Colors管理多个子图4. 实战2.初级数据可视化——画图简单二维图 本教程只是带领读者体验一下Maplotlib使用的基本方法 下一章我们将进行进阶教程 1.问题区 1.为什么 使用 plt.gcf().set_facecolor(np.ones(3)* 240 / 255)
jupyter入门之Matplotlib
宅神的博客
06-19 1万+
jupyter入门之Matplotlib 一. Matplotlib基础知识 Matplotlib中的基本图表包括的元素 x轴和y轴 axis 水平和垂直的轴线 轴标签 axisLabel 水平和垂直的轴标签 x轴和y轴刻度 tick 刻度标示坐标轴的分隔，包括最小刻度和最大刻度 x轴和y轴刻度标签 tick label 表示特定坐标轴的值 绘图区域（坐标系） axes 实际绘图的区域...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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