- 博客(176)
- 收藏
- 关注
RSS订阅原创 python数据分析——字符串和文本数据1
不过，当使用切片语法并且想包含字符的最后一个字符时，只需要获取字符串的长度，然后将其放到切片符号:的右侧即可。使用len函数返回的是字符串的长度，该长度比字符串最后一个字符的索引值大于1。若切片符号:右侧为空，则表示切片从左侧索引指示的字符开始，一直取到字符串的末尾（包括字符串的最后一个字符）。注意，在python中使用切片时，其运行原则是“包左不保右”的原则，即包含冒号左侧索引值，但不包含冒号右侧索引值。find：在字符串中查找指定字符串，若找到，则返回首次出现的索引，否则返回-1。
2024-05-22 22:22:15
351
原创 python数据分析——数据类型转换
to_numeric函数还有一个downcast参数，它允许把列（或向量）转换为数值向量后，把数值类型更改为最小的数值类型。默认情况下，downcast的值为None，其他可以设置的值有“integer”、“signed”、“unsigned”、“float”。（2）如果想把变量转换为数值类型（例如int或float），还可以使用pandas的to_numeric函数。当取值为ignore，表示当遇到无法转换的数据时，会放弃数值转换，直接返回原始数据列。后面的64表示保存数据所用的位数；
2024-05-21 21:21:19
363
原创 python数据分析——整理数据2
pivot_table和melt的主要区别是：melt是pandas中的函数，而pivot_table是dataframe对象的方法。最好把歌曲信息存储在单独的表中，如此year、artist、track和time等列的信息就不会在数据集中重复出现。具体操作为：把year、artist、track、time和date.entered放入一个新的dataframe中，给每组值分配唯一的ID，然后再另一个DataFrame（表示歌曲、日期、周次及排名）中使用这些ID。2、一张表中的多个观测单元（归一化）
2024-05-21 02:30:00
286
原创 python数据分析——整理数据1
Hadley Wickham是R社区的知名成员，他在Journal of Statistical Software上发表过一篇关于“整洁数据”的论文，提出了“整洁数据”的概念。想要将其转换为整洁的“长”数据格式，必须对DataFrame做“逆透视”/融合/聚合（unpivot、melt、gather）处理（具体取决于所用的统计变成语言）。把列拆分好后，下面把拆分得到的部分指派给一个新的列。本例中，可以依据列名中的下划线（_）拆分感兴趣的列。下面的讲解基于这样一个事实：返回的向量的顺序和数据的顺序相同。
2024-05-20 01:00:00
1537
原创 python数据分析——缺失数据
或许缺失数据不是随机的，删除缺失值后，会得到有偏差的数据集。若直接计算中包含缺失值，通常返回缺失值。通常采用默认值True，即使用na_values参数额外指定的缺失值都会追加到缺失值列表中。如果某一列以缺失值开始，那么前值填充时，该缺失值将会继续存在。通常采用默认即可，但有些数据集可能会把99指定为缺失值，此时需要设置na_values=[99]来指定缺失值。填充缺失值的方法有很多种，pandas中的差值方法默认一线性方式填充缺失值。缺失值的两个来源：一是缺失值的数据集，二是数据整理过程。
2024-05-19 01:00:00
708
原创 python数据分析——数据组合
上面的输出中，带有_x后缀的列值来自左边的DataFrame，带_y后缀的列值来自右边的DataFrame。有时需要基于多列进行数据匹配，比如有两个DataFrame，其中以个由person和survey合并而成，另一个由visited和survey合并而成。site数据集中的name是有重复的，合并中会复制包含单个观测值对应的DataFrame。这里添加join参数，将其设为‘inner’，结果将只保留共有行索引的结果。，该DataFrame包含一行数据，并使用columns参数指定数据需要绑定的列名。
2024-05-18 01:00:00
852
原创 一个可自动生成行田间种植规划图的excel VBA小工具
因个人对VBA相关背景知识储备不足，能力有限，为对相关重复的代码进行函数的设置，导致代码冗余，感兴趣的人员可以自行优化代码。参数2：规划图左上角对应的行排号。共有四个选项：“最小排、最小行”、“最大排、最小行”、“最小排、最大行”、“最大排、最大行”参数1：规划图中是否需要包含过道的空列，根据需求填写“是”或“否”参数3：是否需要对同一排中连续重复的品种名称进行单元格合并。
2024-05-18 01:00:00
195
原创 python数据分析——pandas作图
6、用seaborn设置作图的默认样式，可以用sns.set_style函数更改样式。通常该函数会出现在代码顶部，并且只运行一次，所有后续绘图都会采用这种样式。seaborn有5种样式：darkgrid、whitegrid、dark、white和ticks。使用pandas绘图时，通常要求如下格式使用绘图函数：DataFrame.plot.PLOT_TYPE或Series.plot.PLOT_TYPE。与seaborn一样，pandas中的绘图函数只是使用预设值包装了matplotlib。
2024-05-17 01:00:00
347
原创 一个可自动生成行排号的excel VBA小工具
（1）排步长设置，只能是1或-1，即不能进行跳排的设置，当为1时排的排列是顺序，为-1时排列为倒序。4、设置之字排序的行排号（行号从小到大排列，而奇偶排行的方向排序方向相反）（3）可以进行多种行排号的设置，依次列出，即可一次性生成所有行排号。1、设置顺序排列的行排号（每排的行号一致，行的方向排序方向也一致）3、设置之字排序的行排号（每排的行号一致，行的方向排序方向相反）2、设置顺序排列的行排号（行号从小到大排列，而不受排的限制）如下图，点击“生成行排号”按钮即可生成想要的行排号。
2024-05-16 01:00:00
194
原创 python数据分析——seaborn绘图2
我们知道lmplot是图级（figure-level）函数，而在seaborn中，许多图使用轴域级（axes-level）函数创建的。如果想显示更多变量，或者确定了要实现的可视化图，但向基于一个分类变量画出多幅图，可以使用分面（facet）来满足这些需求。要使用分面，数据必须是“整洁数据”：数据中的每一行都表示一个观测值，每一列是一个变量（也是“长数据”）。当数据大部分是数据时，可以使用pairplot函数把所有成对关系描绘出来，该函数会为每对变量绘制散点图，并且为单变量数据绘制直方图。
2024-05-15 01:00:00
231
原创 python数据分析——seaborn绘图1
jointplot与其他绘图函数的主要区别是，它不返回轴域，所以无需创建带有轴域的画布来放置图。matplotlib库是python的和兴绘图工具，而seaborn基于matplotlib创建，它为绘制统计图提供了更高级的接口，使得只用少量代码就能生成更美观、更复杂的可视化效果。2、密度图（和密度估计）：密度图是展现单变量分布的另一种方法，本质上通过绘制以每个数据点为中心的正态分布，然后消除重叠的图。3、计数图（条形图）：条形图不是通过对值分组来描述分布的，而是对离散变量计数的。
2024-05-14 01:00:00
706
原创 python数据分析——matplotlib可视化基础
matplotlib可以指定最终图的维数，根据指定的维数放入更小的子图表。当把这些点可视化后，即使每个数据集有相同的汇总统计值，不同数据集的点之间的关系也相差较大。这些值是经过“装箱”（bin）处理的，这意味着将它们分组后绘制成图来显示变量的分布情况。subplot方法有3个参数：子图的行数、子图的列数、子图的位置。子图的位置是按顺序编号的，在python有关绘图的内容中，注意区分“axis”（坐标轴）和“axes”（轴域）的区别。（3）箱线图用于展示一个离散变量随连续变量的变化而呈现的分布状况。
2024-05-13 01:00:00
411
原创 python数据分析——pandas数据结构2
可以把字符串转换成合适的datetime类型，这样可以执行常见的日期和时间操作了（例如计算两个日期之差或人的年龄）。它实际描述的是在类数组对象（比如Seires和DataFrame）之间执行操作的效果。当DataFrame和标量进行运算时，DataFrame中的每个元素会分别和标量进行运算。本例中，df乘2之后，数值会变为原来的两倍，而字符串长度也会翻倍。删除列时，可以使用选取列子集的方法选择所有希望删除的列表，也可以使用DataFrame的drop方法指定要删除的列表。（2）操作自动对齐和向量化（广播）
2024-05-12 01:00:00
293
原创 python数据分析——pandas数据结构1
Series是pandas的一种数据结构，与numpy.ndarray非常相似，ndarray的许多方法和函数也适用于Series。这种处理方式称为“广播”（broadcasting），pandas的“广播”是指不同shape的数组之间的运算方式。请注意上图中的输出结果，左边显示的“行号”实际是Series的索引。①如果两个长度相同的向量之间执行计算，所得向量的每个元素是两个向量对应元素的计算结果。字典是创建DataFrame最常见的方法，键代表列名，值是列的内容。（3）操作自动对齐和向量化（广播）
2024-05-11 01:00:00
673
原创 python数据分析——pandas DataFrame基础知识2
我们可以把分组计算看作“分割-应用-组合”（split-apply-combine）的过程。首先把数据分割成若干部分，然后把选择的函数（或计算）应用于各部分，最后把所有独立的分割计算组合成一个DataFrame。在pandas中可以使用DataFrame的groupby方法完成分组/聚合计算。如果想使用多个变量对数据进行分组和分层，或想对多列执行相同的计算，我们可以使用列表来实现。可视化在数据处理的每个步骤都很重要。在理解或清理数据时，可视化有助于识别数据中的趋势，并展示最终的发现。
2024-05-10 01:00:00
221
原创 python数据分析——pandas DataFrame基础知识1
使用range函数时，用逗号把起始值、结束值和步长隔开，而在切片语法中使用冒号来分隔。range函数可用于创建生成器并转换成一个值列表，但切片的冒号语法仅做切片和取子值时才有意义，它本身没有内在意义。pandas的DataFrame对象和其他语言（比如R）中的DataFrame对象相似，每列的类型必须相同，而每行可以包含混合类型。在当前的示例中，iloc和loc的行为完全相同，因为索引标签就是行号。在loc属性和iloc属性中，要选择特定行或特定列，可以把要选的行放在逗号左边，把要选的列放在逗号右边。
2024-05-09 01:00:00
344
原创 python网络爬虫学习——编写一个网络爬虫
上面的代码存在一个缺陷，就是必须确保网页地址中的id是连续的，假如某些记录已被删除，数据库id之间并不是连续的，其只要访问到某个间隔点，爬虫就会立即退出。下面对代码进行改进：当连续发生多次下载错误后才会退出程序。（2）增加重试下载功能，当服务器端发生问题时，能自动重试下载。（4xx 错误发生在请求存在问题时，而 5xx 错误则发生在服务端存在问题时）设定一个默认的用户代理“wswp”（即web scraping with python首字母缩写）。（1）用于下载网页，且当下载网页发生错误时能及时报错。
2024-05-08 01:00:00
329
原创 python网络爬虫学习——BeautifulSoup库
假如返回结果是多个节点的生成器，则能够转为列表后取出某个元素，再调用string、attrs等属性取得对应节点的文本和属性。运用import从bs4中导入BeautifulSoup库，利用open函数打开存放在本地的网页文件所在位置，随后使用BeautifulSoup解析网页，解析完毕打印相应的网页数据。在做选择的时候，有时候不能做到一步就选到想要的节点元素，需要先选中某个节点元素，而后以它为基准再选择它的子节点、父节点、兄弟节点等。要获得某个节点元素的父节点，可以调用parent属性。
2024-05-07 01:00:00
424
原创 python网络爬虫学习——requests库和正则表达式
3、在网络爬虫中的请求头中携带cookies信息，从而可以直接出去需要登录的网站。2、search，如果匹配到第一个结果就是返回，如果匹配不到则返回None。当状态返回代码为200时，表示成功接收、理解和接受。当状态返回代码为5XX时，表示服务器错误。当状态返回代码为1XX时，表示临时响应。当状态返回代码为4XX时，表示请求错误。当状态返回代码为3XX时，表示重定向。（2）带参数GET操作。（3）JSON文件操作。（2）获得cookie。（4）获得二进制数据。（1）基础GET操作。
2024-05-06 01:00:00
220
原创 python网络爬虫学习——chrome浏览分析网站
经由超链接从一个网页访问到另一个网页，从一个站点到另一站点的这一切组成一个庞大的网，就是Web。点击下图右上角位置红框处的按钮，当鼠标停留在网页中的某个内容上时，Elements中会定位到该内容在源代码中的位置。平常在浏览器中看到的网页都是比较规整的， 但抓取到的网页源代码却是一个很繁杂的文件， 想要精准找到需要抓取的信息， 首先需要借助浏览器，对目标网站进行分析。以上主要介绍的是怎样利用chrome浏览器帮助解析目标站点，主要利用Chrome的检查功能，分析网页结构，定位网页内容。①单击Network。
2024-05-06 01:00:00
316
原创 python网络爬虫学习——XPath的使用
使用XPath拿到的都是一个ElementTree对象，所以假如需要查找内容，还需要遍历拿到数据的列表，查到绝对路径下a标签属性等于link.html的内容。在XPath中，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档节点。前面找到的都是绝对路径，每一个都是从根开始查找，下面查找相对路径，例如查找全部li标签下的a标签内容。7、使用相对路径查找全部a标签的属性等于href属性值。10、查找倒数第二个li标签里的a标签的内容。9、查找最后一个li标签里的a标签的内容。
2024-05-05 01:00:00
223
原创 《R语言与农业数据统计分析及建模》学习——并行计算
例如：有10万个结构相同的数据文件，想把每个文件的数据都读出来。案例：写一个function，实现对一个数取平方之后，再除以17，再乘以19。针对1至100000的自然熟，运行这个function。案例2：正对1到2000000每个自然数除以13，如果余数大于5，则求该数平方，否则求开平发。当下时代，我们需要处理的数据量日渐增大，R的计算模式限制了R处理大规模数据的能力。R语言是一个单线程的程序。并行计算是指同时使用多种计算资源解决计算问题的过程。案例1：计算1到1000每个自然数的平方。
2024-05-04 01:00:00
215
原创 《R语言与农业数据统计分析及建模》学习——数字图像处理
EBImage包中提供了translate、resize、rotate等函数来实现图像的平移、尺寸缩放、旋转、平移等操作。R语言中使用EBImage图像处理包：能够在R语言环境下进行信号处理、统计建模、机器学习和图像数据可视化。图像是以矩阵或者数组的形式存储的，对其进行加减乘除数学运算，可以实现图像亮度的增强与减弱。图像的乘方操作会使数值小的像素点变得更小最后趋于0，而本身为1的白像素点保持不变。通过两张图像的加减可以实现图像的合并与差分。，实现图像反色处理，在有些时候可以有效的提取图像的信息。
2024-05-03 01:00:00
394
原创 《R语言与农业数据统计分析及建模》学习——机器学习
机器学习方法是计算机利用已有的数据（经验），得出某种模型，并利用此模型预测未来的一种方法。比较模型的预测精度，需要进行多次训练模型并预测，得到较稳定的结果。（2）直接比较平均预测精度虽然可以看出模型的平均水平，但难以得到模型的上下限以及稳定性等信息。不同的机器学习模型需要使用不同的函数包，因此我们自爱建模之前要先下载安装好相应的函数包。决策树方法，处理离散值时，称为决策树；注意：运行30次仍具有一定的偶然性，每次运行的结果仍会有所不同。（1）模型的比较可以直接使用平均预测精度直接进行比较。
2024-05-02 01:00:00
299
原创 《R语言与农业数据统计分析及建模》学习——logistic回归和poisson回归
普通线性回归通常用来描述变量y与x之间的线性关系：普通线性模型的假设是：响应变量y是连续型变量而且，服从正态分布分布。但在很多现实情况y并不是正态分布，如：二值问题/多分类问题，计次问题等，这些问题都是广义线性回归的范畴。广义线性回归用于解决因变量不是正态分布的问题。
2024-05-01 01:00:00
346
原创 《R语言与农业数据统计分析及建模》——多重共线性和逐步回归
而且结合前面自变量与因变量的关系图可知3个自变量与因变量是正相关关系，但temp的回归系数却是负的。VIF>5表明存在严重的共线性。逐步回归用于筛选最重要的变量，来建立回归分析的预测或者解释模型。可以解决：当因变量受到大量因素的影响时，建立回归模型，将不可能也没必要考虑的所有影响因素排除在外。作物产量与生育期内气象条件密切相关，现有某地区10年的作物产量和太阳辐射、温度、降雨的统计数据，据此建立回归模型。逐步回归分析是一种AIC信息统计量为准则，通过选择最小的AIC信息统计量，来达到删除或增加变量的目的。
2024-04-30 01:00:00
717
原创 《R语言与农业数据统计分析及建模》学习——回归分析
在系数的t检验，可知rain变量的回归系数是显著的，而temp变量的回归系数是不显著的。spreadLevelPlot()函数创建一个添加了最佳拟合曲线的散点图，来展示标准化残差绝对值与拟合值的关系。线性回归是一种广泛用于数据分析、预测和建模的技术，可以帮助我们理解变量之间的关系，并进行预测和推断。简单线性回归是线性回归的一种特殊情况，适用于只有一个自变量和一个因变量的情况。（2）Durbin-Watson检验的函数，能够检测误差的序列相关性。最常见的方法就是对lm()函数的返回对象使用plot()。
2024-04-29 01:00:00
516
原创 《R语言与农业数据统计分析及建模》学习——判别分析和主成分分析
判别分析又称“分辨法”。使用已知分类的数据训练建立分类规则，然后把这样的规则应用到未知分类的样本中去分类，以识别位置样本所属的分类。判别分析多用于遥感影像的地物分类；农林害虫预报；气象数据中的天气预报等等。
2024-04-28 01:00:00
881
原创 《R语言与农业数据统计分析及建模》学习——聚类分析
聚类分析时一种分类技术。与回归分析、判别分析被一起成为多元分析的三大方法。根据分类的方法可将聚类分析分为：层次聚类、快速聚类等。
2024-04-27 01:00:00
436
原创 《R语言与农业数据统计分析及建模》学习——方差分析
方差分析是研究一种或多种因素的变化对试验结果的观测值是否有显著影响，从而找到较优试验条件或生产条件的一种常用数理统计方法。方差分析根据平方和的加和原理，利用F检验，进而判断试验因素对试验结果的影响是否显著。
2024-04-26 01:00:00
1126
原创 《R语言与农业数据统计分析及建模》学习——描述性统计分析
描述性统计是对数据进行概括和描述，便于理解数据的特征、趋势和分布，帮助我们了解数据基本情况和总体特征，为后续更深入的数据分析和建模提供基础。Hmisc包中的describe()函数可返回变量可观测的数量、缺失值和唯一值的数目、平均值、分位数、以及前五个最大值和最小值。它可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度和平均值的标准误。基础包中的summary()函数提供最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻辑性向量的频数统计。
2024-04-25 01:00:00
292
原创 《R语言与农业数据统计分析及建模》学习——ggplot2绘图基础
散点图：用于展示两个变量之间的关系，可用于观察数据的分布、趋势和异常值。折线图：用于展示随时间或其他连续变量变化的趋势，常用于时间序列数据或连续试验结果。饼图：用于显示不同部分占整体的比例，适用于展示百分比或比例数据。柱形图：用于比较不同类别之间的数据，适用于展示离散数据或对比不同处理组的结果。直方图：用于展示数据的分布情况，特别适用于连续数据的分布查看。箱线图：用于展示数据的分布情况和异常值，可同时显示多个组别的数据比较。热力图：用于可视化矩阵型数据，通过颜色映射展示变量之间的关系。
2024-04-24 01:00:00
721
原创 《R语言与农业数据统计分析及建模》学习——数据框的向量化操作
向量化操作是指对整个数据结构进行一次性操作，而不需要使用显式的循环结构（即同时处理整个数据框的元素，而不需要使用for循环逐个处理每个元素）。条件语句可以根据某些条件对数据框的值进行修改，如根据特定条件修改某列的值，或根据多个条件创建新的列。通过逻辑运算符，我们可以筛选出数据框中满足特定条件的行或列，这样可以快速提取感兴趣的数据子集。R语言中，数学函数是向量化的，可以对整个数据框中的列进行批量计算，例如求和、求平均、取对数等。apply()系列函数是R中强大的向量化函数，可以对数据框的行或列进行迭代操作。
2024-04-23 01:00:00
176
原创 《R语言与农业数据统计分析及建模》学习——数据框的统计处理
常用的方法包括：使用subset()函数或逻辑运算符（例如==，>，<等）结合行列索引来查询数据。在数据处理过程中，有时需要对数据框的类型进行转换，比如将字符型转换为数值型，日期型转换为字符型等。重编码是指将数据框中的特定值映射为新的值，通常用于创建分类变量。aggregate()函数用于对数据框进行聚合操作，可以按照指定的条件对数据进行分组，并计算每组的汇总统计量。缺失值是指数据中缺少某些观测值或信息，而重复值是指数据中存在相同的观测记录。FUN：指定要进行聚合操作的函数，如sum，mean，max等。
2024-04-22 01:00:00
136
原创 《R语言与农业数据统计分析及建模》学习——操作数据框
R的基础包中使用rbind()函数新增行，使用[-行索引,]的方式从数据框中删除列，使用$的方式新增或删除列。要修改数据框中的数据，可以使用行列索引或列名索引的方式来定位要修改的数据，并赋予新的执行。使用split()函数根据数据框中选定列的不同取值将数据框拆分为多个子数据框。使用order()函数按照数据框中选定列的数据大小对数据框进行排序。R语言中，使用rbind()函数按行合并数据框。R语言中，使用cbind()函数按行合并数据框。2、数据框的合并和拆分。（1）按行合并数据框。（2）按列合并数据框。
2024-04-21 01:00:00
240
原创 《R语言与农业数据统计分析及建模》学习——创建与访问数据框
数据框具有多种基本属性可以用于查看和处理数据，包括纬度、列名、数据类型、列数、行数、摘要信息等。用read.table()、read.csv()函数读入外部文件的表格数据，也将可以数据框的形式保存在R中。在R语言中，可以使用不同的索引方式对数据框中的数据进行访问、索引和切片。使用data.frame()函数，可以通过列名和数据向量创建数据框。每个列名后面紧跟着一个数据向量，每个数据向量表示数据框中的一列。多种特点使数据框在数据和分析复杂数据时非常有效和方便。1、数据框的概念和特点。2、数据框的基本操作。
2024-04-20 01:00:00
367
原创 《R语言与农业数据统计分析及建模》学习——控制流
在R语言中，常见的循环语句有for、while和repeat。R语言中，条件语句有if、else if和else关键字组成。循环语句允许程序重复执行特定的代码块，知道满足特定条件。控制流是指根据循环或条件来控制程序的执行顺序和逻辑。1、控制流的概念和作用。
2024-04-19 01:00:00
184
原创 《R语言与农业数据统计分析及建模》学习——自编函数
arg1_value，arg2_value是实际参数的值，用于传递给函数。自编函数是用户根据自己需求编写的函数，用于执行特定任务或实现特定功能。return(result)用于返回函数的结果。function_name是自编函数的名称。arg1，arg2，...是函数的输入参数。函数体：是一系列的R语句和操作。（3）提高代码的可维护性。（1）提高代码的可读性。（2）提高代码的重用性。1、自编函数的概念和作用。2、自编函数的语法和结构。3、编写简单的自编函数。
2024-04-18 01:00:00
189
原创 《R语言与农业数据统计分析及建模》学习——R基础包的函数
基础包是R语言的核心组成部分，构建了R语言的基本功能框架。是R语言默认的安装包，不需要额外安装，使用时无需加载。（2）数据模式和结构转换：as.numeric()、as.data.frame()、as.Date()（3）统计分析函数：mean()、median()、dnorm()、t.test()（1）数据处理函数：unique()、sort()、subset()（4）图形绘制函数：plot()、hist()、pie()2、常用函数及其功能。
2024-04-17 01:00:00
236
原创 《R语言与农业数据统计分析及建模》学习——数据读入
以2中的绝对路径为例，若将"D:/R_class_new"设置为当前工作目录，则其后面的"./documents/data.csv"就是相对路径；若将"D:/R_class_new/documents"设置为当前工作目录，则"data.csv"就是相对路径。2、从文本文件中读取数据：用read.table()、read.csv()等函数从文本文件中读取数据。读取文件中的数据首先要确定文件路径，如果文件不在工作目录下，则必须使用绝对路径。1、使用R的函数edit()自动调用一个允许手动输入数据的数据编辑器。
2024-04-16 01:00:00
439
seaborn常用数据案例
2024-04-21
python-活用pandas库数据集
2024-04-15
R语言+统计分析+源数据
2024-04-04
excel统计分析相关文件
2024-03-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人