Pandas CookBook -- 05布尔索引

最新推荐文章于 2022-05-31 08:04:29 发布
最新推荐文章于 2022-05-31 08:04:29 发布
阅读量176 收藏
点赞数
文章标签： python
原文链接：http://www.cnblogs.com/shiyushiyu/p/9742808.html
版权

布尔索引

简书大神SeanCheney的译作，我作了些格式调整和文章目录结构的变化，更适合自己阅读，以后翻阅是更加方便自己查找吧

import pandas as pd
import numpy as np

设定最大列数和最大行数

pd.set_option('max_columns',5 , 'max_rows', 5)

1 布尔值统计信息

movie = pd.read_csv('data/movie.csv', index_col='movie_title')
movie.head()
colordirector_name...aspect_ratiomovie_facebook_likes
movie_title
AvatarColorJames Cameron...1.7833000
Pirates of the Caribbean: At World's EndColorGore Verbinski...2.350
SpectreColorSam Mendes...2.3585000
The Dark Knight RisesColorChristopher Nolan...2.35164000
Star Wars: Episode VII - The Force AwakensNaNDoug Walker...NaN0

5 rows × 27 columns

1.1 基础方法

判断电影时长是否超过两小时

movie_2_hours = movie['duration'] > 120
movie_2_hours.head(10)
movie_title
Avatar                                      True
Pirates of the Caribbean: At World's End    True
                                            ... 
Avengers: Age of Ultron                     True
Harry Potter and the Half-Blood Prince      True
Name: duration, Length: 10, dtype: bool

有多少时长超过两小时的电影

movie_2_hours.sum()
1039

超过两小时的电影的比例

movie_2_hours.mean()
0.2113506916192026

实际上，dureation这列是有缺失值的，要想获得真正的超过两小时的电影的比例，需要先删掉缺失值

movie['duration'].dropna().gt(120).mean()
0.21199755152009794

1.2 统计信息

用describe()输出一些该布尔Series信息

movie_2_hours.describe()
count      4916
unique        2
top       False
freq       3877
Name: duration, dtype: object

统计False和True值的比例

 movie_2_hours.value_counts(normalize=True)
False    0.788649
True     0.211351
Name: duration, dtype: float64

2 布尔索引

2.1 布尔条件

在Pandas中，位运算符（&, |, ~）的优先级高于比较运算符

2.1.1 创建多个布尔条件

criteria1 = movie.imdb_score > 8
criteria2 = movie.content_rating == 'PG-13'
criteria3 = (movie.title_year < 2000) | (movie.title_year >= 2010)
criteria3.head()
movie_title
Avatar                                        False
Pirates of the Caribbean: At World's End      False
Spectre                                        True
The Dark Knight Rises                          True
Star Wars: Episode VII - The Force Awakens    False
Name: title_year, dtype: bool

2.1.2 将这些布尔条件合并成一个

criteria_final = criteria1 & criteria2 & criteria3
criteria_final.head()
movie_title
Avatar                                        False
Pirates of the Caribbean: At World's End      False
Spectre                                       False
The Dark Knight Rises                          True
Star Wars: Episode VII - The Force Awakens    False
dtype: bool

2.2 布尔过滤

创建第一个布尔条件

 crit_a1 = movie.imdb_score > 8
 crit_a2 = movie.content_rating == 'PG-13'
 crit_a3 = (movie.title_year < 2000) | (movie.title_year > 2009)
 final_crit_a = crit_a1 & crit_a2 & crit_a3

创建第二个布尔条件

crit_b1 = movie.imdb_score < 5
crit_b2 = movie.content_rating == 'R'
crit_b3 = (movie.title_year >= 2000) & (movie.title_year <= 2010)
final_crit_b = crit_b1 & crit_b2 & crit_b3

合并布尔条件

final_crit_all = final_crit_a | final_crit_b
final_crit_all.head()
movie_title
Avatar                                        False
Pirates of the Caribbean: At World's End      False
Spectre                                       False
The Dark Knight Rises                          True
Star Wars: Episode VII - The Force Awakens    False
dtype: bool

过滤数据

movie[final_crit_all].head()
colordirector_name...aspect_ratiomovie_facebook_likes
movie_title
The Dark Knight RisesColorChristopher Nolan...2.35164000
The AvengersColorJoss Whedon...1.85123000
Captain America: Civil WarColorAnthony Russo...2.3572000
Guardians of the GalaxyColorJames Gunn...2.3596000
InterstellarColorChristopher Nolan...2.35349000

5 rows × 27 columns

验证过滤

cols = ['imdb_score', 'content_rating', 'title_year']
movie_filtered = movie.loc[final_crit_all, cols]
movie_filtered.head(10)
imdb_scorecontent_ratingtitle_year
movie_title
The Dark Knight Rises8.5PG-132012.0
The Avengers8.1PG-132012.0
............
Sex and the City 24.3R2010.0
Rollerball3.0R2002.0

10 rows × 3 columns

2.3 与标签索引对比

college = pd.read_csv('data/college.csv')
college2 = college.set_index('STABBR')

2.3.1 单个标签

college2中STABBR作为行索引，用loc选取

college2.loc['TX'].head()
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
STABBR
TXAbilene Christian UniversityAbilene...4020025985
TXAlvin Community CollegeAlvin...345006750
TXAmarillo CollegeAmarillo...3170010950
TXAngelina CollegeLufkin...26900PrivacySuppressed
TXAngelo State UniversitySan Angelo...3770021319.5

5 rows × 26 columns

college中，用布尔索引选取所有得克萨斯州的学校

college[college['STABBR'] == 'TX'].head()
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
3610Abilene Christian UniversityAbilene...4020025985
3611Alvin Community CollegeAlvin...345006750
3612Amarillo CollegeAmarillo...3170010950
3613Angelina CollegeLufkin...26900PrivacySuppressed
3614Angelo State UniversitySan Angelo...3770021319.5

5 rows × 27 columns

比较二者的速度

法一

%timeit college[college['STABBR'] == 'TX']
937 µs ± 58.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

法二

%timeit college2.loc['TX']
520 µs ± 21.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit college2 = college.set_index('STABBR')
2.11 ms ± 185 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

2.3.2 多个标签

布尔索引和标签选取多列

states =['TX', 'CA', 'NY']
college[college['STABBR'].isin(states)]
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
192Academy of Art UniversitySan Francisco...3600035093
193ITT Technical Institute-Rancho CordovaRancho Cordova...3880025827.5
..................
7533Bay Area Medical Academy - San Jose Satellite ...San Jose...NaNPrivacySuppressed
7534Excel Learning Center-San Antonio SouthSan Antonio...NaN12125

1704 rows × 27 columns

college2.loc[states].head()
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
STABBR
TXAbilene Christian UniversityAbilene...4020025985
TXAlvin Community CollegeAlvin...345006750
TXAmarillo CollegeAmarillo...3170010950
TXAngelina CollegeLufkin...26900PrivacySuppressed
TXAngelo State UniversitySan Angelo...3770021319.5

5 rows × 26 columns

3 查询方法

使用查询方法提高布尔索引的可读性

# 读取employee数据，确定选取的部门和列
employee = pd.read_csv('data/employee.csv')
depts = ['Houston Police Department-HPD', 'Houston Fire Department (HFD)']
select_columns = ['UNIQUE_ID', 'DEPARTMENT', 'GENDER', 'BASE_SALARY']
# 创建查询字符串，并执行query方法
qs = "DEPARTMENT in @depts and GENDER == 'Female' and 80000 <= BASE_SALARY <= 120000"
emp_filtered = employee.query(qs)
emp_filtered[select_columns].head()
UNIQUE_IDDEPARTMENTGENDERBASE_SALARY
6161Houston Fire Department (HFD)Female96668.0
136136Houston Police Department-HPDFemale81239.0
367367Houston Police Department-HPDFemale86534.0
474474Houston Police Department-HPDFemale91181.0
513513Houston Police Department-HPDFemale81239.0

4 唯一和有序索引

4.1 单列索引

college = pd.read_csv('data/college.csv')
college2 = college.set_index('STABBR')
college2.index.is_monotonic
False

将college2排序，存储成另一个对象，查看其是否有序

college3 = college2.sort_index()
college3.index.is_monotonic
True

使用INSTNM作为行索引，检测行索引是否唯一

college_unique = college.set_index('INSTNM')
college_unique.index.is_unique
True

4.2 拼装索引

使用CITY和STABBR两列作为行索引，并进行排序

college.index = college['CITY'] + ', ' + college['STABBR']
college = college.sort_index()
college.head()
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
ARTESIA, CAAngeles InstituteARTESIA...NaN16850
Aberdeen, SDPresentation CollegeAberdeen...3590025000
Aberdeen, SDNorthern State UniversityAberdeen...3360024847
Aberdeen, WAGrays Harbor CollegeAberdeen...2700011490
Abilene, TXHardin-Simmons UniversityAbilene...3870025864

5 rows × 27 columns

college.index.is_unique
False

选取所有Miami, FL的大学

法一

college.loc['Miami, FL'].head()
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
Miami, FLNew Professions Technical InstituteMiami...187008682
Miami, FLManagement Resources CollegeMiami...PrivacySuppressed12182
Miami, FLStrayer University-DoralMiami...4920036173.5
Miami, FLKeiser University- MiamiMiami...2970026063
Miami, FLGeorge T Baker Aviation Technical CollegeMiami...38600PrivacySuppressed

5 rows × 27 columns

法二

crit1 = college['CITY'] == 'Miami' 
crit2 = college['STABBR'] == 'FL'
college[crit1 & crit2]
INSTNMCITY...MD_EARN_WNE_P10GRAD_DEBT_MDN_SUPP
Miami, FLNew Professions Technical InstituteMiami...187008682
Miami, FLManagement Resources CollegeMiami...PrivacySuppressed12182
..................
Miami, FLAdvanced Technical CentersMiami...PrivacySuppressedPrivacySuppressed
Miami, FLLindsey Hopkins Technical CollegeMiami...29800PrivacySuppressed

50 rows × 27 columns

5 loc/iloc中使用布尔

movie = pd.read_csv('data/movie.csv', index_col='movie_title')

5.1 行

c1 = movie['content_rating'] == 'G'
c2 = movie['imdb_score'] < 4
criteria = c1 & c2
bool_movie = movie[criteria]
bool_movie
colordirector_name...aspect_ratiomovie_facebook_likes
movie_title
The True Story of Puss'N BootsColorJérôme Deschamps...NaN90
DoogalColorDave Borthwick...1.85346
..................
Justin Bieber: Never Say NeverColorJon M. Chu...1.8562000
Sunday School MusicalColorRachel Goldenberg...1.85777

6 rows × 27 columns

loc使用bool

法一

movie_loc = movie.loc[criteria]

检查loc条件和布尔条件创建出来的两个DataFrame是否一样

movie_loc.equals(movie[criteria])
True

法二

movie_loc2 = movie.loc[criteria.values]
movie_loc2.equals(movie[criteria])
True

iloc使用bool

因为criteria是包含行索引的一个Series，必须要使用底层的ndarray，才能使用，iloc

movie_iloc = movie.iloc[criteria.values]
movie_iloc.equals(movie_loc)
True

5.2 列

布尔索引也可以用来选取列

criteria_col = movie.dtypes == np.int64
criteria_col.head()
color                      False
director_name              False
num_critic_for_reviews     False
duration                   False
director_facebook_likes    False
dtype: bool
movie.loc[:, criteria_col].head()
num_voted_userscast_total_facebook_likesmovie_facebook_likes
movie_title
Avatar886204483433000
Pirates of the Caribbean: At World's End471220483500
Spectre2758681170085000
The Dark Knight Rises1144337106759164000
Star Wars: Episode VII - The Force Awakens81430
movie.iloc[:, criteria_col.values].head()
num_voted_userscast_total_facebook_likesmovie_facebook_likes
movie_title
Avatar886204483433000
Pirates of the Caribbean: At World's End471220483500
Spectre2758681170085000
The Dark Knight Rises1144337106759164000
Star Wars: Episode VII - The Force Awakens81430

6 使用布尔值 - where/mask

mask() is the inverse boolean operation of where.

DataFrame.where(cond, other=nan, inplace=False **kwgs)
Parameters:

  • cond : boolean NDFrame, array-like, or callable

    • Where cond is True, keep the original value. Where False, replace with corresponding value from other. If cond is callable, it is computed on the NDFrame and should return boolean NDFrame or array. The callable must not change input NDFrame (though pandas doesn’t check it).
    • cond是一个与df通型的dataframe,当dataframe与cond对应的位置是true是，保留原值。否则便为other对应的值
  • other : scalar, NDFrame, or callable
  • inplace : boolean, default False
    • Whether to perform the operation in place on the data

6.1 Series使用where

movie = pd.read_csv('data/movie.csv', index_col='movie_title')
fb_likes = movie['actor_1_facebook_likes'].dropna()
fb_likes.head()
movie_title
Avatar                                         1000.0
Pirates of the Caribbean: At World's End      40000.0
Spectre                                       11000.0
The Dark Knight Rises                         27000.0
Star Wars: Episode VII - The Force Awakens      131.0
Name: actor_1_facebook_likes, dtype: float64

使用describe获得对数据的认知

fb_likes.describe(percentiles=[.1, .25, .5, .75, .9]).astype(int)
count      4909
mean       6494
          ...  
90%       18000
max      640000
Name: actor_1_facebook_likes, Length: 10, dtype: int64

检测小于20000个喜欢的的比例

criteria_high = fb_likes < 20000
criteria_high.mean().round(2)
0.91

where条件可以返回一个同样大小的Series，但是所有False会被替换成缺失值

fb_likes.where(criteria_high).head()
movie_title
Avatar                                         1000.0
Pirates of the Caribbean: At World's End          NaN
Spectre                                       11000.0
The Dark Knight Rises                             NaN
Star Wars: Episode VII - The Force Awakens      131.0
Name: actor_1_facebook_likes, dtype: float64

第二个参数other，可以让你控制替换值

fb_likes.where(criteria_high, other=20000).head()
movie_title
Avatar                                         1000.0
Pirates of the Caribbean: At World's End      20000.0
Spectre                                       11000.0
The Dark Knight Rises                         20000.0
Star Wars: Episode VII - The Force Awakens      131.0
Name: actor_1_facebook_likes, dtype: float64

通过where条件，设定上下限的值

criteria_low = fb_likes > 300
fb_likes_cap = fb_likes.where(criteria_high, other=20000).where(criteria_low, 300)
fb_likes_cap.head()
movie_title
Avatar                                         1000.0
Pirates of the Caribbean: At World's End      20000.0
Spectre                                       11000.0
The Dark Knight Rises                         20000.0
Star Wars: Episode VII - The Force Awakens      300.0
Name: actor_1_facebook_likes, dtype: float64

原始Series和修改过的Series的长度是一样的

len(fb_likes), len(fb_likes_cap)
(4909, 4909)

6.2 dataframe使用where

df = pd.DataFrame({'vals': [1, 2, 3, 4], 'ids': ['a', 'b', 'f', 'n'],'ids2': ['a', 'n', 'c', 'n']})
print(df)
print(df < 2)
df.where(df<2,1000)
   vals ids ids2
0     1   a    a
1     2   b    n
2     3   f    c
3     4   n    n
    vals   ids  ids2
0   True  True  True
1  False  True  True
2  False  True  True
3  False  True  True
valsidsids2
01aa
11000bn
21000fc
31000nn

下面的代码等价于 df.where(df < 0,1000).

print(df[df < 2])
df[df < 2].fillna(1000)
   vals ids ids2
0   1.0   a    a
1   NaN   b    n
2   NaN   f    c
3   NaN   n    n
valsidsids2
01.0aa
11000.0bn
21000.0fc
31000.0nn

转载于:https://www.cnblogs.com/shiyushiyu/p/9742808.html

weixin_30487701
关注
数据预处理 1.4 DataFrame查询
pmr0528的博客
11-29 1741
seies也可以使用sort_values和sort_index函数进行排序，只不过series的sort_values方法没有by参数。df.sort_values(by=['列标签'],ascending=True)loc和query如果跟多个条件可以用&、|表示条件之间的关系。指定列分组，并对分组数据的相应列进行行相应的聚合操作。按照columns指定的列进行降序，并取前n行数据。ascending参数默认是True表示升序。获取DataFrame中满足条件的数据。
Pandas教程：教你DataFrame数据的条件筛选——精选篇
最新发布
qq_41314882的博客
12-08 7580
pandas是一个Python数据分析库，它提供了许多方便的函数和方法帮助我们处理数据。此外，pandas还可以与其他Python库集成使用，如NumPy、Matplotlib等，以进行更复杂的数据处理和可视化。pandas的主要功能包括
Python数据分析：计算数组中每个元素的梯度numpy.gradient()
liujingwei8610的专栏
05-31 4259
【小白从小学Python、C、Java】 【Python-计算机等级考试二级】 【Python-数据分析】 Python数据分析 计算数组中每个元素的梯度 每个元素之后一项和之前一项的变化幅度 numpy.gradient() 选择题 关于以下代码的输出结果是? import numpy as np array1 = np.array([0,2,8,16]) gradient=np.gradient(array1) print(gradient) A选项：[2.0 4.0 6.0 8.0] B选项：[2.0
拯救pandas计划（4）——DataFrame分组条件查找值
weixin_46281427的博客
01-14 572
拯救pandas计划（4）——DataFrame分组条件查找值/ 数据需求/ 需求拆解/ 需求处理方法一：方法二：/ 总结 最近发现周围的很多小伙伴们都不太乐意使用pandas，转而投向其他的数据操作库，身为一个数据工作者，基本上是张口pandas，闭口pandas了，故而写下此系列以让更多的小伙伴们爱上pandas。 系列文章说明： 系列名（系列文章序号）——此次系列文章具体解决的需求 平台： windows 10 python 3.8 pandas >=1.2.4 / 数据需求 依据各个用
pandas中文手册（pandas-cookbook）.rar
11-04
- 数据选择：索引、切片、布尔索引。 - 分组操作：`groupby()`，可用于聚合、分组计算等。 5. **数据合并与连接** - 数据拼接：`concat()`。 - 表格连接：`merge()`，类似SQL的JOIN操作。 - 合并对齐：`align...
Pandas Cookbook
01-21
《Pandas Cookbook》是Pandas库的一本官方指南，针对最新版本0.22提供了全面的教程和基础知识。Pandas是Python数据科学领域最常用的数据分析工具之一，它以其高效、灵活和易用性深受广大数据工作者的喜爱。下面将...
Pandas CookBook with Python
09-23
《Pandas CookBook with Python》是一本专注于使用Python数据分析库Pandas进行数据处理的实践指南。Pandas是Python中广泛使用的库，它为数据科学家、机器学习工程师和统计学家提供了强大的工具，使得数据清洗、转换...
pandas中文参考手册（cookbook翻译版）
12-18
#### 第05章：布尔索引 布尔索引是利用布尔逻辑（True/False）来选取数据子集的一种方法。这对于条件筛选非常有用，比如选取评分超过某个阈值的电影数据。 #### 第06章：索引对齐 pandas在进行数据操作时，会自动...
十分钟搞定pandas1
08-08
- 布尔索引允许根据条件选择数据。 - 使用`where()`和`isin()`方法进行更复杂的过滤和设置。 4. 缺失值处理： - pandas使用`np.nan`表示缺失值，不参与计算。 - `reindex()`可以添加、删除或更改索引，并处理...
DataFrame多条件筛选
weixin_36420750的博客
05-16 2万+
两种方法： 1.使用query()方法，也是自己最常用的方法，数据量大的时候较快，语法较为简单； 2.使用 df[(df.c1==1) & (df.c2==1)] 的格式，注意这里的()不能省略 ，虽然在Python条件判断中 >、<、== 的优先级要高于 and 和 or ，但是在DataFrame多条件运算中并不是这样。在这栽了两次了。 ...
dataframe按照条件选取行
u100k的博客
05-13 8万+
dataframe按照条件选取行
pandas中Dataframe的查询方法（[], loc, iloc, at, iat, ix）
热门推荐
Foresee的博客
03-23 11万+
pandas为我们提供了多种切片方法，而要是不太了解这些方法，就会经常容易混淆。下面举例对这些切片方法进行说明。数据介绍先随机生成一组数据：In [5]: rnd_1 = [random.randrange(1,20) for x in xrange(1000)] ...: rnd_2 = [random.randrange(1,20) for x in xrange(1000)] ..
Pandas高阶篇六(数据的过滤和筛选)
qq_42379006的博客
06-25 1万+
from pandas import Series,DataFrame import pandas as pd import numpy as np from numpy import nan as NA from matplotlib import pyplot as plt np.random.seed(12345) data = np.random.randn(1000,4) #1000...
pandas提取列中一部分数据_Pandas核心能力10：查找替换
weixin_39670849的博客
11-27 290
Pandas核心能力10：查找替换In [1]:import pandas as pddf = pd.read_csv('replace.csv', encoding = 'gbk')df.head()Out[1]:ABCD01.0S1python差12.0S2pythons一般23.0S3python好3NaNs3pythons差45.0S5pythonNaN1. DataFrame内查找替换I...
ch04 基本数据管理
qq_38558887的博客
10-14 512
基本数据管理一、一个示例 一、一个示例 manager <- c(1,2,3,4,5) date <- c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09") gender <- c("M","F","F","M","F") age <- c(32,45,25,39,99) q1 <- c(5,3,3,3,2) q2 <- c(4,5,5,3,2) q3 <- c(5,2,5,4,1) q4 <- c(5,
mysql分组(group by)后检查是否包含某些值的学习
Revivedsun的专栏
11-20 9321
1 背景 开发业务使用mysql数据库时，为了扩展性通常会使用列表（纵表)。如下图，在这个表中抽象出类型和值，当类型增加后，不需要改表结构，直接插入即可。 表名：config type value 1 出行 1 饮食 1 娱乐 2 饮食 2 娱乐 有时候通过这类表建立配置表。初始会通过人工导入一些数据，同时要求数据必须满足某些条件，比如表中约定任意一个type都必须要有“出行”这个值。 在人工操作时，有时会发生忘记导入某些数据。从上面的例子看，就是2这个类型下缺少了出行这
高效 遍历 算法_LightGBM算法介绍（上）
weixin_39873325的博客
12-14 551
本专题课程目录第一节LightGBM算法介绍(上)---LightGBM算法基本原理第二节LightGBM算法介绍(中)---LightGBM代码、参数调节以及那些年我们踩过的坑第三节LightGBM算法介绍(下)---LightGBM案例“一种网络信号预测方法”LightGBM算法基本原理01 GBDT和LightGBM对比02 LightGBM的动机03 LightGBM优化0...
Python干货：panda特殊索引器——过滤数据
Python6886的博客
11-17 441
迄今为止最常见从DataFrame获取元素、行和列的数据索引方式： Dataframe.[]；此函数也称为索引运算符。 Dataframe.loc[]:此函数用于标签。 Dataframe.iloc[]:此函数用于基于位置或整数的 Dataframe.ix[]:此函数用于标号和基于整数的函数。 它们统称为索引器。而布尔索引是一种索引类型，它使用DataFrame中数据的实际值。 它们统称为索引器。而布尔索引是一种索引类型，它使用DataFrame中数据的实际值。 根据DataFrame...
dataframe 一列的不同值_根据条件增加DataFrame的列
weixin_39816024的博客
11-26 1222
编译：老齐与本文有关的图书推荐：《跟老齐学Python：数据分析》当我们使用Python进行数据分析时，有时可能需要向DataFrame添加列，所添加的列要基于DataFrame的其他列的值。虽然这听起来很简单，但是，不少初学想到的是用if-else条件语句来实现，这就把问题搞复杂了。有一个简单又有效的方法，下面就来看看这种方法如何使用。加载一个数据集。import pandas as ...
python pandas as- index
09-06
import pandas as pd # 创建一个示例 DataFrame data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12]} df = pd.DataFrame(data) # 将列 'A' 设置为索引 df.set_index('A', inplace=True) ``` ...
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