龙珠训练营python-Pandas揭秘美国选民的总统喜好

最新推荐文章于 2021-06-30 18:26:50 发布
最新推荐文章于 2021-06-30 18:26:50 发布
阅读量763 收藏 1
点赞数
分类专栏： 数据挖掘 文章标签： python
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/weixin_40373090/article/details/115575374
版权

阿里天池龙珠训练营python数据分析项目

用Pandas揭秘美国选民的总统喜好

链接https://tianchi.aliyun.com/competition/entrance/531837/introduction?spm=5176.19700039.J_9059755190.8.31b83ff4xsaTH1

import pandas as pd

#读取并命名 names为每列数据命名
candidates = pd.read_csv("./president_data/weball20.txt",sep = '|',names=['CAND_ID','CAND_NAME','CAND_ICI','PTY_CD','CAND_PTY_AFFILIATION','TTL_RECEIPTS',
                                                          'TRANS_FROM_AUTH','TTL_DISB','TRANS_TO_AUTH','COH_BOP','COH_COP','CAND_CONTRIB',
                                                          'CAND_LOANS','OTHER_LOANS','CAND_LOAN_REPAY','OTHER_LOAN_REPAY','DEBTS_OWED_BY',
                                                          'TTL_INDIV_CONTRIB','CAND_OFFICE_ST','CAND_OFFICE_DISTRICT','SPEC_ELECTION','PRIM_ELECTION','RUN_ELECTION'
                                                          ,'GEN_ELECTION','GEN_ELECTION_PRECENT','OTHER_POL_CMTE_CONTRIB','POL_PTY_CONTRIB',
                                                          'CVG_END_DT','INDIV_REFUNDS','CMTE_REFUNDS'])
ccl = pd.read_csv("./president_data/ccl.txt",sep='|',names=['CAND_ID','CAND_ELECTION_YR','FEC_ELECTION_YR','CMTE_ID','CMTE_TP','CMTE_DSGN','LINKAGE_ID'])
ccl = pd.merge(ccl,candidates)
#提取需要的列使用pandas中的DataFrame结构
#委员会ID  候选人ID 姓名 党派
ccl = pd.DataFrame(ccl,columns=['CMTE_ID','CAND_ID', 'CAND_NAME','CAND_PTY_AFFILIATION'])
ccl.head(10)
 CMTE_IDCAND_IDCAND_NAMECAND_PTY_AFFILIATION
0C00697789H0AL01055CARL, JERRY LEE, JRREP
1C00701557H0AL01063LAMBERT, DOUGLAS WESTLEY IIIREP
2C00701409H0AL01071PRINGLE, CHRISTOPHER PAULREP
3C00703066H0AL01089HIGHTOWER, BILLREP
4C00708867H0AL01097AVERHART, JAMESDEM
5C00710947H0AL01105GARDNER, KIANI ADEM
6C00722512H0AL01121CASTORANI, JOHNREP
7C00725069H0AL01139COLLINS, FREDERICK G. RICK'DEM
8C00462143H0AL02087ROBY, MARTHAREP
9C00493783H0AL02087ROBY, MARTHAREP
itcont = pd.read_csv("./president_data/itcont_2020_20200722_20200820.txt",sep='|',names=['CMTE_ID','AMNDT_IND','RPT_TP','TRANSACTION_PGI',
                                                                                  'IMAGE_NUM','TRANSACTION_TP','ENTITY_TP','NAME','CITY',
                                                                                  'STATE','ZIP_CODE','EMPLOYER','OCCUPATION','TRANSACTION_DT',
                                                                                  'TRANSACTION_AMT','OTHER_ID','TRAN_ID','FILE_NUM','MEMO_CD',
                                                                                  'MEMO_TEXT','SUB_ID'])
citcont = pd.merge(ccl,itcont)
#接受捐赠的候选人姓名  捐赠人姓名 所在州 所在公司 职业 数额（美元） 收到捐款的日期 候选人党派
citcont = pd.DataFrame(citcont,columns=['CAND_NAME','NAME', 'STATE','EMPLOYER','OCCUPATION',
                                           'TRANSACTION_AMT', 'TRANSACTION_DT','CAND_PTY_AFFILIATION'])
citcont.head(10)
 CAND_NAMENAMESTATEEMPLOYEROCCUPATIONTRANSACTION_AMTTRANSACTION_DTCAND_PTY_AFFILIATION
0MORGAN, JOSEPH DAVIDMARTIN, WILLIAM IIAZRETIREDRETIRED1007242020REP
1MORGAN, JOSEPH DAVIDRODRIGUEZ, GERARDOAZVA HOSPITALLAB TECH407242020REP
2MORGAN, JOSEPH DAVIDRODRIGUEZ, GERARDOAZVA HOSPITALLAB TECH407312020REP
3WOOD, DANIELHOPKINS, RICHARDAZPOWERS-LEAVITTINSURANCE AGENT3008102020REP
4WOOD, DANIELPENDLETON, DIANEAZUNEMPLOYEDNaN5008072020REP
5WOOD, DANIELPREVATT, WILLIAMAZSELF-EMPLOYEDDVM5007312020REP
6WOOD, DANIELHARDING, DOUGAZMICROSUREOPERATIONS MANAGER28008102020REP
7WOOD, DANIELHARDING, MARIAZNaNNaN14008152020REP
8WOOD, DANIELHEDGER, CYNTHIATXNaNNaN2007312020REP
9HUANG, PEGGYHUANG - PERSONAL FUNDS, PEGGYCAOFFICE OF THE ATTORNEY GENERALDEPUTY ATTORNEY GENERAL26007252020REP
citcont.shape
citcont.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 756205 entries, 0 to 756204
Data columns (total 8 columns):
CAND_NAME               756205 non-null object
NAME                    756205 non-null object
STATE                   756160 non-null object
EMPLOYER                737413 non-null object
OCCUPATION              741294 non-null object
TRANSACTION_AMT         756205 non-null int64
TRANSACTION_DT          756205 non-null int64
CAND_PTY_AFFILIATION    756205 non-null object
dtypes: int64(2), object(6)
memory usage: 51.9+ MB


#inplace True表示直接修改源对象
citcont['EMPLOYER'].fillna('NO PROVIDED',inplace=True)
citcont['OCCUPATION'].fillna('NO PROVIDED',inplace=True)
citcont['TRANSACTION_AMT'].fillna('NO PROVIDED',inplace=True)
#将日期7202020调整为2020720 要记得最后加[]再次形成列表
citcont['TRANSACTION_DT'] = citcont['TRANSACTION_DT'].astype(str)
citcont['TRANSACTION_DT'] =[ i[3:7]+i[0]+i[1:3] for i in citcont['TRANSACTION_DT'] ]
citcont.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 756205 entries, 0 to 756204
Data columns (total 8 columns):
CAND_NAME               756205 non-null object
NAME                    756205 non-null object
STATE                   756160 non-null object
EMPLOYER                756205 non-null object
OCCUPATION              756205 non-null object
TRANSACTION_AMT         756205 non-null int64
TRANSACTION_DT          756205 non-null object
CAND_PTY_AFFILIATION    756205 non-null object
dtypes: int64(1), object(7)
memory usage: 51.9+ MB

citcont.describe()
citcont['CAND_NAME'].describe()
 TRANSACTION_AMT
count7.562050e+05
mean1.504307e+02
std2.320452e+03
min-5.600000e+03
25%2.000000e+01
50%3.500000e+01
75%1.000000e+02
max1.500000e+06
#按照领导人姓名、受赠团体等分组观察数据
citcont.groupby("CAND_PTY_AFFILIATION").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
 TRANSACTION_AMT
CAND_PTY_AFFILIATION 
DEM75961730
REP37170653
IND328802
LIB169202
DFL76825
GRE18607
NON11256
UNK10195
CON4117
BDY3250
citcont.groupby("CAND_NAME").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
 TRANSACTION_AMT
CAND_NAME 
BIDEN, JOSEPH R JR68111142
TRUMP, DONALD J.16594982
SULLIVAN, DAN9912465
JACOBS, CHRISTOPHER L.6939209
BLOOMBERG, MICHAEL R.3451916
MARKEY, EDWARD J. SEN.606832
SHAHEEN, JEANNE505446
KENNEDY, JOSEPH P III467738
CORNYN, JOHN SEN345959
FIGLESTHALER, WILLIAM MATTHEW MD258221
citcont.groupby("OCCUPATION").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
 TRANSACTION_AMT
OCCUPATION 
NOT EMPLOYED24436214
RETIRED18669950
NO PROVIDED5086555
ATTORNEY4443569
FOUNDER3519109
PHYSICIAN3295595
CONSULTANT1647033
LAWYER1565976
PROFESSOR1481260
EXECUTIVE1467865
#查看每个州捐款人的数量
citcont["STATE"].value_counts().head(5)
CA    127895
TX     54457
FL     54343
NY     49453
MA     29314
Name: STATE, dtype: int64



# 导入matplotlib中的pyplot
import matplotlib.pyplot as plt
# 为了使matplotlib图形能够内联显示
%matplotlib inline
# 导入词云库
from wordcloud import WordCloud,ImageColorGenerator

#各州的捐赠数排名
res = citcont.groupby("STATE").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
res = pd.DataFrame(res,columns=["TRANSACTION_AMT"])
res.plot(kind='bar')

 
#各个州的捐赠次数排名
res1 = citcont.groupby("STATE").size().sort_values(ascending=False).head(10)
res1.plot(kind='bar')

 
#拜登获得的捐赠在各个州的占比
biden = citcont[citcont["CAND_NAME"] == 'BIDEN, JOSEPH R JR']
biden_state = biden.groupby("STATE").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
biden_state.plot.pie(figsize=(10,10),autopct='%0.2f%%',subplots=True)

 

 
# 将所有捐赠者姓名连接成一个字符串
data = ' '.join(biden["NAME"].tolist())
# 读取图片文件
bg = plt.imread("././././././././president_data/biden.jpg")
# 生成
wc = WordCloud(# FFFAE3
    background_color="white",  # 设置背景为白色，默认为黑色
    width=890,  # 设置图片的宽度
    height=600,  # 设置图片的高度
    mask=bg,    # 画布
    margin=10,  # 设置图片的边缘
    max_font_size=100,  # 显示的最大的字体大小
    random_state=20,  # 为每个单词返回一个PIL颜色
).generate_from_text(data)
# 图片背景
bg_color = ImageColorGenerator(bg)
# 开始画图
plt.imshow(wc.recolor(color_func=bg_color))
# 为云图去掉坐标轴
plt.axis("off")
# 画云图，显示
# 保存云图
#wc.to_file("biden_wordcloud.png")

 

 

import seaborn as sns
res = citcont.groupby("STATE").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)
sns.heatmap(res,cmap='Reds')
plt.show()

 

 

#收到捐赠额最多的两位候选人的总捐赠额变化趋势
biden = citcont[citcont["CAND_NAME"] == 'BIDEN, JOSEPH R JR']
trump = citcont[citcont["CAND_NAME"] == 'TRUMP, DONALD J.']
biden_tot = biden.groupby("TRANSACTION_DT").sum().sort_values("TRANSACTION_AMT",ascending=False)
trump_tot = trump.groupby("TRANSACTION_DT").sum().sort_values("TRANSACTION_AMT",ascending=False)
biden_tot.plot(kind='bar')
trump_tot.plot(kind='bar')

 

 

 

 
 

 
 

 

                

        

        

    




    

      

        

            

              
                
                  会上树的毛毛
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    1
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
利用Pandas分析美国选民总统喜好度-数据集

				
			

			

				

					03-19
				

			

		

		

			
				
ccl.txt
weball20.txt 
ccl.txt 
weball20.txt 
itcont_2020_20200516_20200603.txt

			
		

	



                

              
                



	

		

			

				
					
用Pandas分析了75w多条数据，揭秘美国选民的总统喜好

				
			

			

				

					简说Python的博客
				

				

					10-24
					
					2178
					
				

			

		

		

			
				
↑↑↑关注后"星标"简说Python人人都可以简单入门Python、爬虫、数据分析简说Python严选来源：天池大数据科研平台原文：https://tianchi.ali...

			
		

	



                


  
              

                


	

		

			

				
					
用Pandas揭秘美国选民的总统喜好

				
			

			

				

					TA_cheng的博客
				

				

					05-01
					
					207
					
				

			

		

		

			
				
本学习笔记为阿里云天池龙珠计划Docker训练营的学习内容，学习链接为：https://tianchi.aliyun.com/specials/promotion/aicamppython?spm=5176.22758685.J_6770933040.1.6f103da1SLrbkx

1、赛前准备





2、数据处理



3.数据探索与清洗





以上是赛前要准备的比较重要的代码。

总捐最多的候选人捐赠者词云图



4.学习思考和总结

1.当要使用词云时，需要安装词云处理包

2.数据分.

			
		

	





	

		

			

				
					
【Python入门系列】一个简单的数据分析问题——用Pandas揭秘美国选民的总统喜好

				
			

			

				

					onlyme321的博客
				

				

					01-28
					
					396
					
				

			

		

		

			
				
作业Task4
在开始呈现作业之前，先给大家展示一下在写作业过程中报的错
1.安装包的过程中报错



			
		

	



		

			
		



	

		

			

				
					
python-pandas-例子.docx

				
			

			

				

					06-11
				

			

		

		

			
				
例如，我们可以使用以下代码删除DataFrame中的重复行： ```python df.drop_duplicates(inplace=True) python-pandas-例子全文共4页，当前为第1页。 ``` python-pandas-例子全文共4页，当前为第1页。 3. 数据筛选 ...

			
		

	





	

		

			

				
					
Python-pandas-2.0.3版本whl安装文件及依赖文件

					
最新发布

				
			

			

				

					05-09
				

			

		

		

			
				
那么我们就要使用离线安装的方式进行安装了，这里提供了pandas-2.0.3-cp38-cp38-win_amd64.whl、python_dateutil-2.9.0.post0-py2.py3-none-any.whl、pytz-2024.1-py2.py3-none-any.whl这些依赖包，已经在本地安装...

			
		

	





	

		

			

				
					
neo4j-python-pandas-py2neo-v3:利用pandas将excel中数据抽取，以三元组形式加载到neo4j数据库中构建相关知识图谱

				
			

			

				

					05-14
				

			

		

		

			
				
neo4j-python-pandas-py2neo-v3 利用pandas将excel中数据抽取，以三元组形式加载到neo4j数据库中构建相关知识图谱 Neo4j知识图谱构建 1.运行环境： python3.6.5 windows10 具体包依赖可以参考文件requirements.txt ...

			
		

	





	

		

			

				
					
Python-Pandas：Pandas数据处理笔记本

				
			

			

				

					02-18
				

			

		

		

			
				
Python熊猫 在此存储库中，我分享了与Pandas Dataframe Manipulation相关的项目的Jupyter Notebook：  能源市场分析-西班牙 Spotify个人流分析

			
		

	





	

		

			

				
					
天池新人赛-用Pandas揭秘美国选民的总统喜好

				
			

			

				

					Chillax_LXL的博客
				

				

					01-10
					
					350
					
				

			

		

		

			
				
阿里天池新人赛-用Pandas揭秘美国选民的总统喜好
主要使用pandas库进行数据的处理，以及分析，使用mathplotlib进行数据的可视化，使用词云进行了辅助的词语统计；
通过实际的联系，对于数据的处理有了比较深入的认识，比较使用Excel进行数据处理，使用python有着其独特的优势，特别是在处理大量数据方面，处理速度明显提升；
pandas库主要使用函数：

read_csv：用于读取文件的函数,可接受参数如下

filepath_orbuffer：文件路径；
sep：定义分隔符，默认为’,’；


			
		

	





	

		

			

				
					
阿里天池用Pandas揭秘美国选民的总统喜好附加题

				
			

			

				

					weixin_45743162的博客
				

				

					03-06
					
					239
					
				

			

		

		

			
				
= =我也不知道有没有杯子，大家权当热闹看看吧。
第一个附加题是按州总捐款热力地图（前面的大家可以直接在天池看，这是个教程类的入门，前面的说实话没啥好看的，新手就好好看看)
import seaborn
data = c_itcont.groupby('STATE').sum().sort_values("TRANSACTION_AMT", ascending=False)[:10]
#画出热力图
seaborn.heatmap(data)


第二个附加题是收到捐赠额最多的两位候选人的总捐赠额变化趋势
n

			
		

	





	

		

			

				
					
用Pandas揭秘美国选民的总统喜好【天池比赛】

				
			

			

				

					eerywh的博客
				

				

					01-12
					
					884
					
				

			

		

		

			
				
此项目为参加阿里云Python比赛记录，供个人学习！！！！
1、赛前准备
1.1 前言
本次赛事由开源学习组织Datawhale主办，主要带领学习者利用Python进行数据分析以及数据可视化，包含数据集的处理、数据探索与清晰、数据分析、数据可视化四部分，利用pandas、matplotlib、wordcloud等第三方库带大家玩转数据分析～还有丰富礼品等你来领取哦～
学习赛事地址：https://tianchi.aliyun.com/competition/entrance/531837/introduct

			
		

	





	

		

			

				
					
阿里云天池实验室【Python入门系列】用Pandas揭秘美国选民的总统喜好

				
			

			

				

					魔菲赫伯特的博客
				

				

					03-18
					
					400
					
				

			

		

		

			
				
阿里云天池实验室【Python入门系列】用Pandas揭秘美国选民的总统喜好一、文章说明二、正文三、转载说明
一、文章说明

原有比赛地址：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12281978.0.0.7d351c277qXzrt&postId=137714
本文将原有代码的英文标签更换为中文，另附州总捐款热力地图和收到捐赠额最多的两位候选人的总捐赠额变化趋势。对于PAI平台中matplotlib库缺少中文字体的问题，尚未解决

			
		

	





	

		

			

				
					
阿里天池赛之用Pandas揭秘美国选民的总统喜好

				
			

			

				

					qq_48637067的博客
				

				

					12-06
					
					599
					
				

			

		

		

			
				
今天，参加了阿里云的一项天池赛–“用Pandas揭秘美国选民的总统喜好”。在这里，复盘一下整个的代码。
先给出赛事地址趴^_~
点我哦
接着，我们一起来瞅瞅代码。
# 安装词云处理包wordcloud
!pip install wordcloud --user

# 导入相关处理包
import pandas as pd

# 读取候选人信息，由于原始数据没有表头，需要添加表头，names后面跟的就是自己加的表头
candidates = pd.read_csv("weball20.txt", sep = 

			
		

	





	

		

			

				
					
python数据分析实战-用Pandas揭秘美国选民的总统喜好-2个可视化图表

				
			

			

				

					qq_43654952的博客
				

				

					12-30
					
					579
					
				

			

		

		

			
				
python数据分析实战按州统计捐款总额热力图
按州统计捐款总额热力图
# 按州总捐款热力地图
import seaborn as sns
st_amt2 = c_itcont.groupby('STATE').sum().sort_values("TRANSACTION_AMT",ascending=False)[:10]
st_amt2 = pd.DataFrame(st_amt, columns=['TRANSACTION_AMT'])
sns.heatmap(st_amt2, cmap='Blues

			
		

	





	

		

			

				
					
天池新手赛-利用Pandas分析美国选民总统喜好度

				
			

			

				

					weixin_41798592的博客
				

				

					03-07
					
					367
					
				

			

		

		

			
				
1.1 赛事地址 https://tianchi.aliyun.com/competition/entrance/531837/introduction
1.2 需要提前安装的包
1.3 需要提前现在好数据集  赛事指南

2. 数据处理

















内容参考： 天池大赛



			
		

	





	

		

			

				
					
数据分析-pands分析美国选民对总统的喜好(python实现）

				
			

			

				

					a284365的博客
				

				

					06-30
					
					1391
					
				

			

		

		

			
				
帮你了解数据分析的全过程，快速找到切入点。内容包括：数据源采集，处理，可视化分析三个部分。

			
		

	





	

		

			

				
					
【天池龙珠计划寒假训练营】python学习笔记（四）：利用Pandas分析美国选民总统喜好度

				
			

			

				

					weixin_44692396的博客
				

				

					02-02
					
					323
					
				

			

		

		

			
				
一、数据准备
1.1 数据集来源介绍
1. 所有候选人信息
该文件为每个候选人提供一份记录，并显示候选人的信息、总收入、从授权委员会收到的转账、付款总额、给授权委员会的转账、库存现金总额、贷款和债务以及其他财务汇总信息。
数据字段描述详细:https://www.fec.gov/campaign-finance-data/all-candidates-file-description/
关键字段说明：

CAND_ID 候选人ID
CAND_NAME 候选人姓名
CAND_PTY_AFFILIATION 候

			
		

	





	

		

			

				
					
天池龙珠计划-Python训练营学习第10-11天Task 04 数据分析实战

				
			

			

				

					LeeXiaoyao00的博客
				

				

					12-15
					
					322
					
				

			

		

		

			
				
学习目标：
从0完成一个数据分析实战（1天）
学习内容：
用Pandas揭秘美国选民…
学习地点：
天池龙珠计划-Python训练营
学习产出：
1.2 数据集来源介绍
所有候选人信息
该文件为每个候选人提供一份记录，并显示候选人的信息、总收入、从授权委员会收到的转账、付款总额、给授权委员会的转账、库存现金总额、贷款和债务以及其他财务汇总信息。
数据字段描述详细:https://www.fec.gov/campaign-finance-data/all-candidates-file-description

			
		

	





	

		

			

				
					
python房价_python-pandas分析房价

				
			

			

				

					05-29
				

			

		

		

			
				
分析房价通常需要进行数据处理和可视化，Python中的pandas和matplotlib库非常适合这个任务。以下是一个简单的房价分析例子：

首先，导入所需的库和数据集（假设数据集已经存储在名为“house_prices.csv”的文件中）：

```python
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('house_prices.csv')
```

接下来，我们可以使用pandas来查看数据集的一些基本信息：

```python
print(df.head())  # 查看前5行数据
print(df.describe())  # 查看数据的统计信息
```

然后，我们可以使用matplotlib来可视化数据，例如，绘制房价的直方图：

```python
plt.hist(df['SalePrice'], bins=20)
plt.xlabel('Sale Price')
plt.ylabel('Count')
plt.show()
```

我们还可以使用pandas来对数据进行筛选和分组，例如，查看不同房型的平均价格：

```python
avg_price_by_type = df.groupby('HouseStyle')['SalePrice'].mean()
print(avg_price_by_type)
```

这只是一个简单的例子，房价分析可以更加复杂和深入。但是，pandas和matplotlib提供了非常强大的工具来处理和可视化数据，使得分析变得更加容易。

			
		

	



              



  
“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	
	

	
	




  

    

      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