R语言的学习（第二章)

最新推荐文章于 2023-12-11 11:33:01 发布
最新推荐文章于 2023-12-11 11:33:01 发布
阅读量1.1k 收藏 5
点赞数
分类专栏： R语言 文章标签： R语言
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_44252029/article/details/107146780
版权

#R语言的学习（第二章)

文章目录

2.第二章

2.1向量

生成一个向量，c(3,4,5,6),其中c()是向量函数
读取向量的方法[]

2.1.1例题
a<-c(3,4,5,6)
a
#length()   长度
length(a)
#class()    类型
class(a)
rep(c(2,3), 3)
length(rep(c(2,3), 3))
rep(1:5,3)
rep(5:1,3)
seq(1,10)
seq(1,10,3)
length(seq(1,10,3))
seq(10,1)
seq(10,1,-3)

输出

> a<-c(3,4,5,6)
> a
[1] 3 4 5 6
> #length()   长度
> length(a)
[1] 4
> #class()    类型
> class(a)
[1] "numeric"
> rep(c(2,3), 3)
[1] 2 3 2 3 2 3
> length(rep(c(2,3), 3))
[1] 6
> rep(1:5,3)
[1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep(5:1,3)
[1] 5 4 3 2 1 5 4 3 2 1 5 4 3 2 1
> seq(1,10,3)
[1]  1  4  7 10
> length(seq(1,10,3))
[1] 4
> seq(10,1)
[1] 10  9  8  7  6  5  4  3  2  1
> seq(10,1,-3)
[1] 10  7  4  1

2.2向量读取

2.2.1例题
a[1]
a[1:3]
length(a[1:3])
y[seq(1,10,3)]

输出

> a[1]
[1] 3
> a[1:3]
[1] 3 4 5
> length(a[1:3])
[1] 3
> a[seq(1,10,3)]     #此句为a[1，4，7，10]
[1]  3  6 NA NA      #注：因为此时的a只有四个向量，即只能到6，后为空即NA

2.3向量运算

函数名称作用函数名称作用
max()求最大值min()求最小值
sum()求和mean()平均值
median()中位数var()方差
sd()标准差sort ()返回值排序后的数值向量
rank()向量中对应元素的“排名”order()对应“排名”的元素所在向量中的位置
2.3.1例子
a<-c(1,2,3,4,5)
max(a)
min(a)
sum(a)
mean(a) #平均值
median(a) #中位数
var(a) #方差
sd(a) #标准差

输出

> a<-c(1,2,3,4,5)
> max(a)
[1] 5
> min(a)
[1] 1
> sum(a)
[1] 15
> mean(a) #平均值
[1] 3
> median(a) #中位数
[1] 3
> var(a) #方差
[1] 2.5
> sd(a) #标准差
[1] 1.581139
2.3.2排序例子
> a<-c(1,2,3,4,5)
> max(a)
[1] 5
> min(a)
[1] 1
> sum(a)
[1] 15
> mean(a) #平均值
[1] 3
> median(a) #中位数
[1] 3
> var(a) #方差
[1] 2.5
> sd(a) #标准差
[1] 1.581139

输出

> a<-c(4,2,3,6)
> sort(a)
[1] 2 3 4 6
> rank(a)
[1] 3 1 2 4
> order(a)
[1] 2 3 1 4

分析

原向量4236
sort()函数2346
下标1234

rank()函数是先排序再定下标,比如

排序2346
排序下标1234
原向量4236
放回原向量3124

order()函数是先给原向量定下标再排序,比如

原向量4236
下标1234
排序2346
排序下标2314
2.3.3例题
#输入一个向量，求其所有元素 的平均值
a<-c(4,3,9,6)
mean(a)

#输入一个向量，所有元素由小 到大输出
sort(a)

#输入一个向量，由大到小输出
sort(a, decreasing = T)    #1
sort(a)[length(a):1]       #2

#生成如下形式的向量，向量元素数为40
#1 3 5 7 1 3 5 7 1 3 5 7 ……
rep(c(1,3,5,7),10)
#1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6……
y<-rep(c(1,2,3,4,5,6),7)
y[1:40]

输出

> #输入一个向量，求其所有元素的平均值
> a<-c(4,3,9,6)
> mean(a)
[1] 5.5

> #输入一个向量，所有元素由小到大输出
> sort(a)
[1] 3 4 6 9

> #输入一个向量，由大到小输出
> sort(a, decreasing = T)    #1
[1] 9 6 4 3
> sort(a)[length(a):1]       #2
[1] 9 6 4 3

> #生成如下形式的向量，向量元素数为40
> #1 3 5 7 1 3 5 7 1 3 5 7 ……
> rep(c(1,3,5,7),10)
[1] 1 3 5 7 1 3 5 7 1 3 5 7 1 3 5 7 1 3 5 7 1 3 5 7 1 3 5 7 1
[30] 3 5 7 1 3 5 7 1 3 5 7
> #1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6……
> y<-rep(c(1,2,3,4,5,6),7)
> y[1:40]
[1] 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5
[30] 6 1 2 3 4 5 6 1 2 3 4

2.4随机数

2.4.1均匀分布随机数

runif(n, min = 0, max = 1) runif(10,0,1)
runif(n)0-1间的n个均匀分布随机数

默认 min = 0, max = 1
初始化随机数种子set.seed(n)

2.4.2正态分布

rnorm(n,mean=,sd=) n=个数、mean=均值、方差

y=rnorm(100,0,1)

2.4.3二项分布

rbinom(n,size,p)
n生成随机数个数，每数是连续size次尝试中成功的次数，prob是一次试验成功的概率

例子 x1=rbinom(1000,10,0.5) 抛10次硬币为一次实验，做1000次实验。
则n=1000，size=10，prob为成功的概率

2.4.4随机抽样

sample(x, n, replace=FALSE)

函数意义
sample(x)随机排列x
sample(10)随机排列1:10，默认不重复抽样
sample(10, 5)从1:10中随机抽5个，不重复抽样
sample(0:1, 100, replace=TRUE)100次伯努利试验,对0,1两个值，随机抽样100次，允许重复
2.4.5例题1
#1、以100为种子生成一个100长度的[0,1]间的随机数向量
n<-100
set.seed(n)
runif(100,0,1)
#2、以20为种子生成一个20长度的[0,100]间的随机整数向量
set.seed(20)
round(runif(20,0,100),0)
#3以18为种子从1:100中随机挑出20个数字
set.seed(18)
runif(20,1,100)

输出

> #1、以100为种子生成一个100长度的[0,1]间的随机数向量
> n<-100
Warning message:
R graphics engine version 12 is not supported by this version of RStudio. The Plots tab will be disabled until a newer version of RStudio is installed. 
> set.seed(n)
> runif(100,0,1)
[1] 0.30776611 0.25767250 0.55232243 0.05638315 0.46854928
……
[96] 0.38943930 0.51745975 0.12523909 0.03014575 0.77180549
>#2、以20为种子生成一个20长度的[0,100]间的随机整数向量
>set.seed(20)
>round(runif(20,0,100),0)
[1] 88 77 28 53 96 98  9  7 33 37 72 76  0 74 19 45 32 11 29 82
> #3以18为种子从1:100中随机挑出20个数字
> set.seed(18)
> runif(20,1,100)
 [1] 82.466735 71.309758 96.617642  8.782467  6.310070 57.922843
……
[19] 93.950021  7.649686
2.4.6例题2
#3以18为种子从1:100中随机挑出20个数字
set.seed(18)
runif(20,1,100)
# 生成一个100元素的[-100,100]间的随机数向量，种子为23
set.seed(23)
y<-runif(100,-100,100)
#求其平均值、最大值、最小值、和
mean(y)
mean(runif(100,-100,100))
max(runif(100,-100,100))
min(runif(100,-100,100))
#对其进行排序输出大->小,小->大
sort(runif(100,-100,100),T)
sort(runif(100,-100,100))

输出

> # 生成一个100元素的[-100,100]间的随机数向量，种子为23
> set.seed(23)
> y<-runif(100,-100,100)
> #求其平均值、最大值、最小值、和
> mean(y)
[1] 6.991202```
> mean(runif(100,-100,100))
[1] 6.70409
> max(runif(100,-100,100))
[1] 97.06359
> min(runif(100,-100,100))
[1] -98.41307
> #对其进行排序输出大->小,小->大
> sort(runif(100,-100,100),T)
> sort(runif(100,-100,100),T)
[1]  99.32224741  98.47749798  95.62608185  92.70890988
……
[97] -82.07071079 -83.44038324 -89.67305617 -96.05687307
> sort(runif(100,-100,100))
[1] -96.05687307 -89.67305617 -83.44038324 -82.07071079
……
[97]  92.70890988  95.62608185  98.47749798  99.32224741

2.5矩阵

matrix(data,row,col) row行， col列

2.5.1例题
y<-matrix(1:10,2,5)
y

输出

> y<-matrix(1:10,2,5)
> y
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5    7    9
[2,]    2    4    6    8   10

diag(3) 为单位矩阵

2.5.2矩阵读取

读取矩阵方法[]

2.5.2.1例子
y[2,3]
y[,3]
y[2,]
y[1:2,]
y[-1,]#读的时候不读第一行
y[ , -c(1,3,5)]

输出

> y[2,3]
[1] 6
> y[,3]
[1] 5 6
> y[2,]
[1]  2  4  6  8 10
> y[1:2,]
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5    7    9
[2,]    2    4    6    8   10
> y[-1,]#读的时候不读第一行
[1]  2  4  6  8 10
> y[ , -c(1,3,5)]
     [,1] [,2]
[1,]    3    7
[2,]    4    8
2.5.3矩阵运算
函数作用
t()转置
dim()查看变量的维数；重新设置的维数，例如dim(x)=c(3,2)
nrow()行的个数
ncol()列的个数
x%*%Yx与y作内积
x%o%yx与y作外积
det()行列式的值
rbind()行绑定
cbind()列绑定
apply(）对数组（二维或者多维）或者矩阵的某个子集进行行、列或者第三维的迭代操作，返回相关结果
solve(A)矩阵A的逆
solve(A,b)求解线性方程组Ax=b
ev=eigen(m)求对称矩阵m的特征值与特征向量

ev$values是Sm的特征值构成的向量

ev$vectors是Sm的特征向量构成的矩阵

apply函数

用法：apply(array, margin, fun，…) margin=1,2,3,…，通过fun函数对行（margin=1）、列(margin=2)或者第三维（margin=3）进行统计
apply(m, 1, sum)将矩阵m按行求和
apply(m, 2, mean)将矩阵m的每一列求一个平均值

2.5.4例题1
#设置20为种子，生成40个随机数
set.seed(20)
x<-runif(40)
#从前到后依次分解为四个向量，元素数均为10
x[1:10]
x[11:20]
x[21:30]
x[31:40]
#将四个向量行绑定为一个4*10的矩阵
matrix(x,4,10)
#以2018为种子从1:100中随机挑出40个数字，
set.seed(2018)
y<-runif(40)
#将其转换为4行10列的矩阵
b<-matrix(y,4,10)
#输出每一行的平均值
apply(b,1,mean)

输出

> #设置20为种子，生成40个随机数
> set.seed(20)
> x<-runif(40)
> #从前到后依次分解为四个向量，元素数均为10
> x[1:10]
 [1] 0.87752139 0.76853321 0.27896314 0.52916369 0.96290703
 [6] 0.98035458 0.09133259 0.07074948 0.32759395 0.37007454
> x[11:20]
 [1] 0.715527557 0.757796354 0.001927939 0.742802090 0.192418547
 [6] 0.452099627 0.322147280 0.109071407 0.289262362 0.819456486
> x[21:30]
 [1] 0.49196770 0.03025649 0.44023153 0.07728510 0.26496046
 [6] 0.06959067 0.90711902 0.99227679 0.06408594 0.67510912
> x[31:40]
 [1] 0.3309005 0.4478223 0.8341207 0.1859765 0.5112577 0.4749874
 [7] 0.4658198 0.9099947 0.6514412 0.2578423
> #将四个向量行绑定为一个4*10的矩阵
> matrix(x,4,10)
          [,1]       [,2]      [,3]        [,4]      [,5]
[1,] 0.8775214 0.96290703 0.3275940 0.001927939 0.3221473
[2,] 0.7685332 0.98035458 0.3700745 0.742802090 0.1090714
[3,] 0.2789631 0.09133259 0.7155276 0.192418547 0.2892624
[4,] 0.5291637 0.07074948 0.7577964 0.452099627 0.8194565
           [,6]       [,7]       [,8]      [,9]     [,10]
[1,] 0.49196770 0.26496046 0.06408594 0.8341207 0.4658198
[2,] 0.03025649 0.06959067 0.67510912 0.1859765 0.9099947
[3,] 0.44023153 0.90711902 0.33090054 0.5112577 0.6514412
[4,] 0.07728510 0.99227679 0.44782233 0.4749874 0.2578423
> #以2018为种子从1:100中随机挑出40个数字，
> set.seed(2018)
> y<-runif(40)
> y
 [1] 0.33615347 0.46372327 0.06058539 0.19743361 0.47431419
 [6] 0.30104860 0.60675886 0.13001210 0.95865471 0.54684949
[11] 0.39561597 0.66453861 0.98211229 0.67821539 0.80602781
[16] 0.63417988 0.27073646 0.55290413 0.73795568 0.82840038
[21] 0.26010079 0.56836037 0.15149827 0.09493685 0.76191660
[26] 0.53592855 0.32788094 0.92435603 0.59831174 0.06463665
[31] 0.14136788 0.86259901 0.03383022 0.49020482 0.50618012
[36] 0.76203439 0.04605593 0.05217344 0.58100593 0.17513238
> #将其转换为4行10列的矩阵
> b<-matrix(y,4,10)
> b
           [,1]      [,2]      [,3]      [,4]      [,5]       [,6]
[1,] 0.33615347 0.4743142 0.9586547 0.9821123 0.2707365 0.26010079
[2,] 0.46372327 0.3010486 0.5468495 0.6782154 0.5529041 0.56836037
[3,] 0.06058539 0.6067589 0.3956160 0.8060278 0.7379557 0.15149827
[4,] 0.19743361 0.1300121 0.6645386 0.6341799 0.8284004 0.09493685
          [,7]       [,8]       [,9]      [,10]
[1,] 0.7619166 0.59831174 0.03383022 0.04605593
[2,] 0.5359285 0.06463665 0.49020482 0.05217344
[3,] 0.3278809 0.14136788 0.50618012 0.58100593
[4,] 0.9243560 0.86259901 0.76203439 0.17513238
> #输出每一行的平均值
> apply(b,1,mean)
[1] 0.4722186 0.4254045 0.4314877 0.5273623
2.5.5例题2
#解方程:上有三十五头，下有九十四足，问雉兔各几何？
#1*x+1*y=35
#2*x 4* y 94
# 左矩阵
x<-matrix(c(1,2,1,4),2,2)
# 右矩阵
y<-matrix(c(35,94),2,1)
answer<-solve(x,y)
answer

输出

> # 左矩阵
> x<-matrix(c(1,2,1,4),2,2)
> # 右矩阵
> y<-matrix(c(35,94),2,1)
> #解
> answer<-solve(x,y)
> answer
     [,1]
[1,]   23
[2,]   12

2.6数组

暮色醉
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R Graphics
10-28
This practical guide provides more than 150 recipes to help you generate high-quality graphs quickly, without having to comb through all the details of R's graphing systems. Each recipe tackles a specific problem with a solution you can apply to your own project, and includes a discussion of how and why the recipe works. Most of the recipes use the ggplot2 package, a powerful and flexible way to make graphs in R. If you have a basic understanding of the R language, you're ready to get started.
RStudio不支持R图形引擎版本15。
nice0763的博客
02-04 3088
RStudio不支持R图形引擎版本15。如何解决
【RStudio更新】问题：图像不支持在RStudio中预览而是另开窗口
^_^
09-13 1万+
这两天突然遇到了这个问题，报错信息为： Warning message: R graphics engine version 15 is not supported by this version of RStudio. The Plots tab will be disabled until a newer version of RStudio is installed.画图不能显示在右下角的Plots中，只能另外开一个页面（保存，预览都不方便），我看提示认为是版本不够新，我想用RStudio在线更新 h
Win7系统，Rstudio不支持R图形引擎版本15的解决方案
最新发布
jljy47的博客
12-11 1378
Win7系统，Rstudio不支持R图形引擎版本15，只能弹窗显示生成图（R graphics engine version 15 is not supported by this version of RStudio.），可采用低版本Rstudio 1.1.463
R语言：作业七(创建随机变量函数)
fxalll的博客
05-08 3462
作业5(1)8 5(1) 用筛选法来模拟如下密度函数的随机变量，f(x)是需要模拟的随机变量的密度函数，g(x)是其对应的筛选函数。 （1）f(x)=x(1−x)f(x)=x(1-x)f(x)=x(1−x), g(x)g(x)g(x)为常值函数。 令g(x)=1g(x)=1g(x)=1 ，f(x)g(x)=x(1−x)\frac{f(x)}{g(x)}=x(1-x)g(x)f(x)​=x(1−x) ，这个函数在x=0.5处取得极大值0.25 。我们首先生成一个服从（0,1）区间的均匀分布的随机数u1
R语言——（三）、随机数与抽样模拟
hexiaosi_的博客
04-17 1万+
文章目录前序r d p q一、一元随机数的产生1.均匀分布随机数runif2.正态分布随机数的产生rnorm3.指数分布随机数产生rexp4.二项分布随机数的产生rbinom二、多元随机数的产生mv，rm，pm1.多元正态分布随机数2.多元正态分布的累积概率、密度函数、分位数3.多元t分布随机数三、随机抽样sample1.放回与无放回抽样2.重抽样 提示：以下是本篇文章正文内容，下面案例可供参考 前序r d p q 除了在分布函数名前面加’r’表示生成随机数外，还可以加“p,q,d” r- :表示生成相应分
python依照概率抽样_R语言之随机数与抽样模拟篇
weixin_35671171的博客
01-29 960
R语言生成均匀分布随机数的函数是runif()句法是：runif(n,min=0,max=1) n表示生成的随机数数量，min表示均匀分布的下限，max表示均匀分布的上限；若省略参数min、max,则默认生成[0,1]上的均匀分布随机数。例1：> runif(5,0,1) # 生成5个[0,1]的均匀分布的随机数[1] 0.5993 0.7391 0.2617 0.5077 0.7199...
第一话 统计计算之随机变量生成方法
scc的博客
10-26 5414
随机数生成方法1 引言2 随机数生成方法-逆变换方法(Inverse Transform Method) （本篇博客是自己根据导师的统计计算课程的课件自行整理可得，如有错误，请联系我，此笔记仅用于学习，如需转载，请注明来源，谢谢！） 1 引言 计算统计的基本工具就是要从指定的概率分布中生成随机变量，最基本最重要的是均匀分布的伪随机数生成器，其他概率分布的随机数生成方法大都依赖于均匀分布随机数生成器。 在R语言中，均匀分布的随机数的生成为： runif(n) #generate a vector of siz
有概率的随机数_几种特定分布的随机数的产生
weixin_42411715的博客
01-13 1124
01# 均匀分布的随机数均匀分布是指整个样本空间中的每一个样本点对应的概率(密度)都是相等的。R语言中生成均匀分布的随机数的函数是runif(),其语法是：runif(n, min = 0, max = 1)n：表示生成的随机数的数量number of observations. If length(n) > 1, the length is taken to be the num...
r语言在线编译器w3c,R语言生成随机数实例讲解
weixin_29356815的博客
05-20 1862
1.概述作为一种语言进行统计分析，R有一个随机数生成各种统计分布功能的综合性图书馆。R语言可以针对不同的分布，生成该分布下的随机数。其中，有许多常用的个分布可以直接调用。本文简单介绍生成常用分布随机数的方法，并介绍如何生成给定概率密度分布下的随机数。2.常用分布的随机数在R中各种概率函数都有统一的形式，即一套统一的 前缀+分布函数名：d 表示密度函数(density)；p 表示分布函数(生成相应分...
[R语言] 生成随机数
热门推荐
qiao_wan的博客
08-23 7万+
【R语言】生成随机数 版权声明：本文为博主原创文章，未经允许不得转载。 一、sample()函数 1、sample(x, size, replace, prob) x 表示从x中选取随机数，x可以是一个向量（可以由一个元素或者多个元素组成）。 size表示随机生成的随机数的个数，是一个非负的整数。 replace表示抽取方式（replace = TRUE 表示可放回抽取，replac...
#R语言# 生成随机数
JokerDiane的博客
12-26 5258
生成随机数 生成随机数的函数名的格式为r+分布名缩写，例如正态分布(norm)对应于rnorm，均匀分布(unif)对应于runif 正态分布 # rnorm(n,mean = 0,sd = 1) 生成服从正态分布 N(mean,sd^2) 的随机变量 # n为随机数数目 > rnorm(5) [1] -0.5504527 -0.5495538 0.7608639 -0.68135...
R语言课后习题
qq_56694838的博客
12-03 3906
R语言课后答案
R语言的科学编程与仿真-第二章答案
KingsenYang的博客
08-31 1338
习题解答仅供参考，欢迎留言拍砖、讨论。 # R语言的科学编程与仿真，第二章笔记与习题解答 　#chapter 2 　　# problem 1 　　　#　ａ 　　　z <- x^(a^b) # b z <- (x^a)^b # c z <- 3*x^3+2*x^2+6*x+1 # d #x <- 2.35 用
R语言基础题及答案(二)——R语言与统计分析第二章课后习题(汤银才)
slandarer的博客
09-15 1万+
X序号性别年龄身高.cm体重.kg 1 1 F 14 156 42.3 2 2 F 16 158 45.0 3 3 F 15 161 48.5 4 4 F 17 156 51.5 5 5 F 15 153 44.6 6 6 M 14 162 48.8 7 7 M 16 157 46.7 8 8 M 14 159 49.9 9 9 M 15 163 50.2 10 10 M 16 165 53.7
html tidy安装 linux,如何在Ubuntu 16.04和17.04上安装Tidyverse
weixin_29230805的博客
07-08 434
我正在运行Ubuntu 16.04 [现在17.04：参见下面的粗体注释]和R 3.4.1.我今天早上安装了后者,所以我认为这是最新版本.我想安装Tidyverse,我在Windows下度过了许多欢乐时光.但是当我执行install.packages(“tidyverse”)时,我收到有关gcc无法识别的命令行选项的错误.当安装命中颜色空间和munsell包时,这些开始.我将在这篇文章的最后给出一...
R语言编程基础 课后习题答案第一，二章
Rocky的博客
06-02 5470
第一章： 选择题 (1)、C (2)、B (3)、A (4)、D 第二章;
金融数据分析导论基于R语言 第二章 金融时间序列的线性模型课后习题答案
qq_61522540的博客
05-20 7167
1.考虑从1948年1月到2011年11月美国失业率的月数据(见文件m-unrate-4811.txt)，数据来目美国圣路易斯的联邦储备银行. (a)该除非特别声明，在以下习题中都用5%的显著性水平来得出结论.失业率的月数据是否存在单位根?为什么? (b)根据该数据建立一个时间序列模型并检验模型是否已充分拟合数据.然后，根据所建立的模型对美国2011年12月和2012年前3个月的失业率进行预测.(注意:适合该数据的模型不止一个，只要模型充分即可.) (c)拟合的模型是否存在商业周期?为什么? 除非特
以100为种子生成一个100长度的[0,1]间的随机数向量
Mrrunsen的博客
01-21 214
取其[3,4]位置上的一个元素 - 同时取其（第1维为1和3位置上）的所有元素 -从前到后依次分解为四个向量，每个向量的元素数均为10 -取其(1,3)行、(2,5)列的所有元素。将四个向量行绑定为一个4*10的矩阵。
数据库第二章：E-R模型详解
"数据库第二章E-R模型的学习资料，涵盖了E-R模型的基本概念、E-R图、设计示例以及向关系模型的转换等内容。适用于学习数据库理论和开发语言的人员。" E-R模型，全称为实体-关系模型，是1976年由P.P.S. Chen提出的...
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