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语言学习(一)
乄浅醉的专栏
02-08 1089
大年初一，看了看春晚的开头，闲极无聊，正好手边有从同事那借来的《学习R》这本书，那就学学吧，说不定以后会用到，顺便逃避爸妈催婚，单身狗的春节就是受虐！(PS:公司老大常常说我，学那么多东西，用不到，有啥用？我没有反驳过，其实我一直想说，如果我不学，恐怕永远不会有机会用到！) 从哪开始呢？安装？IDE? 很简单，IDE使用Rstudio 就可以啦，原因？很流行，大家都在用，就这么简单！ #序
R语言学习（一）
wyd4508922的博客
01-11 2571
相容事件的并集：P(AUB)=P(A)+P(B)-P(A∩B) 独立事件的交集：P(A∩B) = P(A) * P(B) 非独立事件的交集：P(A∩B) = P(A) * P(B|A) 贝叶斯定理:P(A|B)= P(A∩B)/P(B)=P(B|A)P(A)/[P(B|A)P(A)+P(B|~A)P(~A)] dbinom(x,size, prob) 该函数给出了每个点的概率密度分布。
RStudio不支持R图形引擎版本15。
nice0763的博客
02-04 3042
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
热门推荐
^_^
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
jljy47的博客
12-11 1307
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 3456
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
R语言编程基础第四章课后习题操作题.docx
06-10
"R 语言编程基础第四章课后习题操作题" 本节课后习题旨在巩固 R 语言编程基础第四章的知识点，涵盖了函数、控制流和数据处理等方面的内容。 一、掌握使用常用函数及 apply 函数族处理数据的方法 * 使用 lapply ...
R语言编程基础第一章课后习题操作题.docx
06-10
本资源摘要信息涵盖 R 语言编程基础第一章课后习题操作题，涵盖 R 语言环境安装、RStudio 安装、R 语言包的安装和加载、工作空间的管理等方面的知识点。 一、R 语言环境安装 * R 语言的下载和安装：了解 R 语言的...
第2章-JAVA语言基础.ppt
11-23
JAVA语言基础 JAVA语言基础是Java编程语言的基础知识，包括变量、数据类型、运算符、表达式、赋值语句、强制类型转换、逻辑...这些知识点是JAVA语言基础的核心内容，理解和掌握这些知识点对于学习JAVA语言非常重要。
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.
R语言实战第二版的代码和书籍.zip
10-22
本书是R语言的实际使用指南，旨在帮助读者学习如何使用R进行数据分析、数据可视化和数据科学...这是第二版，已经更新了一些新的工具和技术，以适应R语言生态系统的不断发展。 里面有 每一章的代码和练习题 9.ipynb 的
python 零基础学习篇-R语言数据挖掘和分析-第二章 建立数据分析的统计思维和可视化探索4-7.mp3
05-08
python 零基础学习篇-R语言数据挖掘和分析-第二章 建立数据分析的统计思维和可视化探索
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
01-29 956
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...
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 1847
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...
第一话 统计计算之随机变量生成方法
scc的博客
10-26 5392
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
#R语言# 生成随机数
JokerDiane的博客
12-26 5243
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...
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 1122
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...
统计预测与决策课程实验
最新发布
07-06
内含实验与完整程序
数据库第二章E-R.ppt.ppt
06-05
"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...

“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