python数据分析

最新推荐文章于 2024-05-30 11:43:13 发布
最新推荐文章于 2024-05-30 11:43:13 发布
阅读量326 收藏 1
点赞数
文章标签： python 数据分析
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_44421869/article/details/109297237
版权

matplotlib介绍

快速上手demo

matplotlib.pyplot包含了一系列matlab的图像函数

import matplotlib.pyplot as plt
%matplotlib inline   

plt.figure()  #创建画布
plt.plot([1,0,9],[4,5,6])  #绘制图像
plt.show()   #显示图像

运行结果：
在这里插入图片描述

matlibpot的三层结构

容器层
辅助显示层
图像层

设置画图属性与保存图像

  • plt.figure(figsize=(),dpi=)
    figsize图像长宽
    dpi图像清晰度
plt.figure(figsize=(10,10),dpi=80)
  • plt.savefig(路径)
plt.savefig('111.png')

修改x、y轴刻度

  • plt.xticks(x[::5]) 修改x轴刻度
    x要显示的刻度值
    [::5]表示步长是5
  • plt.yticks(y[::5]) 修改y轴刻度
    y要显示的刻度值
    [::5]表示步长是5

x轴步长5，y轴步长2

import matplotlib.pyplot as plt 
import random

plt.figure(figsize=(10,10),dpi=80)
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]

plt.xticks(x[::5])
plt.yticks(y_shanghai[::2])

plt.plot(x,y_shanghai)
plt.show()

运行结果：
在这里插入图片描述
中文坐标系

import matplotlib.pyplot as plt 
import random

plt.figure(figsize=(10,10),dpi=80)
x=range(60)

x_lable=["11点{}分".format(i) for i in x]
plt.xticks(x[::5],x_lable[::5])
plt.plot(x_lable,x)
plt.show()

运行结果：
在这里插入图片描述
添加网格显示

  • pld.grid(True,linestyle="–",alpha=0.5)

属性：
True指是否添加网格
linestyle指线条风格
alpha指线条透明度

import matplotlib.pyplot as plt 
%matplotlib inline

plt.figure()
plt.plot([1,0,9],[4,5,6])
plt.grid(True,linestyle="--",alpha=0.5)
plt.show()

运行结果：
在这里插入图片描述添加描述信息

  • plt.xlabel(“时间”)
  • plt.ylabel(“温度”)
  • plt.title(“温度显示图”)

demo：

import matplotlib.pyplot as plt 
%matplotlib inline


plt.xlabel("时间")
plt.ylabel("温度")
plt.title("温度显示图")
plt.figure()
plt.plot([1,0,9],[4,5,6])
plt.grid(True,linestyle="-",alpha=0.5)

plt.show()

运行结果：
在这里插入图片描述
2个及以上线条
绘制两个图形即可
demo:

import matplotlib.pyplot as plt 
%matplotlib inline

plt.figure()
plt.plot([1,0,9],[4,5,6])
plt.plot([1,2,3],[5,6,4])
plt.show()

运行结果：
在这里插入图片描述
线条属性设置
color线条颜色
linestyle线条类型

import matplotlib.pyplot as plt 
%matplotlib inline

plt.figure()
plt.plot([1,0,9],[4,5,6],color="b",linestyle="--")
plt.plot([1,2,3],[5,6,4],color="g",linestyle="--")
plt.show()

运行结果：
在这里插入图片描述
图例

  • plt.legend(loc=1)
    属性：
    loc指图例位置，0-6分别指不同位置

demo:

import matplotlib.pyplot as plt 
%matplotlib inline

plt.figure()
plt.plot([1,0,9],[4,5,6],color="b",linestyle="--",label="上海")
plt.plot([1,2,3],[5,6,4],color="g",label="北京")
#显示图例
plt.legend(loc=1)
plt.show()

运行结果：
在这里插入图片描述
在一个画布上创建多个绘图区
figure,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)

demo：

import matplotlib.pyplot as plt
import random

# 1.准备数据
x=range(60)
y_shanghai=[random.uniform(1,3) for i in x]
y_beijing=[random.uniform(1,3) for i in x]

#2.创建画布
# plt.figure()
figure,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)


#3.开始画图
axes[0].plot(x,y_shanghai,color="r",linestyle="--",label="上海")
axes[1].plot(x,y_beijing,color="g",label="北京")

#4.显示图例
axes[0].legend()
axes[1].legend()
  
# 5.显示图
plt.show()

运行结果：
在这里插入图片描述

Numpy介绍

创建一个数组

import numpy as np

#方式一：
t1=np.array([1,2,3])
print(t1)
#[1 2 3]

#方式二：
t2=np.array(range(10))
print(t2)
#[0 1 2 3 4 5 6 7 8 9]

#方式三：
t3=np.arange(10)
print(t3)
#[0 1 2 3 4 5 6 7 8 9]

#创建一个起始是2，步长为2的数组，10取不到
t4=np.arange(2,10,2)
print(t4)
#[2 4 6 8]

pandas介绍

python处理excel之openpyxl（工具使用）

excel的新建、读取和保存

创建工作簿

import openpyxl
wb=openpyxl.Workbook()  #新建工作簿
wb.save('我的工作簿.xlsx')  #保存工作簿

读取工作簿和保存工作簿

import openpyxl
wb=openpyxl.load_workbook('我的工作簿.xlsx')    #读取工作簿
wb.save('我的工作簿-1.xlsx')

细节：

  • 工作簿打开的情况下，保存会出错
  • 每次操作操作完，都要保存工作簿

批量创建工作簿

import openpyxl
for m in range(1,13):
    wb=openpyxl.Workbook()    #新建工作簿
    wb.save('%d月.xlsx'%m)    #保存工作簿

工作表对象的获取方法

各年业绩表.xlsx 工作簿：
在这里插入图片描述
以索引值方式获取工作表
以工作表名获取工作表

import openpyxl
wb=openpyxl.load_workbook(r'各年业绩表.xlsx')
ws2=wb.worksheets[2]	#以索引值方式获取工作表
ws3=wb['2012年']		#以工作表名获取工作表
print(ws2)
print(ws3)

运行结果：
在这里插入图片描述
循环工作表

import openpyxl
wb=openpyxl.load_workbook('各年业绩表.xlsx')   #读取工作簿
for sh in wb.worksheets:   #遍历所有工作表
     print(sh)

运行结果：
在这里插入图片描述
获取所有工作表

import openpyxl
wb=openpyxl.load_workbook('各年业绩表.xlsx')
print(wb.sheetnames)    #获取所有工作表

运行结果：
在这里插入图片描述
批量修改工作表名称

import openpyxl
wb=openpyxl.load_workbook('各年业绩表.xlsx')
for sh in wb.worksheets:    #遍历所有工作表
    sh.title=sh.title+'-芝华公司'    #修改工作表名称
wb.save('各年业绩表(修改后11).xlsx')

运行结果：
在这里插入图片描述

工作表的新建复制和删除

在指定位置创建工作表

import openpyxl

wb=openpyxl.load_workbook('demo2.xlsx')
wb.create_sheet('工资表',2)  #在指定位置创建工作表，默认则是在最后创建
wb.save('demo2.xlsx')

运行结果：
在这里插入图片描述
复制工作表

将工作簿demo3.xlsx下的工资表，复制到工作簿demo3-1.xlsx下，并命名为工资表1月

import openpyxl
wb=openpyxl.load_workbook('demo3.xlsx')
wb.copy_worksheet(wb['工资表']).title='工资表1月'
wb.save('demo3-1.xlsx')

删除指定工作表

import openpyxl
wb=openpyxl.load_workbook('demo3-1.xlsx')
wb.remove(wb['工资表'])
wb.save('demo3-1.xlsx')

批量创建工作表

import openpyxl
wb=openpyxl.Workbook()   	#创建工作簿
for m in range(1,13):   
    wb.create_sheet('%d月'%m)       #批量创建工作表
wb.remove(wb['Sheet'])              #删除第一个工作表
wb.save('2019年计划表.xlsx')

运行结果：
在这里插入图片描述

单元格信息获取

在这里插入图片描述
方法一：工作表[‘b1’]

import openpyxl
wb=openpyxl.load_workbook('demo.xlsx')
ws=wb.worksheets[0]
print(ws['a1'].value)

运行结果：
在这里插入图片描述
方法二：工作表.cell[行号，列号]

import openpyxl
wb=openpyxl.load_workbook('demo.xlsx')
ws=wb.worksheets[0]
print(ws.cell(1,1).value)

运行结果：
在这里插入图片描述

实例应用（汇总各表各单元格数据）

在这里插入图片描述

import openpyxl

wb=openpyxl.load_workbook('各年业绩表.xlsx')
for sh in wb.worksheets:
     #print(sh['b14'].value)
     print(sh.cell(14,2).value)

区域单元格信息获取

在这里插入图片描述
方法一：工作表[‘起始单元格’:‘终止单元格’] 如：wb[‘a1’:‘b3’] 此方法是按行读取

import openpyxl

wb=openpyxl.load_workbook('demo.xlsx',data_only=True)   #data_only表示只读取数据，公式等不读取
ws=wb.active
for sh in ws['a1':'g2']:
    for row in sh:
        print(row.value)

运行结果：
在这里插入图片描述
方法二：工作表[‘起始行号’:‘结束行号’] 如：wb[‘1’：‘3’] 此方法按照行来读取

import openpyxl

wb=openpyxl.load_workbook('demo.xlsx',data_only=True)    #data_only表示只读取数据，公式等不读取
ws=wb.active
for sh in ws['1':'2']:
    for row in sh:
        print(row.value)

运行结果：
在这里插入图片描述
方法三：工作表[‘起始列号’：‘结束列号’] 如：wb[‘a’：‘b’] 此方法按照列来读取

import openpyxl

wb=openpyxl.load_workbook('demo.xlsx',data_only=True)    #data_only表示只读取数据，公式等不读取
ws=wb.active
for sh in ws['a':'b']:
    for col in sh:
        print(col.value)

运行结果：
在这里插入图片描述

单元格的写入

方法一：工作表[‘a1’]=值

import openpyxl
wb=openpyxl.load_workbook('test.xlsx')
ws=wb.worksheets[1]
ws['a1']=123
wb.save('test.xlsx')

方法二：工作表.cell(行号，列号，值)

import openpyxl
wb=openpyxl.load_workbook('test.xlsx')
ws=wb.worksheets[1]
ws.cell(2,3,'我是中国人')
wb.save('test.xlsx')

批量写入数据

import openpyxl
wb=openpyxl.load_workbook('test.xlsx')
ws=wb.worksheets[0]
ws.append({'a':'张三','b':56,'c':'fdgsfg'})  #a,b,c表示列
wb.save('test.xlsx')

运行结果：
在这里插入图片描述

循环方式批量写入数据

import openpyxl
wb=openpyxl.load_workbook('test.xlsx')
ws=wb.worksheets[0]
for row in ws['a1:g9']:    #遍历每行
    for c in row:          #遍历每行中的单元格
        c.value=100        #给每个单元格赋值
wb.save('test.xlsx')

运行结果：
在这里插入图片描述

实例应用（给>=90分的单元格添加优秀）

在这里插入图片描述

import openpyxl
wb=openpyxl.load_workbook('demo.xlsx')
ws=wb.active
rngs=ws.iter_rows(min_row=2,min_col=2)   #获取起始单元格，第2行第2列
for row in rngs:    	#从起始单元格开始，遍历每行
    for c in row:   	#遍历每行中的每个单元格
        if c.value>=90:   #获取单元格值，大于等于90
            c.value=str(c.value)+'（优秀）'   
wb.save('demo1.xlsx')

运行结果：
在这里插入图片描述

实例分析（4科成绩总分>=300分的，在最后添加优秀）

在这里插入图片描述

import openpyxl
wb=openpyxl.load_workbook('demo.xlsx')
ws=wb.active   		#读取工作表
rngs=ws.iter_rows(min_row=2,min_col=2)    	#获取起始单元格
#[c.value for c in row]使用推导式，从起始单元格开始，遍历每一行值
#[0:4]表示切片，获取列表中第1个到第4个值
for row in rngs:    	#从起始单元格开始进行遍历
        sm=sum([c.value for c in row][0:4])    
        if sm>=300: 
        	#row[-1]表示遍历是否优秀单元格
            row[-1].value='优秀'
wb.save('demo2.xlsx')

运行结果：
在这里插入图片描述

工作表行列的插入与删除

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb.worksheets[0]
ws.insert_cols(3,2)    #在第3列插入2列
ws.insert_rows(6,4)    #在第6行插入4行
ws.delete_cols(5,2)	   #在第5列删除2列
ws.delete_rows(5,2)	   #在第5行删除2行
wb.save('test.xlsx')

实例应用（删除总分>=300的行）

import openpyxl
wb=openpyxl.load_workbook('成绩表.xlsx')
ws=wb.active
for r in range(ws.max_row,1,-1):    #ws.max_row表示最大行，到最小行，步长为1
    s=sum([c.value for c in ws[r]][1:])
    if s>=300:
        ws.delete_rows(r)    #r表示行号
wb.save('成绩表筛选结果.xlsx')

实例应用（求和结果写入新的单元格）

import openpyxl
wb=openpyxl.load_workbook('test.xlsx')
ws=wb.worksheets[0]
rngs=ws[2:ws.max_row]   	#从第二行开始，获取所有单元格
nws=wb.create_sheet('结果')  #创建新的工作表
nws.append(['姓名','总分'])   #往工作表中添加内容
for row in rngs:
    nws.append([row[0].value,sum([c.value for c in row][1:])])   
wb.save('test1.xlsx')

运行结果：
在这里插入图片描述

实例应用（筛选成绩总分>=300分的记录）

import openpyxl
wb=openpyxl.load_workbook('test.xlsx')
ws=wb.active
nws=wb.create_sheet('新的工作表')
nws.append(['成绩'])
for row in list(ws.rows)[1:]:
    sm=sum([ch.value for ch in row][1:])
   
    if sm>=300:
        nws.append([sm])
wb.save('test.xlsx')

运行结果：
在这里插入图片描述

获取行号

import openpyxl
wb=openpyxl.load_workbook('工资表.xlsx',data_only=True)
ws=wb.active
for r in range(ws.max_row,2,-1):   #从最大行~第三行，步长是1
    print(r)

运行结果：
在这里插入图片描述

行列信息获取

在这里插入图片描述

按行获取工作表使用区域数据

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
for sh in ws.rows:    #按行获取工作表使用区域信息
    print([row.value for row in sh])    #使用推导式，获取每行信息

运行结果：
在这里插入图片描述
按列获取工作表使用区域的信息

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
for sh in ws.columns:    #按列获取工作表使用区域信息
    print([col.value for col in sh])    #使用推导式，获取每列信息

运行结果：
在这里插入图片描述

获取工作表中最小行号/列号最大行号/列号

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
print(ws.min_row,ws.min_column,ws.max_row,ws.max_column)

运行结果：
在这里插入图片描述

获取工作表中指定单元格的行号和列号

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
print(ws.cell(2,1).row)    #获取指定单元格的行号
print(ws.cell(2,1).column)    #获取指定单元格的列号

iter方法获取指定区域

通过min_row,min_col,max_row,max_col进行单元格区域的控制
iter_rows方法，指按行
iter_cols方法，指按列
在这里插入图片描述
指定最小行号和最小列号，最大默认到最后

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
for ch in ws.iter_rows(min_row=2,min_col=2):
    print([r.value for r in ch ])

运行结果：
在这里插入图片描述
指定最大行号和最小列号

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
for ch in ws.iter_rows(max_row=8,min_col=2):
    print([r.value for r in ch ])

运行结果：
在这里插入图片描述在这里插入图片描述

实例应用（按行求和）

方法一：list(ws.rows)[1:]

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
for row in list(ws.rows)[1:]:   
#ws.rows获取工作表所有行
#list(ws.rows)装换为list
#[1:]进行切片，第一个到最后
    print(row[0].value,sum([ch.value for ch in row][1:]))

运行结果：
在这里插入图片描述
方法二：for row in ws.iter_rows(min_row=2,min_col=1):

import openpyxl

wb=openpyxl.load_workbook('test.xlsx')
ws=wb['成绩表']        #按照名称读取工作表
for row in ws.iter_rows(min_row=2,min_col=1):
    print(row[0].value,sum([ch.value for ch in row][1:]))

运行结果：
在这里插入图片描述

前撤步登哥
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
Python数据分析实例
青澜饮舟的博客
06-14 9万+
Python数据分析 Python爬取网页数据
111个Python数据分析实战项目，代码已跑通，数据可下载
热门推荐
12-05 9万+
111个Python数据分析实战项目，代码已跑通，数据可下载
手把手教你使用Python做数据分析
chengxuyuanyy的博客
04-09 948
大数据时代的来临，数据分析已经渗透到我们生活的方方面面。无论是企业决策、科学研究还是个人生活，数据分析都发挥着重要的作用。而Python，作为数据分析的利器，其强大的功能和易学的特性受到了广大数据分析师的青睐。今天，我将手把手带你走进Python数据分析的世界，让你从零开始，逐步掌握这项技能。一、Python数据分析基础在开始数据分析之前，我们需要先了解Python的基础知识。Python是一种解释型、交互式、面向对象的编程语言，其简洁的语法和丰富的库使得它成为数据分析的首选语言。
Python数据分析学习收获与心得
s56548544898的博客
06-05 8418
Matplotlib是Python的一个数据可视化库，它提供了丰富的绘图功能，可以绘制线图、散点图、柱状图、饼图等。无论是金融、医疗、教育还是工业等行业，Python都可以发挥重要的作用，帮助机构更好地理解和分析数据，提高业务水平和效率。Scikit-learn是Python的一个机器学习库，它提供了丰富的机器学习算法和工具，包括分类、回归、聚类、降维等。Seaborn是基于Matplotlib的高级数据可视化工具，它提供了更多的绘图方法和更好的默认样式，可以快速生成高质量的图表。
python数据分析与可视化
2301_82032652的博客
01-05 3245
Python数据分析主要包括数据清洗、数据探索和数据可视化三个部分。数据清洗是数据分析的重要环节，主要是对数据进行预处理，包括缺失值处理、异常值处理、数据类型转换等。数据探索则是通过对数据进行初步分析，了解数据的分布和特征，为后续的数据分析提供基础。数据可视化则是将数据以图形化的方式呈现，帮助人们更好地理解和分析数据。
【Python入门系列】第九篇：Python数据分析和处理
JosieBook
07-05 5163
Python数据分析和处理是当今数据科学领域中的重要技能之一。随着大数据时代的到来，越来越多的组织和企业需要从海量数据中提取有价值的信息。Python作为一种功能强大且易于上手的编程语言，提供了丰富的数据分析和处理工具和库，如pandas、numpy、matplotlib等。本文将介绍Python数据分析和处理的基础知识和常用操作。
Python数据分析之理论知识
陌小柠的博客
04-24 4128
文章目录Python数据分析概述一、数据分析的概念1.广义数据分析2.数据挖掘二、数据分析流程1. 需求分析：2. 数据获取3.数据预处理4.分析与建模5.模型评价与优化6. 分类模型评价指标7.回归模型8.部署三、数据分析应用场景四、总思维导图 Python数据分析概述 一、数据分析的概念 1.广义数据分析 狭义数据分析 对比分析 分组分析 交叉分析 回归分析等 2.数据挖掘 智能推荐 关联规则 分类模型 聚类模型 二、数据分析流程 1. 需求分析： 主要指从用户
Python数据分析报告
Jancydc的博客
05-29 8101
业务背景：B2B业务已收会员和服务费作为收益主要来源，目前会员类型分成钻石会员、金牌会员，销售合同一般会包含会员服务、增值服务、广告服务等等，销售过程可能会受到销售策略的影响，做一些业务的促销优惠或者折扣。每年的订单含新客户签约和老客户续约两种，同时合同期间也会出现服务加购或者变更的问题。 问题研究：自今年以来整体收益有明显提升，高级会员量也持续增加，钻石会员量相比去年同期也翻倍上涨，钻石会员回款额也在持续上升，钻石会员的金额远高于金牌会员，但整体均单额却相比去年同期没有显著增长，请根据所提供数据分析具体原
学习python数据分析的心得体会
qq_65966384的博客
06-05 2179
Keras是Python中的另一个重要的深度学习库，它基于TensorFlow，提供了更高级的深度学习函数和工具，可以用于创建和训练各种类型的神经网络模型。Scikit-learn是Python中的一个重要的机器学习库，它提供了各种机器学习算法和工具，可以用于分类、回归、聚类、降维和模型选择等任务。Seaborn是Python中的另一个可视化库，它基于Matplotlib，提供了更高级的绘图函数和工具，可以用于创建更漂亮和更复杂的图表和图形。其中，列表和元组是有序的数据集合，字典是无序的键值对集合。
Python数据分析
CJW的博客
03-05 1万+
数据分析 广义的数据分析包括狭义数据分析和数据挖掘。 狭义的数据分析是指根据分析目的，采用对比分析、分组分析、交叉分析和回归分析等分析方法，对收集来的数据进行处理与分析，提取有价值的信息，发挥数据的作用，得到一个特征统计量结果的过程。 数据挖掘则是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，通过应用聚类、分类、回归和关联规则等技术，挖掘潜在价值的过程。 1. 典型的数据分析的流程...
Python数据分析实践：python数据分析概述.docx
06-14
1.1 Python数据分析概述 数据分析概念 数据分析是指用适当的 统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和...
python数据分析练习题
02-25
python数据分析练习题
Python数据分析自学入门.pdf
03-15
python小白级入门教程
Python数据分析实战源代码
05-15
资源合计6大章节。...资源包含了数据准备、数据处理、数据的可视化，包括爬虫（网页数据抓取）、MySQL的连接、以及数据分析项目，具备完整的一个数据分析的流程，其中每一个章节都是独立的一个模块。
如何mysql数据导入到mongdb
codemami的博客
05-30 1023
由于MySQL和MongoDB的数据模型不同（例如，MySQL使用关系模型，而MongoDB使用文档模型），你可能需要转换数据的格式。使用MongoDB驱动程序：你也可以使用MongoDB的官方驱动程序（如Python的pymongo）来编写脚本，将数据直接插入到MongoDB中。注意：如果你的JSON文件包含多个文档，并且它们不是作为数组的一部分（即每个文档都在其自己的行上），则需要使用--jsonArray选项。手动转换：对于小型数据集，你可以手动编辑SQL或CSV文件，将其转换为JSON格式。
学 Python 具体能干什么？
猿小白的博客
05-26 1315
Python 是一种功能强大、用途广泛的编程语言，因其简洁易读的语法和丰富的库生态系统而备受欢迎。
在linux服务器上使用tensorboard，错误记录
最新发布
wwwwzm的博客
05-30 758
1. 使用tensorboard命令时，不是从虚拟环境中找tensorboard，而是从（全局路径）中找（/home/ljx/.local/lib/python3.9/site-packages/tensorboard）是一个在 Unix-like 系统（包括 Linux 和 macOS）的命令行界面（如 Bash shell）中使用的命令。2.使用which命令， 查看使用的tensorboard的路径，发现使用的是全局路径，不是虚拟环境路径。是一个特殊的变量，它定义了操作系统搜索可执行文件的目录。

“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 1
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

打赏作者

前撤步登哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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