python画图|多个Y轴分列右侧

于 2024-10-12 08:00:00 发布
阅读量1.2k 收藏 10
点赞数 25
分类专栏： python学习笔记 文章标签： python 开发语言
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_44855046/article/details/142784529
版权

【1】引言

前述python画图学习中，已经探索过X轴和Y轴的共享，可通过下述链接直达：

西猫雷婶-CSDN博客

但现实的画图实践中总会有新的要求，之前将所有轴合到一起的形式可能不再适用，因此，很有必要探索多个Y轴分列的绘图方法。

【2】官网教程

点击下述链接直达官网教程：

https://matplotlib.org/stable/gallery/spines/multiple_yaxis_with_spines.html#sphx-glr-gallery-spines-multiple-yaxis-with-spines-py

官网教程非常简洁，为此增加了注释。

【3】代码解读

首先引入画图模块matplotlib：

import matplotlib.pyplot as plt #引入画图模块

然后定义了要画图，并约定了第一个图的右边线在整个图片中的位置：

fig, ax = plt.subplots() #定义要画图
fig.subplots_adjust(right=0.75) #设置图形右侧边线所处位置，是图形宽度的函数

关于 fig.subplots_adjust()的解释可参考下述链接：

https://matplotlib.org/stable/api/_as_gen/matplotlib.figure.Figure.subplots_adjust.html#matplotlib.figure.Figure.subplots_adjust

fig.subplots_adjust()实际可设置以下内容：

Figure.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

left, bottom, right和top 代表图像左下右上边线在整个图形中的位置，相当于直接约定了图像的大小，wspace和hspace则约定了图像的填充。

为此，在【3.1】节展开测试。

接下来使用twinx()函数对X轴进行共享：

twin1 = ax.twinx() #twin1和ax共享X轴
twin2 = ax.twinx() #twin2和ax共享X轴

然后对twin2的Y轴进行了位置设定：将Y轴设定在图像右侧120%位置处

twin2.spines.right.set_position(("axes", 1.2))

然后分别绘制p1、p2和p3：

p1, = ax.plot([0, 1, 2], [0, 1, 2], "C0", label="Density")
p2, = twin1.plot([0, 1, 2], [0, 3, 2], "C1", label="Temperature")
p3, = twin2.plot([0, 1, 2], [50, 30, 15], "C2", label="Velocity")

然后对坐标范围和标签进行设置：

ax.set(xlim=(0, 2), ylim=(0, 2), xlabel="Distance", ylabel="Density") #设置坐标范围和标签
twin1.set(ylim=(0, 4), ylabel="Temperature") #设置坐标范围和标签
twin2.set(ylim=(1, 65), ylabel="Velocity") #设置坐标范围和标签

然后是颜色设置，这里是一个巧妙的嵌套：先设置文本的颜色，然后要求线条颜色和文本颜色一致：

ax.yaxis.label.set_color(p1.get_color()) #设置线条颜色和文本颜色
twin1.yaxis.label.set_color(p2.get_color()) #设置线条颜色和文本颜色
twin2.yaxis.label.set_color(p3.get_color()) #设置线条颜色和文本颜色

之后设置了Y轴凸出的小短线标签的颜色，使其和线条文本的颜色保持一致：

ax.tick_params(axis='y', colors=p1.get_color()) #设置Y轴凸出标签的颜色
twin1.tick_params(axis='y', colors=p2.get_color()) #设置Y轴凸出标签的颜色
twin2.tick_params(axis='y', colors=p3.get_color()) #设置Y轴凸出标签的颜色

最后设置图例和输出图形：

ax.legend(handles=[p1, p2, p3])

plt.show()

ax.legend()中的handles直接指向p1, p2, p3，实现图例的集中输出。

至此的完整代码为：

import matplotlib.pyplot as plt #引入画图模块

fig, ax = plt.subplots() #定义要画图
fig.subplots_adjust(right=0.75) #设置图形右侧边线所处位置，是图形宽度的函数

twin1 = ax.twinx() #twin1和ax共享X轴
twin2 = ax.twinx() #twin2和ax共享X轴

# Offset the right spine of twin2.  The ticks and label have already been
# placed on the right by twinx above.
twin2.spines.right.set_position(("axes", 1.2)) #设置twin2的Y轴位于图像右侧120%处

p1, = ax.plot([0, 1, 2], [0, 1, 2], "C0", label="Density") #绘图
p2, = twin1.plot([0, 1, 2], [0, 3, 2], "C1", label="Temperature") #绘图
p3, = twin2.plot([0, 1, 2], [50, 30, 15], "C2", label="Velocity") #绘图

ax.set(xlim=(0, 2), ylim=(0, 2), xlabel="Distance", ylabel="Density") #设置坐标范围和标签
twin1.set(ylim=(0, 4), ylabel="Temperature") #设置坐标范围和标签
twin2.set(ylim=(1, 65), ylabel="Velocity") #设置坐标范围和标签

ax.yaxis.label.set_color(p1.get_color()) #设置线条颜色和文本颜色
twin1.yaxis.label.set_color(p2.get_color()) #设置线条颜色和文本颜色
twin2.yaxis.label.set_color(p3.get_color()) #设置线条颜色和文本颜色

ax.tick_params(axis='y', colors=p1.get_color()) #设置Y轴凸出标签的颜色
twin1.tick_params(axis='y', colors=p2.get_color()) #设置Y轴凸出标签的颜色
twin2.tick_params(axis='y', colors=p3.get_color()) #设置Y轴凸出标签的颜色

ax.legend(handles=[p1, p2, p3]) #集中输出图例

plt.show() #输出图形

输出图像为：

图1

【3】代码修改

【3.1】横向测试

输入以下代码，对fig.subplots_adjust()函数进行测试。此处的测试方案是横向输出子图，所以hspace的设置没有任何影响。

import matplotlib.pyplot as plt #引入画图模块

fig, ax = plt.subplots(1,2 ) #定义要画图
fig.subplots_adjust(left=0.5,bottom=0.5,right=0.8,top=0.8,wspace=3,hspace=1) #设置图形右侧边线所处位置，是图形宽度的函数

ax[0].plot([0, 1, 2], [0, 1, 2], "C0", label="Density")
ax[1].plot([0, 1, 2], [0, 1, 2], "C01", label="Density1")
ax[0].legend()
ax[0].set(xlim=(0, 2), ylim=(0, 2), xlabel="Distance", ylabel="Density")
ax[1].set(xlim=(0, 2), ylim=(0, 2), xlabel="Distance", ylabel="Density")
ax[1].legend()

plt.show()

运行代码后的输出图像为：

图2

图2中的两个子图位置由下述代码提前约定：

fig.subplots_adjust(left=0.5,bottom=0.5,right=0.8,top=0.8,wspace=3,hspace=1)

其中left=0.5,bottom=0.5约定了第一个子图的左边线和下边线分别位于整个图形横轴和纵轴的中部；right=0.8,top=0.8约定了右边线和上边线分别位于整个图形横轴和纵轴的80%位置处。这里面引用的所有数据起始点都位于图像的左下角(0,0)位置处。

wspace=3约定了两个子图的横向间距是3个坐标轴宽度。

【3.2】纵向测试

输入以下代码，对fig.subplots_adjust()函数进行测试。此处的测试方案是横向输出子图，所以wspace的设置没有任何影响。

import matplotlib.pyplot as plt #引入画图模块

fig, ax = plt.subplots(2,1 ) #定义要画图
fig.subplots_adjust(left=0.5,bottom=0.5,right=0.8,top=0.8,wspace=3,hspace=6) #设置图形右侧边线所处位置，是图形宽度的函数

ax[0].plot([0, 1, 2], [0, 1, 2], "C0", label="Density")
ax[1].plot([0, 1, 2], [0, 1, 2], "C01", label="Density1")
ax[0].legend()
ax[0].set(xlim=(0, 2), ylim=(0, 2), xlabel="Distance", ylabel="Density")
ax[1].set(xlim=(0, 2), ylim=(0, 2), xlabel="Distance", ylabel="Density")
ax[1].legend()

plt.show()

运行代码后的输出图像为：

图3

图2中的两个子图位置由下述代码提前约定：

fig.subplots_adjust(left=0.5,bottom=0.5,right=0.8,top=0.8,wspace=3,hspace=6)

其中left=0.5,bottom=0.5约定了第一个子图的左边线和下边线分别位于整个图形横轴和纵轴的中部；right=0.8,top=0.8约定了右边线和上边线分别位于整个图形横轴和纵轴的80%位置处。这里面引用的所有数据起始点都位于图像的左下角(0,0)位置处。

hspace=6约定了两个子图的纵向间距是6个坐标轴宽度。

【4】代码优化

引入计算模块，将变量变成三角函数，改后代码为：

import matplotlib.pyplot as plt #引入画图模块
import numpy as np #引入计算模块

fig, ax = plt.subplots() #定义要画图
fig.subplots_adjust(right=0.75) #设置图形右侧边线所处位置，是图形宽度的函数

t=np.linspace(0,10,100)
twin1 = ax.twinx() #twin1和ax共享X轴
twin2 = ax.twinx() #twin2和ax共享X轴

# Offset the right spine of twin2.  The ticks and label have already been
# placed on the right by twinx above.
twin2.spines.right.set_position(("axes", 1.2)) #设置twin2的Y轴位于图像右侧120%处

p1, = ax.plot(t, np.sin(t)+1, "C0", label="Density") #绘图
p2, = twin1.plot(t, np.cos(t)+1, "C1", label="Temperature") #绘图
p3, = twin2.plot(t, np.sin(t)+np.cos(t)+1, "C2", label="Velocity") #绘图

ax.set(xlim=(0, 10), ylim=(-0.25, 3), xlabel="Distance", ylabel="Density") #设置坐标范围和标签
twin1.set(ylim=(-0.5, 3), ylabel="Temperature") #设置坐标范围和标签
twin2.set(ylim=(-1.5, 3), ylabel="Velocity") #设置坐标范围和标签

ax.yaxis.label.set_color(p1.get_color()) #设置线条颜色和文本颜色
twin1.yaxis.label.set_color(p2.get_color()) #设置线条颜色和文本颜色
twin2.yaxis.label.set_color(p3.get_color()) #设置线条颜色和文本颜色

ax.tick_params(axis='y', colors=p1.get_color()) #设置Y轴凸出标签的颜色
twin1.tick_params(axis='y', colors=p2.get_color()) #设置Y轴凸出标签的颜色
twin2.tick_params(axis='y', colors=p3.get_color()) #设置Y轴凸出标签的颜色

ax.legend(handles=[p1, p2, p3]) #集中输出图例

plt.show() #输出图形

运行后的图像为：

图4

可见，twins()函数确实有良好的适应性。

【5】动态输出

在先前的学习进程中，已经掌握动态输出技能，参考下述链接：

python画图|曲线动态输出基础教程-CSDN博客

python画图|散点图动态输出-CSDN博客

此处也尝试一下，制作Y轴分列的动态输出图，首先实现动态输出，在编辑器输入以下代码：

import matplotlib.pyplot as plt #引入画图模块
import numpy as np #引入计算模块

import matplotlib.animation as animation #引入动画制作模块

fig, ax = plt.subplots() #定义画图

x = np.arange(0, 2*np.pi, 0.01) #定义自变量
twin1 = ax.twinx() #twin1和ax共享X轴
twin2 = ax.twinx() #twin2和ax共享X轴

line, = ax.plot(x, np.sin(x)) #定义因变量
line1, = twin1.plot(x, np.cos(x)) #定义因变量
line2, = twin2.plot(x, np.cos(x)+np.sin(x)) #定义因变量

def animate(i): #自定义函数
    line.set_ydata(np.sin(x + i / 50))  # update the data. 更新Y轴数据，实现动态输出
    line1.set_ydata(np.cos(x + i / 50))  # update the data. 更新Y轴数据，实现动态输出
    line2.set_ydata(np.cos(x + i / 50)+np.sin(x + i / 50))
    return line,line1,line2


ani = animation.FuncAnimation( #绘制动画
    fig, animate, interval=20, blit=True, save_count=50)

ani.save('animations-3lines.gif') #保存动画
plt.show() #输出图形

获得输出图形为：

图5

由图5可见，在未设置分列Y轴位置的时候，所有轴重合在一起。

为此，继续增加代码，让不同的Y轴分列显示，同时给线条设置不同的颜色。

先设置图形右侧边线位置：

fig, ax = plt.subplots() #定义画图
fig.subplots_adjust(right=0.75)

再设置第二个分列轴的位置：

twin2.spines.right.set_position(("axes", 1.2))

统一轴和线条的颜色：

ax.yaxis.label.set_color(line.get_color()) #设置线条颜色和文本颜色
twin1.yaxis.label.set_color(line1.get_color()) #设置线条颜色和文本颜色
twin2.yaxis.label.set_color(line2.get_color()) #设置线条颜色和文本颜色

ax.tick_params(axis='y', colors=line.get_color()) #设置Y轴凸出标签的颜色
twin1.tick_params(axis='y', colors=line1.get_color()) #设置Y轴凸出标签的颜色
twin2.tick_params(axis='y', colors=line2.get_color()) #设置Y轴凸出标签的颜色

获得的图形为：

图6

对应的完整代码为：

import matplotlib.pyplot as plt #引入画图模块
import numpy as np #引入计算模块

import matplotlib.animation as animation #引入动画制作模块

fig, ax = plt.subplots() #定义画图
fig.subplots_adjust(right=0.75)

x = np.arange(0, 10, 0.01) #定义自变量
twin1 = ax.twinx() #twin1和ax共享X轴
twin2 = ax.twinx() #twin2和ax共享X轴
twin2.spines.right.set_position(("axes", 1.2))
line, = ax.plot(x, np.sin(x),"C0",label="Density") #定义因变量
line1, = twin1.plot(x, np.cos(x),"C1",label="Temperature") #定义因变量
line2, = twin2.plot(x, np.cos(x)+np.sin(x), "C2",label="Velocity") #定义因变量

def animate(i): #自定义函数
    line.set_ydata(np.sin(x + i / 50))  # update the data. 更新Y轴数据，实现动态输出
    line1.set_ydata(np.cos(x + i / 50))  # update the data. 更新Y轴数据，实现动态输出
    line2.set_ydata(np.cos(x + i / 50)+np.sin(x + i / 50))
    return line,line1,line2


ani = animation.FuncAnimation( #绘制动画
    fig, animate, interval=20, blit=True, save_count=50)

ax.set(xlim=(0, 10), ylim=(-1.5, 1.5), xlabel="Distance", ylabel="Density") #设置坐标范围和标签
twin1.set(ylim=(-1.5, 1.5), ylabel="Temperature") #设置坐标范围和标签
twin2.set(ylim=(-2.5, 3), ylabel="Velocity") #设置坐标范围和标签

ax.yaxis.label.set_color(line.get_color()) #设置线条颜色和文本颜色
twin1.yaxis.label.set_color(line1.get_color()) #设置线条颜色和文本颜色
twin2.yaxis.label.set_color(line2.get_color()) #设置线条颜色和文本颜色

ax.tick_params(axis='y', colors=line.get_color()) #设置Y轴凸出标签的颜色
twin1.tick_params(axis='y', colors=line1.get_color()) #设置Y轴凸出标签的颜色
twin2.tick_params(axis='y', colors=line2.get_color()) #设置Y轴凸出标签的颜色

ax.legend(handles=[line, line1, line2]) #集中输出图例
ani.save('animations-3lines.gif') #保存动画


plt.show() #输出图形

【6】总结

学习了多个Y轴分列右侧的操作技巧，在此基础上实现了动态曲线输出。

python绘图多坐标轴的处理
赵星汉同学的博客
06-28 1447
这两天写论文，其中有张图需要将三个属性连接到一个序列上，本来想用面积表达第二，颜色表达第三个属性，又尝试了用三维图，发现效果都不好。今天早上被一只蚊子弄的睡不着了，凌晨四点忽然想到干嘛不用单横坐标多纵坐标的形式解决呢。于是马上爬起来查阅相关文档完成了这一方面的内容，记录如下：直接上代码吧。 最终效果如下：...
python y轴分两段_python中用Matplotlib做多个纵轴 （多y轴）
weixin_39747341的博客
02-19 713
多轴的绘制要用到有两种方法可以实现，一是用主轴和寄生轴的方法，即mpl_toolkits.axisartist.parasite_axes里的HostAxes,和ParasiteAxes。 另一种是用twinx()，结合mpl_toolkits.axes_grid1里的host_subplot。 这里用寄生轴的方法实现。首先是要创建主轴用HostAxes(figure,[ 左，下，宽，高 ]) 然...
Matplotlib实现一张图左右两个Y轴
weixin_63297556的博客
03-23 678
【代码】Matplotlib实现一张图左右两个Y轴。
python多轴图_Python多子图布局与坐标轴科学计算方法,python,及,计数法
weixin_39601056的博客
12-06 325
布局方法一：import numpy as npimport matplotlib.pyplot as pltdef f(t):return np.exp(-t) * np.cos(2*np.pi*t)t1 = np.arange(0.0, 3.0, 0.01)ax1 = plt.subplot(212) #两行一列第二行ax1.margins(0.05) # Def...
matplotlib画图-（双y轴，共享x轴）
梦旅人的博客
06-11 597
matplotlib在同一个画布 左边y轴为平均温度画柱状图，右边y轴为平均湿度画折线图。并为它们加上数据标签
Python Matplotlib 多 Y 轴图形绘制技巧：从双轴到四轴，一文掌握图表美化方法
Stark_Fng的博客
08-07 5602
在matplotlib中，绘制多Y轴图形常常使用twinx()方法。
python可视化直方图的x轴参数设置_python之可视化Matplotlib模块
weixin_42405503的博客
01-14 4500
本文要讲的是Matplotlib，一个强大的Python可视化库。通过模块，轻松实现曲线图、散点图、折线图、直方图、柱状图、饼图等。一、曲线图绘制单条曲线:x = [1,2,3,4,5,6,7,8,9,10]y = [10,9,8,7,6,5,4,3,2,1]plt.plot(x,y)注意：y,x轴的值必须为数字绘制抛物线:x = np.arange(-np.pi,np.pi,0.1)y = x*...
Python数据分析-绘图-2-Seaborn进阶绘图-4-分类图
weixin_44020827的博客
12-05 3780
一、分类散点图 1.stripplot 函数：seaborn.stripplot 常用参数： x,y,hue 接收data中的变量名，表示选入的绘图变量，hue传入分类变量，以对颜色分类。 data 接收DataFrame，array，list，series，表示用于绘图的数据集。 order,order_hue 接收字符串列表，指定绘图分类级别。 jitter 接收float，True或1，添加均匀随机噪声以优化图形显示。默认为True dodge b
python 二维强度图_荐 python数据分析matplotlib库使用之二维图形绘制
weixin_34083972的博客
01-28 870
本篇内容会在后期不定时更新什么是matplotlibmatplotlib是最流行的python底层绘图库，主要做数据可视化图表。为什么要学习matplotlib能将数据进行可视化，更直观的呈现使数据更加客观，更具有说服力二维图绘制matplotlib库的基本使用之折线图导入matplotlib库frommatplotlibimportpyplotaspltx=range(1,10,2)y=[2,4...
python绘图颜色深浅代表数值_Python数据可视化绘图工具matplotlib浅试
weixin_29234239的博客
02-21 3008
数据可视化matplotlib模块的使用1、柱形图1、应用场景：定性数据的分布展示说明：柱状图主要是应用在可视化数据的应用场景中例如：一个班级中学生的籍贯分布，下载一款app操作分布2、绘图原理bar函数的使用参数的说明：注意：不使用默认的‘Unicode minues’模块来处理坐标轴轴线的刻度是负数的情况一般使用“ASCII hypen”模块来处理坐标轴轴线的负刻度值的情况ba()r函数参数：...
Python使用Matplotlib库绘制双y轴图形（柱状图+折线图）
XIAOWANGaxs的博客
06-04 1万+
Matplotlib可以创建出版质量的图形，制作交互式的图形，自定义视觉风格和布局，导出到多种文件格式，嵌入在JupyterLab和图形用户界面中。Matplotlib提供了多种图形，包括基本的柱状图、折线图、散点图、箱线图、散点图、饼图等，还提供了极坐标图、3D图形等高级的可视化图形（如果不想看官方文档，可以查看。好了，今天的踩坑日记就到这里了，对于图的其它修改细节，大家可以自己尝试一下，多试试总能发现不同的坑。，并且也没有出现报错信息，说明两个图例都显示出来的，很有可能就是。
python 实现多条y轴
最新发布
2301_77901260的博客
01-06 1050
1.首先需要准备数据2. 创建子图3. 要实现双y轴操作，就要用到twinx()函数了。在 axis_1，axis_2 的两个字图的基础上进行绘制图形注意：默认情况下的坐标轴：axis_1：对应左侧坐标轴axis_2：对应右侧坐标。
python 如何画多Y轴图
jinxiqinghuan的博客
08-21 1990
如何画多Y轴图 如图，我们想把每个例子的多个指标（Dice, HD, IOU）画在同一个图中，应该怎么操作呢 使用到的工具是：matplotlib (Version: 3.3.3) ```python from mpl_toolkits.axes_grid1 import host_subplot from mpl_toolkits import axisartist import matplotlib.pyplot as plt host = host_subplot(111, axes_class
python 画图多个y轴
yuanboshuai的博客
10-17 1702
from mpl_toolkits.axisartist.parasite_axes import HostAxes, ParasiteAxes import matplotlib.pyplot as plt import numpy as np # 图层可分为四种 # # Canvas层 画布层 位于最底层，用户一般接触不到。 matplotlib.pyplot就是一个canvas层 # Figure层 图像层 建立在Canvas之上。 plt.figure()就是一个f.
python的matplotlib实现双Y轴
zhuhengv的博客
09-21 1万+
import matplotlib.pyplot as plt import numpy as np x = np.arange(0., np.e, 0.01) y1 = np.exp(-x) y2 = np.log(x) fig = plt.figure() ax1 = fig.add_subplot(111) ax1.plot(x, y1,'r',label="right"); ax1.l
python matplotlib 绘制双Y轴曲线图
热门推荐
Avalon
06-06 9万+
要点就是ax2 = ax1.twinx()， 制作一个兄弟轴。代码如下：import matplotlib.pyplot as plt import numpy as npx = np.arange(0., np.e, 0.01) y1 = np.exp(-x) y2 = np.log(x)fig = plt.figure()ax1 = fig.add_subplot(111) ax1.plot(x
python 实现双纵轴（y）轴图像的绘制（中文label），解决只显示一个折线label的问题
sinat_27864123的博客
03-13 2万+
数据：原始数据中，分为第0,1,2,3列，这里使用第1（横轴），2列（左纵轴），3列（右纵轴）200649.735.0229.07200751.2533.6829.62200854.7537.8831.39200953.5736.2129.44201046.0830.7720.9201148.3231.2123.03201252.0631.2824.47201353.8631.3825.57201...
python如何画多个纵坐标_python-PANDAS绘制多个Y轴
weixin_32367173的博客
02-03 3235
没有plt的简单解决方案：ax1 = df1.plot()ax2 = ax1.twinx()ax2.spines['right'].set_position(('axes', 1.0))df2.plot(ax=ax2)ax3 = ax1.twinx()ax3.spines['right'].set_position(('axes', 1.1))df3.plot(ax=ax3)....使用函数来实现...
python 画图 y轴设定
06-08
在使用 Python 画图时，可以使用 `matplotlib` 库来画图。要设定 y 轴，可以使用 `ylabel()` 函数来设定 y 轴的标签，或者使用 `ylim()` 函数来设定 y 轴的取值范围。 以下是一个示例代码： ``` python import matplotlib.pyplot as plt # 创建数据 x = [1, 2, 3, 4, 5] y = [10, 20, 30, 40, 50] # 画折线图 plt.plot(x, y) # 设定 y 轴标签 plt.ylabel('Y Label') # 设定 y 轴取值范围 plt.ylim(0, 60) # 显示图像 plt.show() ``` 在这个示例中，我们创建了一个包含两个列的数据，然后使用 `plot()` 函数画出了折线图。接着，我们使用 `ylabel()` 函数设定了 y 轴的标签。最后，我们使用 `ylim()` 函数设定了 y 轴的取值范围为 0 到 60。最后，我们使用 `show()` 函数显示图像。
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