hive3.1.2 hql 语句知识点笔记及练习（二）行转列 列转行 窗口函数

最新推荐文章于 2022-02-24 15:57:35 发布
最新推荐文章于 2022-02-24 15:57:35 发布
阅读量364 收藏
点赞数 1
分类专栏： hive 文章标签： hive 数据库 大数据
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_46959672/article/details/110491647
版权

行转列

行转列 将多行的数据合并到一列中

collect_set

collect_set – 去重

collect_list

以上两个都是聚合函数 将收集的多行数据聚集成一个数组集合

concat

拼接 参数是可变参数 拼接字符串

concat_ws

参数一 拼接符 参数二 可变个数的字符串/数组

表内容
zz	处女座	B
nn	射手座	A
bb	处女座	B
gg	白羊座	A
tg	射手座	A
create table  tb_teacher(
name string ,
xz string ,
xx  string
)
row format delimited fields terminated by '\t' ;
load data local inpath "/data/tc" into table tb_teacher ;
需要得到如下结果
射手座,A            nn|tg
白羊座,A            gg
处女座,B            bb|zz

select
concat(xz ,"," , xx) as xax,
concat_ws("|",collect_list(name)) as names
from
tb_teacher 
group by  xz, xx  ;
--结果
+----------+-----------+
|  xax     |   names   |
+----------+-----------+
| 处女座,B  |  zz|bb    |
| 射手座,A  |  nn|tg    |
| 白羊座,A  |  gg       |
+----------+-----------+

列转行

表内容
《八佰》	战争
《八佰》	动作
《八佰》	抗日
《八佰》	剧情
《姜子牙》	动画
《姜子牙》	神话
《姜子牙》	科幻
《姜子牙》	动作
《姜子牙》	伦理
《战狼2》	战争
《战狼2》	动作
《战狼2》	灾难
create table  tb_movie(
name string ,
typ string 
)
row format delimited fields terminated by '\t' ;
load data local inpath "/root/movie" into table tb_movie ;

select
name ,
concat_ws(",",collect_list(typ)) as  categorys
from
tb_movie 
group by  name ;
--结果
+--------+-----------------+
|  name  |    categorys    |
+--------+-----------------+
| 《八佰》   | 战争,动作,抗日,剧情     |
| 《姜子牙》  | 动画,神话,科幻,动作,伦理  |
| 《战狼2》  | 战争,动作,灾难        |
+--------+-----------------+

explode函数

表内容
《八佰》	战争,动作,抗日,剧情
《姜子牙》	 动画,神话,科幻,动作,伦理
《战狼2》	战争,动作,灾难
需求：再转换成第一个的结果
create table  tb_movie2(
name string ,
categorys string 
)
row format delimited fields terminated by '\t' ;
load data local inpath "/data/movie2" into table tb_movie2 ;

select
explode(split(categorys,","))  -- 将字符串切割成数组
from
tb_movie2 ;
--结果如下
+------+
| col  |
+------+
| 战争   |
| 动作   |
| 抗日   |
| 剧情   |
| 动画   |
| 神话   |
| 科幻   |
| 动作   |
| 伦理   |
| 战争   |
| 动作   |
| 灾难   |
+------+

侧窗口函数lateral view

类似隐式 join

select name,tp
from tb_movie2
lateral view 
explode(split(categorys,',')) t as tp
--t  表名 
--tp  虚拟表的字段名 

--结果
+--------+-----+
|  name  | tp  |
+--------+-----+
| 《八佰》   | 战争  |
| 《八佰》   | 动作  |
| 《八佰》   | 抗日  |
| 《八佰》   | 剧情  |
| 《姜子牙》  | 动画  |
| 《姜子牙》  | 神话  |
| 《姜子牙》  | 科幻  |
| 《姜子牙》  | 动作  |
| 《姜子牙》  | 伦理  |
| 《战狼2》  | 战争  |
| 《战狼2》  | 动作  |
| 《战狼2》  | 灾难  |
+--------+-----+

窗口函数

在进行分组聚合以后 ，我们还想操作集合以前的数据 使用到窗口函数

OVER()：指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变化
CURRENT ROW：当前行  current row
n PRECEDING：往前n行数据  n  preceding
n FOLLOWING：往后n行数据  n following
UNBOUNDED：起点，UNBOUNDED PRECEDING 表示从前面的起点， UNBOUNDED FOLLOWING表示到
			后面的终点  unbound preceding  unbound following
LAG(col,n)：往前第n行数据  lag  参数一 字段  n
LEAD(col,n)：往后第n行数据 lead
NTILE(n)：把有序分区中的行分发到指定数据的组中，各个组有编号，编号从1开始，对于每一行，NTILE返回
			此行所属的组的编号。注意：n必须为int类型。

表内容
jack,2020-01-01,10
tony,2020-01-02,15
jack,2020-02-03,23
tony,2020-01-04,29
jack,2020-01-05,46
jack,2020-04-06,42
tony,2020-01-07,50
jack,2020-01-08,55
mart,2020-04-08,62
mart,2020-04-09,68
neil,2020-05-10,12
mart,2020-04-11,75
neil,2020-06-12,80
mart,2020-04-13,94
--创建表，导入数据
create table  tb_orders(
name string ,
ctime string  ,
money  double 
)
row format delimited fields terminated by ',' ;
load data local inpath "/data/orders" into table tb_orders ;

求每个人的订单明细和总量
select
* ,
count(1) over(partition by name)  , -- 指定窗口大小是一个人
sum(money) over(partition by name)
from
tb_orders ;
--结果展示
+-----------------+------------------+------------------+-----------------+---------------+
| tb_orders.name  | tb_orders.ctime  | tb_orders.money  | count_window_0  | sum_window_1  |
+-----------------+------------------+------------------+-----------------+---------------+
| jack            | 2020-01-05       | 46.0             | 5               | 176.0         |
| jack            | 2020-01-08       | 55.0             | 5               | 176.0         |
| jack            | 2020-01-01       | 10.0             | 5               | 176.0         |
| jack            | 2020-04-06       | 42.0             | 5               | 176.0         |
| jack            | 2020-02-03       | 23.0             | 5               | 176.0         |
| mart            | 2020-04-13       | 94.0             | 4               | 299.0         |
| mart            | 2020-04-11       | 75.0             | 4               | 299.0         |
| mart            | 2020-04-09       | 68.0             | 4               | 299.0         |
| mart            | 2020-04-08       | 62.0             | 4               | 299.0         |
| neil            | 2020-05-10       | 12.0             | 2               | 92.0          |
| neil            | 2020-06-12       | 80.0             | 2               | 92.0          |
| tony            | 2020-01-04       | 29.0             | 3               | 94.0          |
| tony            | 2020-01-02       | 15.0             | 3               | 94.0          |
| tony            | 2020-01-07       | 50.0             | 3               | 94.0          |
+-----------------+------------------+------------------+-----------------+---------------+

select
* , 
sum(money)  over(partition by name  order by ctime  rows  between unbounded  
preceding  and  current row ) 
from
tb_orders ;

等价于

select
* , 
sum(money)  over(partition by name  order by ctime)  -- order by ctime  起始行和当前行
from
tb_orders ;

--结果
+-----------------+------------------+------------------+---------------+
| tb_orders.name  | tb_orders.ctime  | tb_orders.money  | sum_window_0  |
+-----------------+------------------+------------------+---------------+
| jack            | 2020-01-01       | 10.0             | 10.0          |
| jack            | 2020-01-05       | 46.0             | 56.0          |
| jack            | 2020-01-08       | 55.0             | 111.0         |
| jack            | 2020-02-03       | 23.0             | 134.0         |
| jack            | 2020-04-06       | 42.0             | 176.0         |
| mart            | 2020-04-08       | 62.0             | 62.0          |
| mart            | 2020-04-09       | 68.0             | 130.0         |
| mart            | 2020-04-11       | 75.0             | 205.0         |
| mart            | 2020-04-13       | 94.0             | 299.0         |
| neil            | 2020-05-10       | 12.0             | 12.0          |
| neil            | 2020-06-12       | 80.0             | 92.0          |
| tony            | 2020-01-02       | 15.0             | 15.0          |
| tony            | 2020-01-04       | 29.0             | 44.0          |
| tony            | 2020-01-07       | 50.0             | 94.0          |
+-----------------+------------------+------------------+---------------+

上一行和当前行

select
* , 
sum(money)  over(partition by name  order by ctime rows  between   1  preceding   and  current row )  -- order by ctime  起始行和当前行
from
tb_orders ;

上一行 当前行 和下一行

select
* , 
sum(money)  over(partition by name  order by ctime rows  between   1  preceding   and  1  following )  -- order by ctime  起始行和当前行
from
tb_orders ;

LAG(col,n) 往前第n行数据

LAG(col,n)：往前第n行数据
参数一 ：字段
参数二： n
参数三：如果没有前n行的值，默认为null

select
* ,
lag(ctime ,1 , '第一次购买')  over(partition by name   order by ctime) 
from
tb_orders  ;
--结果
+-----------------+------------------+------------------+---------------+
| tb_orders.name  | tb_orders.ctime  | tb_orders.money  | lag_window_0  |
+-----------------+------------------+------------------+---------------+
| jack            | 2020-01-01       | 10.0             | 第一次购买      |
| jack            | 2020-01-05       | 46.0             | 2020-01-01    |
| jack            | 2020-01-08       | 55.0             | 2020-01-05    |
| jack            | 2020-02-03       | 23.0             | 2020-01-08    |
| jack            | 2020-04-06       | 42.0             | 2020-02-03    |
| mart            | 2020-04-08       | 62.0             | 第一次购买      |
| mart            | 2020-04-09       | 68.0             | 2020-04-08    |
| mart            | 2020-04-11       | 75.0             | 2020-04-09    |
| mart            | 2020-04-13       | 94.0             | 2020-04-11    |
| neil            | 2020-05-10       | 12.0             | 第一次购买      |
| neil            | 2020-06-12       | 80.0             | 2020-05-10    |
| tony            | 2020-01-02       | 15.0             | 第一次购买      |
| tony            | 2020-01-04       | 29.0             | 2020-01-02    |
| tony            | 2020-01-07       | 50.0             | 2020-01-04    |
+-----------------+------------------+------------------+---------------+

ntile(n)

select
name ,
ctime ,
money
from
(select
* ,
ntile(5)  over(order by ctime) as num
from
tb_orders)t 
where  num =1  ;
+-------+-------------+--------+
| name  |    ctime    | money  |
+-------+-------------+--------+
| jack  | 2020-01-01  | 10.0   |
| tony  | 2020-01-02  | 15.0   |
| tony  | 2020-01-04  | 29.0   |
+-------+-------------+--------+

练习

还是上表的内容
（1）查询在2020年4月份购买过的顾客及总人数

select
name,
count(1)  over()  --整个表
from
(select
distinct  name 
from
tb_orders where  substring(ctime , 0 , 7) = '2020-04' --筛选出4月的顾客
)t ;
--结果
+-------+------+
| name  | num  |
+-------+------+
| mart  | 2    |
| jack  | 2    |
+-------+------+

（2）查询顾客的购买明细及月购买总额

select
* ,
sum(money) over(partition by name , substring(ctime ,1 ,7))
from
tb_orders ;

或者使用month函数

select
* ,
sum(money) over(partition by name , month(ctime)) as month_cost
from
tb_orders ;
--结果
+-----------------+------------------+------------------+-------------+
| tb_orders.name  | tb_orders.ctime  | tb_orders.money  | month_cost  |
+-----------------+------------------+------------------+-------------+
| jack            | 2020-01-05       | 46.0             | 111.0       |
| jack            | 2020-01-08       | 55.0             | 111.0       |
| jack            | 2020-01-01       | 10.0             | 111.0       |
| jack            | 2020-02-03       | 23.0             | 23.0        |
| jack            | 2020-04-06       | 42.0             | 42.0        |
| mart            | 2020-04-13       | 94.0             | 299.0       |
| mart            | 2020-04-11       | 75.0             | 299.0       |
| mart            | 2020-04-09       | 68.0             | 299.0       |
| mart            | 2020-04-08       | 62.0             | 299.0       |
| neil            | 2020-05-10       | 12.0             | 12.0        |
| neil            | 2020-06-12       | 80.0             | 80.0        |
| tony            | 2020-01-04       | 29.0             | 94.0        |
| tony            | 2020-01-02       | 15.0             | 94.0        |
| tony            | 2020-01-07       | 50.0             | 94.0        |
+-----------------+------------------+------------------+-------------+

（3）上述的场景,要将money按照日期进行累加

select *,
sum(money) over(order by ctime rows  between unbounded  preceding  
and  current row)
from tb_orders
--结果
+-----------------+------------------+------------------+---------------+
| tb_orders.name  | tb_orders.ctime  | tb_orders.money  | sum_window_0  |
+-----------------+------------------+------------------+---------------+
| jack            | 2020-01-01       | 10.0             | 10.0          |
| tony            | 2020-01-02       | 15.0             | 25.0          |
| tony            | 2020-01-04       | 29.0             | 54.0          |
| jack            | 2020-01-05       | 46.0             | 100.0         |
| tony            | 2020-01-07       | 50.0             | 150.0         |
| jack            | 2020-01-08       | 55.0             | 205.0         |
| jack            | 2020-02-03       | 23.0             | 228.0         |
| jack            | 2020-04-06       | 42.0             | 270.0         |
| mart            | 2020-04-08       | 62.0             | 332.0         |
| mart            | 2020-04-09       | 68.0             | 400.0         |
| mart            | 2020-04-11       | 75.0             | 475.0         |
| mart            | 2020-04-13       | 94.0             | 569.0         |
| neil            | 2020-05-10       | 12.0             | 581.0         |
| neil            | 2020-06-12       | 80.0             | 661.0         |
+-----------------+------------------+------------------+---------------+

（4）查询顾客上次的购买时间

select *,
lag(ctime,1) over(partition by name order by ctime)
from tb_orders
--结果
+-----------------+------------------+------------------+-------------+
| tb_orders.name  | tb_orders.ctime  | tb_orders.money  |  last_time  |
+-----------------+------------------+------------------+-------------+
| jack            | 2020-01-01       | 10.0             | NULL        |
| jack            | 2020-01-05       | 46.0             | 2020-01-01  |
| jack            | 2020-01-08       | 55.0             | 2020-01-05  |
| jack            | 2020-02-03       | 23.0             | 2020-01-08  |
| jack            | 2020-04-06       | 42.0             | 2020-02-03  |
| mart            | 2020-04-08       | 62.0             | NULL        |
| mart            | 2020-04-09       | 68.0             | 2020-04-08  |
| mart            | 2020-04-11       | 75.0             | 2020-04-09  |
| mart            | 2020-04-13       | 94.0             | 2020-04-11  |
| neil            | 2020-05-10       | 12.0             | NULL        |
| neil            | 2020-06-12       | 80.0             | 2020-05-10  |
| tony            | 2020-01-02       | 15.0             | NULL        |
| tony            | 2020-01-04       | 29.0             | 2020-01-02  |
| tony            | 2020-01-07       | 50.0             | 2020-01-04  |
+-----------------+------------------+------------------+-------------+

（5）查询前20%时间的订单信息

select
name ,
ctime ,
money
from
(select
* ,
ntile(5)  over(order by ctime) as num
from
tb_orders)t 
where  num =1  ;
--结果
+-------+-------------+--------+
| name  |    ctime    | money  |
+-------+-------------+--------+
| jack  | 2020-01-01  | 10.0   |
| tony  | 2020-01-02  | 15.0   |
| tony  | 2020-01-04  | 29.0   |
+-------+-------------+--------+
z小丑八怪r
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
Hive----关联查询 排序 系统函数 分桶表 行列转换 窗口函数
weixin_51077563的博客
12-02 408
关联查询 join on --可以多表连接 left join on --左连接 right join on --右连接 left semi on --返回主表的内容 right不能和semi一块使用,只能左连 (类似于子查询) union all --联合查询,连接两个查询的结果集 要求字段个数和数据类型一致 all(不会去重) union --去重 (union all 和 union返回结果是两个表的结合) full join --两个表的拼接(包括null值) --join的多表连
SQL中行转列的语句
热门推荐
code_monkey的博客
06-18 19万+
人工智能，零基础入门！http://www.captainbed.net/inner 1、先从一个题目说起，有一个info表，表结构和测试数据如下，我们想要的效果是，把这些result按输赢来再加一列，分别是win列和lose列，列的内容是win或lose的数量，最后按照日期来分组排。 2、下面是SQL语句： select date, count(case w...
hibernate执行sql 行转列
mengzhongxue的专栏
08-25 908
String hql = "select a.*,a.measure,b.productId,b.product from (select code,name,measure,"; int count = 0; if(mm==2){ count=30; }else if(mm==1||mm==3||mm==5||mm==7||mm==8||mm==10||mm==12){ count=3
hive sql 语法解析，最新版的ali druid sqlParserUtils 1.2.8 已经支持了
stomfeng的专栏
02-24 3948
Hive sql （HQL）解析,已知的方法 有 jsqlparser - 失败了，不支持 hive 语法 hive-exec ，用 ParseDriver 和 ast token , 失败了，复杂语法不支持(奇怪，hive 服务器难道不是用的这个解析吗) 这里有一些 使用案例，人家用的好好的，可能是我们的姿势不对，待研究 优步 Uber 的queryparser，使用 haskell 语言开发，没有maven jar 包可用，算了，咱也不熟悉 gsp - general sql pa
hive3.1.2的简介,基本语法以及hive的安装
Fresh_man888的博客
10-12 1438
0.hive简介: hive是基于Hadoop的一个数据仓库工具,并不是一个数据库，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive是十分适合数据仓库的统计分析
Hive3.1.2编译源码
05-20
使用hive3.1.2和spark3.0.0配置hive on spark的时候，发现官方下载的hive3.1.2和spark3.0.0不兼容，hive3.1.2对应的版本是spark2.3.0，而spark3.0.0对应的hadoop版本是hadoop2.6或hadoop2.7。 所以，如果想要使用高...
Python pandas 列转行操作详解(类似hive中explode方法)
09-16
本文将详细讲解如何在pandas中进行列转行的操作，类似于Hive中的explode方法，这对于处理包含列表或者数组的数据尤为有用。 首先，我们来看一个简单的例子。假设有一个DataFrame `df`，其中包含两列：`A` 和 `B`，`...
hive3.1.2+mysql驱动.zip
01-05
这里提到的"hive3.1.2+mysql驱动.zip"文件，显然是一个包含了Hive 3.1.2版本及其与MySQL数据库交互所需的驱动程序的压缩包。下面我们将深入探讨Hive 3.1.2以及它与MySQL的关系。 Hive是Apache软件基金会开发的一个...
2021年-Hive大数据仓库-期末考试知识点重点-笔记整理.pdf
10-11
Hive大数据仓库知识点 Hive是一种基于Hadoop的大数据仓库工具，可以将结构化的数据文件映射为一个表，并提供类SQL查询功能。Hive的优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计。延迟较高，...
apache-hive-3.1.2-bin.tar.gz
08-30
Apache Hive 是一个基于Hadoop的数据仓库工具，它允许用SQL-like查询语言（称为HQL）对存储在Hadoop分布式文件系统（HDFS）中的大量数据进行处理和分析。Hive 3.1.2是Hive项目的其中一个稳定版本，与Spark 3.0.0有...
Hive_HQL_行转列与列转行
迎难而上
06-07 1万+
参考文章： 1.HIVE行转列和列转行 https://www.cnblogs.com/blogyuhan/p/9274784.html 2.HIVE行转列和列转行 https://blog.csdn.net/jiantianming2/article/details/79189672 列转行 方式一 ： 通过 GROUP BY + CASE WHEN + 聚合函数 需求如下 1.有用户学习情况的 uid, 科目，分数 多行数据。已知每个人所学分为英语，数学，...
hive的sql之行转列和列转行
m0_52106226的博客
12-02 808
行转列 将多行的数据合并到一列中 collect_set(要聚合的一列字段名) -- 去重 collect_list(要聚合的一列字段名) 这两个都是聚合函数 将一列数据聚集成一个数组集合 select collect_set(要聚合的一列字段名) from 加表名 ; concat_ws 拼接 concat_ws(拼接符,可变个数的字符串或数组) 可以拼接字符串也可以拼接数组中的元素 select concat_ws(',','a','b') ; 返回的是a,b 把这俩字符串用
hive查询时字段带有特殊符号解决办法
Lenskit
08-10 1万+
最近遇到的问题，由于hive字段是“$id”，在hive中运行时需要判断是否为空，使用反引号来做判断`$id` is null，没有问题。 但是因为我要在shell里循环多个日期跑，使用hive -e "语句"时，却报错，最后排查是因为hive -e后面接双引号的话，会导致反引号失效，导致shell认为$id是参数。 解决方式：需要用hive -e '语句'来执行，并且将语句中本来判断条件的单...
hive行转列、列转行真题解析
静待花开
03-31 2221
本文目录一、行转列1.1、行转列需要用到的函数1.2、真题实战1.2.1、需求1.2.2、创建hive表并导入数据1.2.3、按需求解题二、列转行2.1、列转行需要用到的函数2.2、真题实战2.2.1 、需求2.2.2、创建hive表并导入数据2.2.3、按需求解题2.2.4、详细解析上述sql三、总结 一、行转列 1.1、行转列需要用到的函数 CONCAT(string A/col, str...
HQL之行转列与列转行
weixin_40129969的博客
05-12 1794
HQL之行转列与列转行行转列与列转行的概述行转列什么是行转列行转列函数CONCATCONCAT_WSCOLLECT_SET（a）COLLECT_LIST（a）例子数据需求实现列转行什么是列转行列转行函数lateral viewexplodesplit例子需求创建数据建表并导入数据按照需求查询数据查询结果 行转列与列转行的概述 行转列函数和列转行函数本质上是聚合和拆分的两种类型的函数，我们将这些整理起来放在一起，一类成为行转列，一类称为列转行。 行转列 什么是行转列 把一行中不同列的数据放在同一列当中 (co
hive中控制窗口范围rows between的使用
AnameJL的博客
01-20 5003
1.rows between的作用 在使用hsql完成一些业务需求的时候,我们经常会用到窗口函数,某些场景 下会涉及到需要控制窗口函数的范围来满足业务需求,这个时候就需要用到rows between了,使用rows between可以根据自己的需求任意的控制窗口函数的范围。 2.rows between的使用 首先我们有一张如下的数据表 sid day_time sale_volume 101 2020-01-03 10 102 2020-01-04 20 103 2020-
列转行
JAVA_LuZiMaKei的博客
10-20 258
列转行 《疑犯追踪》 悬疑,动作,科幻,剧情 《Lie to me》 悬疑,警匪,动作,心理,剧情 《战狼2》 战争,动作,灾难 《疑犯追踪》 悬疑 《疑犯追踪》 动作 《疑犯追踪》 科幻 《疑犯追踪》 剧情 《Lie to me》 悬疑 《Lie to me》 警匪 《Lie to me》 动作 《Lie to me》 心理 《Lie to me》 剧情 《战狼2》 战争 《战狼2》 动作 《战狼...
hive行转列、列转行
最新发布
09-01
Hive中的行转列和列转行可以通过使用函数EXPLODE和LATERAL VIEW来实现。函数EXPLODE(col)用于将Hive的一列中复杂的数组或者Map结构拆分成多行。LATERAL VIEW是用于和split、explode等函数一起使用的，可以将一列展开...

“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 3
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