Matplotlib学习

于 2024-08-05 23:11:41 发布
阅读量309 收藏 13
点赞数 10
文章标签： matplotlib 学习
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/xinglu20/article/details/140939340
版权

文章目录

AI 摘要: 本文介绍了使用Matplotlib绘制各种图表的案例，包括折线图、散点图、柱状图等，详细说明了数据准备、图形创建、绘制、设置坐标轴、添加网格、标签和标题、保存图像及显示图像的步骤。总结了不同图表类型的主要用途及相应的Matplotlib API函数。

Untitled

测试一

# plt.figure(figsize=(),dpi=)
# figsize:指定图的长宽
# dpi:图像的清晰度
plt.figure(figsize=(10,10) ,dpi=100) 
plt.plot([1,2,3,4,5,6,7],[12,18,16,19,12,15,10])
plt.showce

Untitled

案例一

需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度

如图：

Untitled

案例完整代码

import matplotlib.pyplot as plt
import random
from pylab import mpl

# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.plot(x, y_shanghai)

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 3.图像显示
plt.show()

Untitled

案例一文档：

这段代码展示了如何使用Python的Matplotlib库创建一个简单的温度变化图表。下面是代码的详细解释：

导入必要的库

import matplotlib.pyplot as plt
import random
from pylab import mpl

这里导入了matplotlib的pyplot模块、random模块和pylab的mpl模块。

设置中文显示

mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False

这两行代码设置了matplotlib的参数，使其能够正确显示中文字体和负号。

准备数据

x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

创建了x轴数据（0到59的整数）和y轴数据（15到18之间的随机浮点数）。

创建画布

plt.figure(figsize=(20, 8), dpi=100)

创建一个20x8英寸、分辨率为100dpi的图形。

绘制图像

plt.plot(x, y_shanghai)

使用x和y_shanghai数据绘制折线图。

设置坐标轴

x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

设置x轴和y轴的刻度标签。x轴每5分钟显示一次，y轴每5度显示一次。

添加网格

plt.grid(True, linestyle="--", alpha=0.5)

添加网格线，使用虚线样式，透明度为0.5。

添加标签和标题

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

为x轴、y轴添加标签，并设置图表标题。

保存图像

plt.savefig("./test.png")

将图表保存为PNG文件。

显示图像

plt.show()

在屏幕上显示生成的图表。

这段代码生成了一个展示某城市在11点到12点之间温度变化的折线图，并将其保存为图片文件。

案例二

需求： 在一个坐标系中绘制多个图像，再添加一个城市的温度变化

Untitled

# 增加北京的温度数据
y_beijing = [random.uniform(1, 3) for i in x]

# 绘制折线图
plt.plot(x, y_shanghai)
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--')

图形风格的说明

颜色字符风格字符
r 红色- 实线
g 绿色- - 虚线
b 蓝色-. 点划线
w 白色: 点虚线
c 青色’ ’ 留空、空格
m 洋红
y 黄色
k 黑色

图例的显示

# 绘制折线图
plt.plot(x, y_shanghai, label="上海")
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")

# 显示图例
plt.legend(loc="best")
Location StringLocation Code
‘best’0
‘upper right’1
‘upper left’2
‘lower left’3
‘lower right’4
‘right’5
‘center left’6
‘center right’7
‘lower center’8
‘upper center’9
‘center’10

案例的完整代码

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.plot(x, y_shanghai, label="上海")
plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 2.5 添加图例
plt.legend(loc=0)

# 3.图像显示
plt.show()

Untitled

案例二的文档：

准备数据

x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

创建了x轴数据（0到59的整数）和两组y轴数据：

  • 上海：15到18之间的随机温度
  • 北京：1到3之间的随机温度

创建画布

plt.figure(figsize=(20, 8), dpi=100)

创建一个20x8英寸、分辨率为100dpi的图形。

绘制图像

plt.plot(x, y_shanghai, label="上海")
plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")

绘制两条折线：

  • 上海数据用默认颜色和实线
  • 北京数据用红色和虚线

设置坐标轴

x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

设置x轴和y轴的刻度标签。x轴每5分钟显示一次，y轴每5度显示一次。

添加网格

plt.grid(True, linestyle="--", alpha=0.5)

添加网格线，使用虚线样式，透明度为0.5。

添加标签和标题

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

为x轴、y轴添加标签，并设置图表标题。

保存图像

plt.savefig("./test.png")

将图表保存为PNG文件。

添加图例

plt.legend(loc=0)

添加图例，loc=0表示自动选择最佳位置。

显示图像

plt.show()

在屏幕上显示生成的图表。

案例三

需求：多个坐标系显示— plt.subplots(面向对象的画图方法)

Untitled

案例完整代码：

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 5) for i in x]

# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100)
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

# 2.绘制图像
# plt.plot(x, y_shanghai, label="上海")
# plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
# plt.xticks(x[::5], x_ticks_label[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])

# 2.2 添加网格显示
# plt.grid(True, linestyle="--", alpha=0.5)
axes[0].grid(True, linestyle="--", alpha=0.5)
axes[1].grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
# plt.xlabel("时间")
# plt.ylabel("温度")
# plt.title("中午11点--12点某城市温度变化图", fontsize=20)
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("中午11点--12点某城市温度变化图", fontsize=20)

# # 2.4 图像保存
plt.savefig("./test.png")

# # 2.5 添加图例
# plt.legend(loc=0)
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 3.图像显示
plt.show()

Untitled

案例三文档：

准备数据

x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 5) for i in x]

创建x轴数据（0到59的整数）和两组y轴数据：

  • 上海：15到18之间的随机温度
  • 北京：1到5之间的随机温度

创建画布和子图

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

创建一个包含1行2列子图的画布，大小为20x8英寸，分辨率为100dpi。

绘制图像

axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

在左侧子图绘制上海数据，在右侧子图绘制北京数据。

设置坐标轴

x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

for ax in axes:
    ax.set_xticks(x[::5])
    ax.set_yticks(y_ticks[::5])
    ax.set_xticklabels(x_ticks_label[::5])

为两个子图设置相同的x轴和y轴刻度。

添加网格

for ax in axes:
    ax.grid(True, linestyle="--", alpha=0.5)

为两个子图添加网格线。

添加标签和标题

for ax in axes:
    ax.set_xlabel("时间")
    ax.set_ylabel("温度")
    ax.set_title("中午11点--12点某城市温度变化图", fontsize=20)

为两个子图添加x轴标签、y轴标签和标题。

保存图像

plt.savefig("./test.png")

将整个图表保存为PNG文件。

添加图例

for ax in axes:
    ax.legend(loc=0)

为两个子图添加图例，自动选择最佳位置。

显示图像

plt.show()

在屏幕上显示生成的图表。

这段代码生成了一个包含两个子图的图表，左侧显示上海的温度变化，右侧显示北京的温度变化。这种布局允许直观地比较两个城市的温度趋势，而不会在同一个图中造成视觉混乱。每个子图都有自己的坐标轴、标题和图例，使得信息呈现更加清晰和有组织。

案例四

需求：折线图的应用场景

  • 呈现公司产品(不同区域)每天活跃用户数
  • 呈现app每天下载数量
  • 呈现产品新功能上线后,用户点击次数随时间的变化
  • 拓展：画各种数学函数图像

Untitled

import numpy as np
# 0.准备数据
x = np.linspace(-10, 10, 1000)
y = np.sin(x)

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制函数图像
plt.plot(x, y)
# 2.1 添加网格显示
plt.grid()

# 3.显示图像
plt.show()

常见图形种类及意义

  • 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

    特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)

    api：plt.plot(x, y)

    Untitled

  • **散点图：**用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

    特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

    api：plt.scatter(x, y)

    Untitled

  • **柱状图：**排列在工作表的列或行中的数据可以绘制到柱状图中。

    特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

    api：plt.bar(x, width, align=‘center’, **kwargs)

    Parameters:
x : 需要传递的数据
​
width : 柱状图的宽度
​
align : 每个柱状图的位置对齐方式
    {‘center’, ‘edge’}, optional, default: ‘center’
​
**kwargs :
color:选择柱状图的颜色

    Untitled

  • **直方图：**由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。

    特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)

    api：matplotlib.pyplot.hist(x, bins=None)

    Parameters:
x : 需要传递的数据
bins : 组距

    Untitled

  • **饼图：**用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

    特点：分类数据的占比情况(占比)

    api：plt.pie(x, labels=,autopct=,colors)

    Parameters:
x:数量，自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色

Untitled

散点图绘制

需求：探究房屋面积和房屋价格的关系

房屋面积数据：

x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]

房屋价格数据：

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 0.准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制散点图
plt.scatter(x, y)

# 3.显示图像
plt.show()

Untitled

柱状图绘制

需求-对比每部电影的票房收入

Untitled

电影数据如下图所示：

Untitled

  • 准备数据
['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
[73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
  • 绘制柱状图

代码：

# 0.准备数据
# 电影名字
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
# 横坐标
x = range(len(movie_name))
# 票房数据
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
​
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)
​
# 2.绘制柱状图
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])
​
# 2.1b修改x轴的刻度显示
plt.xticks(x, movie_name)
​
# 2.2 添加网格显示
plt.grid(linestyle="--", alpha=0.5)
​
# 2.3 添加标题
plt.title("电影票房收入对比")
​
# 3.显示图像
plt.show()

总结

图表类型主要用途Matplotlib API函数
折线图显示数据的变化趋势，反映事物的变化情况plt.plot()
散点图判断变量之间是否存在数量关联趋势，展示离群点plt.scatter()
柱状图绘制离散的数据，直观比较数据之间的差别plt.bar(x, width, align=“center”)
直方图绘制连续性数据，展示一组或多组数据的分布状况plt.hist(x, bins)
饼图表示不同分类的占比情况，通过弧度大小对比各种分类plt.pie(x, labels, autopct, colors)
叶星痕
关注
  • 10
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
matplotlib学习资料汇总
12-25
**matplotlib学习资料汇总** 在Python的数据可视化领域，matplotlib是一个不可或缺的库，它为用户提供了创建各种高质量图表的能力，包括线图、散点图、条形图、直方图以及更复杂的图形。本压缩包集合了关于...
Matplotlib学习导航.txt
07-19
matplotlib
matplotlib学习笔记PDF超详细
10-19
Matplotlib 学习笔记 PDF 超详细 Matplotlib 是一个流行的 Python 数据可视化库，提供了丰富的绘图功能。本文将对 Matplotlib 的基础知识和高级特性进行详细介绍，从基本概念到高级应用，涵盖了 Matplotlib 的主要...
matplotlib学习之图形介绍.pdf
07-19
### Matplotlib 图形介绍知识点详解 #### 一、Matplotlib 概述 Matplotlib 是一个广泛应用于 Python 中的 2D 绘图库，能够生成各种高质量的图像，包括线图、柱状图、散点图等。Matplotlib 的强大之处在于其高度可...
matplotlib学习笔记
05-09
在学习matplotlib的时候，走了很多弯路，这个笔记是我耐心整理，包含了matplotlib的常见用法，可以当手册查
python——Matplotlib学习笔记
12-22
Matplotlib是pyhon中一个强大的绘图图，可以理解为 MatLab 开源替代，鉴于MatLab的内存之大及安装之复杂，决定先学学Matplotlib这个库。 1Matplotlib的安装 window： 打开cmd，： python -m pip install -U pip ...
Python matplotlib学习笔记之坐标轴范围
01-21
Python学习笔记–坐标轴范围 参靠视频:《Python数据可视化分析 matplotlib教程》链接：https://www.bilibili.com/video/av6989413/?p=6 所用的库及环境: IDE:Pycharm Python环境：python3.7 Matplotlib: ...
matplotlib的学习文档
07-10
自己学习的matplotlib库的一些代码，其中包含一些关键的注意事项
莫烦老师Matplotlib学习笔记（一）
12-21
【Matplotlib学习笔记（一）】是针对Python数据可视化库Matplotlib的基础教程，主要涵盖了绘制简单图形、figure管理、坐标轴设置以及图例添加等基础知识。 1. **基本用法：绘制简单一次函数直线图** 在Python中，...
python——Matplotlib学习笔记2
12-22
本篇学习笔记主要关注如何使用Matplotlib绘制散点图。 首先，我们来看一个基础的散点图绘制例子。在Python中，可以使用`matplotlib.pyplot`模块来实现这个功能。下面的代码片段展示了如何手动创建一个散点图： ```...
matplotlib学习笔记一，第一次课的笔记，大家可以下载下来一步一步的操作，里面有详细的文字介绍，包括函数的作用，参数说明。
05-18
matplotlib学习笔记一，第一次课的笔记，大家可以下载下来一步一步的操作，里面有详细的文字介绍，包括函数的作用，参数说明。
【莫烦Python】Matplotlib学习笔记（一）
01-20
【莫烦Python】Matplotlib学习笔记（一）  一、基本用法 二、在不同figure中显示 三、坐标轴设置（1） 四、坐标轴设置（2） 五、legend图例 六、Annotation标注 七、tick能见度 八、Scatter散点图 后续详见：...
Tushare 和 Matplotlib学习笔记整理.pdf
03-09
Tushare 和 Matplotlib学习笔记整理.pdf
matplotlib学习笔记四，第四次课的笔记，大家可以下载下来一步一步的操作，里面有详细的文字介绍，包括函数的作用，参数说明。
05-18
matplotlib学习笔记四，第四次课的笔记，大家可以下载下来一步一步的操作，里面有详细的文字介绍，包括函数的作用，参数说明。
matplotlib学习笔记三，第三次课的笔记，大家可以下载下来一步一步的操作，里面有详细的文字介绍，包括函数的作用，参数说明。
05-18
matplotlib学习笔记三，第三次课的笔记，大家可以下载下来一步一步的操作，里面有详细的文字介绍，包括函数的作用，参数说明。
从根儿上学习spring 九 之run方法启动第四段(3)
最新发布
baidu_19338587的博客
08-04 578
一般情况下调用doGetBean方法获取的bean实例都是为了真实使用的，像我们上面举得A，B对象的例子获取的A，B对象当然都是为了真实使用的，但有种场景就只是为了做类型检查，比如有时候为了判断FactoryBean里的对象的类型就要先获取FactoryBean再通过getObject方法获取里面的真实对象来判断其类型，这时获取的FactoryBean实例可能就只是为了类型检查并不是为了真实使用。二:当bean是多例时，会有不同的创建bean的逻辑，下面我们按照代码顺序先分析单例的情况。
学习日志7.29--QOS（Quality of Service）服务质量
m0_62560069的博客
07-29 300
命令：[R1-GigabitEthernet0/0/2]qos car outbound cir 20，在接口2限制，qos限速car传出速率(outbound)，速率分为传出速率和传入速率，对于这个拓扑就是传出速率，单位为20kbps。再在PC机上做发包设置，目的地址是2.2.2.2，源地址是1.1.1.1，端口号在范围允许内随便写但是要保持一致，周期发送时间间隔为10ms，一秒就可以发送100次配置好后，发送。我们日常生活中办理的是宽带，在网络速率上我们要求的是带宽，指传输的速率，比如50Mbps。
从根儿上学习spring 五 之run方法启动第二段
baidu_19338587的博客
08-04 475
讲完了PropertySources和PropertySource，我们再回头看图6的方法configurePropertySources方法似乎变得很简单没必要一行行分析了吧，这个方法就是向environment的sources属性里加入启动时的两个PropertySource，有不清楚的同学再结合我上面说的对着代码看两遍就清楚了，我就不再赘述了。Environment接口继承了PropertyResolver接口，PropertyResolver接口主要提供了获取配置属性的方法，如图3所示。
从根儿上学习spring 三 之依赖注入原理了解
baidu_19338587的博客
08-04 305
举个例子，你为公司所有业务部门写了一个针对一些中间件优雅下线的通用功能，可你不确定后面公司业务部门会不会后面引入其它的中间件，所以你定义了一个接口GraceDownInteface，接口里定义一个下线方法，规定所有实现了该接口的方法在服务挂掉前都会被自动执行。前面的beanFactory和bean分别代表需要扩展的对象，BeanFactory是spring的 bean容器，bean就是spring创建的bean实例。针对上面的步骤我们都可以对其做扩展处理，并且可以在每步的前后都可以做扩展处理。
numpy pandas matplotlib学习
04-06
numpy pandas matplotlib 学习是指学习如何使用Python中的三个重要库：numpy（用于数值计算和数字处理），pandas（用于数据分析和处理）和matplotlib（用于数据可视化）。这些库在数据科学、机器学习和人工智能等领域中广泛使用。通过学习这些库，可以更高效地处理和分析数据，从而更快地做出准确的决策。
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