SQL24 获取所有非manager员工当前的薪水情况

SQL刷题:获取所有非manager员工当前的薪水情况 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date='9999-01-01'获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date='9999-01-01'解题思路 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表... 阅读详情

文章目录

1. 题目

2. 题解

思路:使用JOIN连接表格,进行行过滤和列合并。
进行条件过滤时,可以使用WHERE子查询 + IN,也可以直接使用 LEFT JOIN + IS NULL 的方法。

这题有一个坑,先看错误解法:

# 方法一:JOIN 
#(错误解法:多出的一个表格含有其它数据)
SELECT de.dept_no, e.emp_no, s.salary
FROM employees e
JOIN  dept_emp de 
ON e.emp_no = de.emp_no
LEFT JOIN dept_manager dm
ON de.dept_no = dm.dept_no
JOIN salaries s 
ON e.emp_no = s.emp_no
WHERE dm.emp_no IS NULL

正确解法:

方法一:
这里使用的一个JOIN技巧就是通过LEFT JOIN + IS NULL,来进行行筛选。

#方法一:正确解法(使用JOIN)
SELECT de.dept_no, de.emp_no, s.salary 
FROM dept_emp de 
  JOIN salaries s
  ON de.emp_no = s.emp_no
LEFT JOIN dept_manager dm 
ON dm.emp_no = de.emp_no  # 也可以使用另一个字段(dept_no):dm.dept_no = de.dept_no
WHERE dm.dept_no IS NULL 

方法二:
子查询中使用IN进行条件筛选。

# 方法二:WHERE 子查询 + IN
SELECT dept_no, emp_no, salary
FROM dept_emp de 
JOIN salaries s
ON de.emp_no = s.emp_no
WHERE de.emp_no NOT IN (SELEC emp_no 
                        FROM dept_manager)

先找准已经养成了一个不好的习惯,遇到题目就用子查询,有点多此一举:

SELECT t.dept_no, t.emp_no, t.salary
FROM (SELECT de.emp_no, de.dept_no, s.salary
      FROM dept_emp de 
      JOIN salaries s 
      ON de.emp_no = s.emp_no
      WHERE de.to_date = '9999-01-01' 
            AND s.to_date = '9999-01-01'
            AND de.emp_no NOT IN (SELECT emp_no FROM dept_manager)
      ) t 

这里把”在职“这个条件也加上去了(题目没有显示给出)

高通IPA硬件加速介绍 ‌ 高通IPA (Internet Protocol Accelerator)模块是一种硬件加速模块,由高通公司(Qualcomm)提供,主要用于优化移动设备上的网络数据传输,特别是通过 LTE 、 5G 等移动网络的数据传输‌‌。IPA模块通过硬件加速,显著提高了数据传输的速度和效率,同时降低了设备的功耗,并提供了更稳定的网络连接,减少了数据传输中的丢包和延迟‌。 阅读详情

相关推荐

一文读懂AI大模型时代的RAG技术

RAG(Retrieval-Augmented Generation,检索增强生成) 是一种结合检索技术与生成模型的技术架构,旨在通过动态引入外部知识库增强大语言模型(LLM)的生成能力。其核心思想是通过检索系统从外部数据源(如企业知识库、实时文档等)获取相关信息,并将检索结果作为上下文输入生成模型,以提高生成答案的准确性、时效性和专业性

awei0916的专栏 2119

SQL 获取所有非manager员工当前的薪水情况

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。描述有一个员工表employees简况如下:有一个,部门员工关系表dept_emp简况如下:有一个部门经理表dept_manager简况如下:有一个薪水表salaries简况如下:SELECTb.dept_no,a.emp_no,d.salaryFROMsalaries dWHERE= c.emp_no。

pleaseprintf的博客 517

用Linkboy玩转Arduino:3小时搞定智能倒车雷达(附仿真文件下载)

本文详细介绍了如何利用Linkboy图形化编程工具,在3小时内快速搭建一个基于Arduino的智能倒车雷达项目。通过仿真环境,初学者无需硬件即可学习超声波测距原理、报警逻辑设计,并完成从虚拟仿真到实体硬件的完整流程。文章提供了清晰的步骤、调试技巧及功能扩展思路,并附有仿真文件,是入门Arduino和智能硬件制作的绝佳实践指南。

weixin_29159441的博客 404

获取所有非manager员工当前的薪水情况

题目: 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date=‘9999-01-01’ CREATE TABLE dept_emp ( emp_no int(11) NOT NULL, dept_no char(4) NOT NULL, from_date date NOT NULL, to_date date NOT NULL, ...

Maggie_HQQ的博客 267

A Mathematical Framework for Transformer Circuits—(二)

transformer数学理论框架

qq_42208244的博客 758

STM32CubeMX Nucleo F767ZI 教程(1)

系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 例如:第一章 Python 机器学习入门之pandas的使用 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 前言 官网上买了个NUCLEO F767ZI 的开发板,144引脚的芯片,https://www.st.com/content/st_com/zh/products/evaluation-tools/prod

fafuwxm 2029

24. 获取所有非manager员工当前的薪水情况

描述 有一个员工表employees简况如下: 有一个,部门员工关系表dept_emp简况如下: 有一个部门经理表dept_manager简况如下: 有一个薪水表salaries简况如下: 获取所有非manager员工薪水情况,给出dept_no、emp_no以及salary,以上例子输出: ...

renxingzhadan的专栏 261

100天精通Python(进阶篇)——第43天:批量将PDF转Word文档(附上脚本代码)

100天精通Python(进阶篇)——第43天:批量将PDF转Word文档(附上脚本代码)

努力让自己发光,对的人才能迎着光而来 9万+

牛客网数据库SQL实战24—— 获取所有非manager员工当前的薪水情况

牛客网数据库SQL实战24—— 获取所有非manager员工当前的薪水情况 题目描述 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示 to_date=‘9999-01-01’ CREATE TABLE `dept_emp` ( `emp_no` int(11) NOT NULL, `dept_no` char(4) NOT NULL, `f...

sunbocong的博客 552

【ZYNQ】OV5640 图像采集与显示

OV5640 是豪威(OmniVision)半导体公司推出的高性能的 CMOS 数字图像传感器,支持最高 500 万像素图像采集,支持 RAW RGB、RGB565、YCbCr422 等图像格式输出,可应用于手机、平板等电子设备。本文主要介绍如何使用 Zynq 驱动 OV5640 摄像头进行图像采集,并通过 HDMI 实时显示。

洋洋Young的博客 1433

9.27华为OD机试真题 新系统 - 均衡调度 (Java/Py/C/C++/Js/Go)

9.26华为OD机试真题 新系统 - 均衡调度 (Java/Py/C/C++/Js/Go)

算法大师! 503

牛客SQL24 获取所有非manager员工当前的薪水情况

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录一、题目二、解题步骤1.FROM 子查询2.LEFT JOIN 一、题目 有一个员工表employees简况如下: 有一个,部门员工关系表dept_emp简况如下: 有一个部门经理表dept_manager简况如下: 有一个薪水表salaries简况如下: 获取所有非manager员工薪水情况,给出dept_no、emp_no以及salary,以上例子输出: 二、解题步骤 1.FROM 子查询 SELECT t1.dep

weixin_38196290的博客 180

lammps后处理:ovito选择原子高级技巧讲解

大家好,我是小马老师。 本文介绍如何在ovito中使用公式(Expression)选择需要的原子。 用ovito查看lammps模拟结果时,可能会遇到选择特定原子的情况,比如选择坐标位于一定范围内的原子,或者选择结构为fcc的原子等等。 这时候,就需要用到expression selection功能。 Expression selection功能比较强大,下面分别介绍几种选择原子的方法。 在输入公式前,先点击“Add modification”->"Expression selection"选项,在B

lammps_jiayou的博客 2万+

(较难)SQL练习24:获取所有非manager员工当前的薪水情况

SQL练习24:获取所有非manager员工当前的薪水情况 题目链接:牛客网 题目描述 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary,当前表示to_date='9999-01-01'。 CREATE TABLE `dept_emp` ( `emp_no` int(11) NOT NULL, `dept_no` char(4) NOT NULL, `from_date` date NOT NULL, `to_date` date NOT NULL, PRIMAR

向日葵的专属太阳 547

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

【牛客SQL】SQL24 获取所有非manager员工当前的薪水情况

题目描述 描述 有一个员工表employees简况如下: 有一个,部门员工关系表dept_emp简况如下: 有一个部门经理表dept_manager简况如下: 有一个薪水表salaries简况如下: 获取所有非manager员工薪水情况,给出dept_no、emp_no以及salary,以上例子输出: 示例1 输入: drop table if exists `dept_emp` ; drop table if exists `dept_manager` ; drop table if

锥栗的博客 220

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

牛客SQL24---获取所有非manager员工当前的薪水情况

题目描述 有一个员工表employees简况如下: 有一个,部门员工关系表dept_emp简况如下: 有一个部门经理表dept_manager简况如下: 有一个薪水表salaries简况如下: 获取所有非manager员工薪水情况,给出dept_no、emp_no以及salary,以上例子输出: 答案 select de.dept_no,de.emp_no,s.salary from dept_emp as de join salaries ...

DSH自学记录 274

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

牛客网刷题之SQL-24.获取所有非manager员工当前的薪水情况

获取所有非manager员工当前的薪水情况 目录 获取所有非manager员工当前的薪水情况 1. 题目 2. 解题 3. 思路 1. 题目 2. 解题 select dept_no, e.emp_no, salary from employees e, salaries s, dept_emp de where e.emp_no=s.emp_no and e.emp_no=de.emp_no and s.to_date='9999-01-01' and e.emp_no not in

qq_23904809的博客 182

SQL实战24.获取所有非manager员工当前的薪水情况

题目 解答 select de.dept_no,e.emp_no,s.salary from dept_emp as de left join employees as e on e.emp_no=de.emp_no left join salaries as s on s.emp_no=e.emp_no where s.to_date='9999-01-01' and e.emp_no not in (select emp_no from dept_manager

m0_48005088的博客 192

题解-牛客网-SQL-(SQL24)获取所有非manager员工当前的薪水情况

文章目录1. 题目描述1.1 输入1.2 输出2. 题目分析及解答2.1 题目分析2.2 详细解答 1. 题目描述 1.1 输入 有一个员工表employees简况如下: 建表语句如下: CREATE TABLE employees ( emp_no int(11) NOT NULL, birth_date date NOT NULL, first_name varchar(14) NOT NULL, last_name varchar(16) NOT NULL, gender char(1) NOT NU

清溪醉客的博客 260

数据库SQL实践24:获取所有非manager员工当前的薪水情况

思想: 题目要求获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date='9999-01-01'。 首先通过条件d.to_date = '9999-01-01'将员工所在当前部门找出。 其次通过条件s.to_date = '9999-01-01'将员工当前薪水找出。 然后通过条件d.emp_no=s.emp_no将表dept_...

weixin_43160613的博客 238

牛客网刷题笔记-SQL24 获取所有非manager员工当前的薪水情况

SQL24 获取所有非manager员工当前的薪水情况 有一个员工表employees简况如下: 有一个,部门员工关系表dept_emp简况如下: 有一个部门经理表dept_manager简况如下: 有一个薪水表salaries简况如下: 获取所有非manager员工薪水情况,给出dept_no、emp_no以及salary,以上例子输出: ——————————————————————————————————————————————————— 我的答案: SELECT dept_no,s.emp_

qq_39211004的博客 102

ESP32-S3复古桌面AI语音助手:从选型到双固件实战全记录

在AIoT与嵌入式开发的交汇点上,如何用单颗MCU实现完整的语音交互闭环,是开发者关注的焦点。ESP32-S3作为乐鑫面向AIoT场景的双核处理器,凭借向量指令扩展和最高8MB Octal PSRAM,为端侧音频缓冲与图像解码提供了充裕内存。其典型应用是智能语音终端:麦克风采集语音→WiFi上传云端大模型→返回文本→本地语音合成播放,全程无需树莓派等上位机。这类方案正在桌面机器人、智能家居控制等场景快速落地。本文基于ESP32-S3-N16R8完整复刻了一款复古麦金塔造型的桌面AI语音助手,并拓展了游戏机双

weixin_34221775的博客 420

SQL-24 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date='9999-01-01'...

题目描述 获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date='9999-01-01'CREATE TABLE `dept_emp` (`emp_no` int(11) NOT NULL,`dept_no` char(4) NOT NULL,`from_date` date NOT NULL,`to_date` date N...

weixin_33759269的博客 384

牛客SQL练习-24-获取所有非manager员工当前的薪水情况,给出dept_no、emp_no以及salary ,当前表示to_date=‘9999-01-01‘

SELECT de.dept_no, e.emp_no, s.salary FROM employees AS e INNER JOIN dept_emp AS de ON e.emp_no = de.emp_no INNER JOIN salaries AS s ON e.emp_no = s.emp_no WHERE de.to_date = '9999-01-01' AND s.to_date = '9999-01-01' AND e.emp_no NOT IN ( SE.

hmyqwe的博客 428
上一篇: SQL25 获取员工其当前的薪水比其manager当前薪水还高的相关信息
下一篇: SQL23 对所有员工的薪水按照salary降序进行1-N的排名
Robin_Pi
博客等级 码龄9年 2万+粉丝 632原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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