一键自动化数据分析!快来看看这些宝藏工具库

kettle+mysql+Python(Pandas,Patplotlip)实现大数据预处理(饼图,柱状图) 环境准备 kettle mysql数据库 Python环境 要求 使用预处理工具(kettle)将提供的文本数据进行清理,并导入到数据库; 对清洗完成的数据进行分析统计,统计各个城市的用户在流量与语音的平均支出,并使用Python绘制成图表,保存结果; 统计各个年龄阶段的用户在流量与语音的平均支出,并使用Python绘制成图表,保存结果 提前看结果 获取数据 数据为两个不同csv文件 获取百度网盘 链接:https://pan.baidu.com/s/1ocLrIhY5rHAzwdKdvZr13g 阅读详情

实际工作中,我们往往依托于业务数据分析制定业务策略。这个过程需要频繁地进行数据分析和挖掘,发现模式规律。对于算法工程师而言,一个有效的 AI 算法系统落地,不仅仅是模型这么简单——数据才是最底层的驱动。

典型的『机器学习工作流程』包含 6 个关键步骤,其中『探索性数据分析(Exploratory Data Analysis, EDA) 』是至关重要的一步。

  • 定义问题
  • 数据采集和 ETL
  • 探索性数据分析
  • 数据准备
  • 建模(模型训练和选择)
  • 部署和监控

Wiki: In statistics, exploratory data analysis is an approach of analyzing data sets to summarize their main characteristics, often using statistical graphics and other data visualization methods. A statistical model can be used or not, but primarily EDA is for seeing what the data can tell us beyond the formal modeling and thereby contrasts traditional hypothesis testing.

探索性数据分析,通常使用统计图形等数据可视化方法,探索数据的结构和规律,总结数据主要特征的方法。这一过程通常包含细碎的处理步骤和分析操作。

探索性数据分析 EDA 的常用工具

优秀的工具可以简化上述过程!甚至可以一键生成分析报告。本篇 ShowMeAI 给大家总结了截至 2022年 最受欢迎的探索式数据分析工具库,快一起试起来吧!

通常,我们有以下 3 种方式进行 EDA:

  • 方式1:在 Python/R 中使用库/框架手动分析
  • 方式2:在 Python/R 中使用自动化 EDA 库
  • 方式3:使用 Microsoft Power BI 或 Tableau 等工具

3种方式对应的最佳工具库我们梳理到下文中了,对自动化数据分析感兴趣的同学可以直接跳至『自动化EDA工具库』板块。

方式1:手动分析工具库

💡 Matplotlib

Matplotlib 是一个 Python 进行绘图与交互式可视化的工具。 大家在Python中用到的绝大多数工具包扩展都是构建在 Matplotlib 之上的(包括 Seaborn、HoloViews、ggplot 以及后续提到部分自动化 EDA 工具等)。

基于 Matplotlib 可以借助简单的代码实现:散点图、直方图、条形图、误差图和箱线图,辅助我们理解数据和进行后续工作。

大家可以从官方 📘用户指南、📘教程 和 📘代码示例 中学习,或前往B站观看 📀视频教程 也推荐下载收藏 ShowMeAI 的 📜Matplotlib速查表,以便快速查找所需功能。

💡 Seaborn

另一个流行的 Python 数据可视化框架是 Seaborn,它相比 Matplotlib 更为简洁,也拓展了很多分析功能和呈现形式。

大家同样可以通过 Seaborn 的 📘用户指南和教程 对其进行学习,或前往观看 📀视频教程。也欢迎阅读 ShowMeAI 总结的 📜Seaborn速查表,以及 Seaborn 可视化教程 Seaborn工具与数据可视化。

💡 Plotly

Plotly 是另外一个用于创建交互式数据可视化的 Python 开源工具库。 Plotly 构建在 Plotly JavaScript 库(plotly.js) 之上,可用于创建基于 Web 的数据可视化,这些可视化可以显示在 Jupyter 笔记本或使用 Dash 的 Web 应用程序中,或保存为单独的 HTML 文件。

它提供了多达40+种图表类型,包括散点图、直方图、折线图、条形图、饼图、误差线、箱线图、多轴、迷你图、树状图和 3-D 图表(甚至包括等高线图,这在其他数据可视化库中并不常见)。大家可以通过 📘官方用户指南 进行学习和使用。

💡 Bokeh

Bokeh 是一个 Python 库,用于为现代 Web 浏览器创建交互式可视化。 它可以构建精美的图形,从简单的绘图到带有流数据集的复杂仪表板。 使用 Bokeh,可以创建基于 JavaScript 的可视化,而无需自己编写任何 JavaScript。

大家可以通过 Bokeh 的 📘官方网站 和 📘示例库 了解它的一系列用法。也推荐大家下载收藏 ShowMeAI 的 📜Bokeh速查表,快速查找所需功能。

💡 Altair

Altair 是 Python 的声明性统计可视化库,基于 Vega 和 Vega-Lite。 Altair 的 API 简单、友好,可以用最少的代码产生漂亮而有效的可视化效果。大家可以通过官方的 📘Altair Notebook Examples 学习Altair工具库的使用。

方式2:自动化EDA工具库

💡 pandas-profiling

很多做过 Python 数据分析的同学都很熟悉 Pandas 的 describe 函数,pandas-profiling 通过其低代码接口扩展了对应的功能,将信息以报告的形式呈现。 pandas-profiling 库自动从 pandas DataFrame 生成配置文件报告,整个过程甚至只需要两三行代码。

pandas-profiling 会对单字段和关联字段进行分析。对于数据集的每一列(字段),它会分析如下的内容并呈现在交互式 HTML 报告中:

  • 类型推断:字段列的类型
  • 要点:类型、唯一值、缺失值
  • 分位数统计:包括最小值、Q1、中位数、Q3、最大值、范围、四分位间距
  • 描述性统计:包括均值、众数、标准差、总和、中值绝对差、变异系数、峰度、偏度等
  • 直方图:分类和数字
  • 相关性:Spearman、Pearson 和 Kendall 矩阵
  • 缺失值:矩阵、计数、热图和缺失值的树状图
  • 文本分析:了解文本数据的类别(大写、空格)、脚本(拉丁文、西里尔文)和块(ASCII)
  • 文件和图像分析:提取文件大小、创建日期和尺寸,并扫描截断的图像或包含 EXIF 信息的图像

大家可以在 pandas-profiling 的项目 📘GitHub 页面获取详细使用方法,简单的数据分析与报告生成过程可以只通过如下1行命令生成(在命令行运行)。

pandas_profiling --title "Example Profiling Report" --config_file default.yaml data.csv report.html

或者在Python中通过如下几行代码完成:

# 读取数据
df = pd.read_csv(file_name)
# 数据分析
profile = ProfileReport(df, title="Data Report", explorative=True)
# html分析报告生成
profile.to_file(Path("data_report.html"))

💡 Sweetviz

Sweetviz 的功能与 pandas-profiling 很相似。 它是一个开源 Python 库,可生成精美的高信息量结果报告,只需两行代码即可启动探索性数据分析过程。 输出是一个完全独立的 HTML 报告(而且可以完整交互式操作)。

Sweetviz的特征:

  • 类型推断
  • 摘要信息
  • 目标字段分析
  • 显示目标列与其他特征的关联分析
  • 可视化和对比

SweetViz的官方代码可以在 📘GitHub 找到。分析与报告生成只需要如下 2 行代码:

# 数据分析
my_report = sv.analyze(data)
# 报告生成
my_report.show_html()

下图为使用 Sweetviz 生成的报告。

💡 AutoViz

AutoViz 是另外 1 个自动化 EDA 框架。 它在功能方面与 Sweetviz 和 pandas-profiling 也比较类似。 AutoViz 只需一行代码即可对任何数据集进行自动可视化,它还可以完成自动字段选择,找到最重要的特征字段进行分析可视化,运行速度也非常快。

AutoViz可以结合Bokeh做交互式数据探索分析,详细教程大家可以在官方 📘AutoViz 示例 Notebook 找到。核心代码如下:

AV = AutoViz_Class()
_ = AV . AutoViz(filename)

下图所示为使用 AutoViz 生成的报告。

方式3:数据分析工具软件

💡 Microsoft Power BI

Power BI 是由 Microsoft 开发的交互式数据可视化软件,主要关注商业智能。 它是 Microsoft Power Platform 的一部分。 Power BI 是软件服务、应用程序和连接器的集合,它们协同工作,将不相关的数据源转变为连贯、视觉沉浸式和交互式见解。 可以通过直接从数据库、网页或电子表格、CSV、XML 和 JSON 等结构化文件中读取数据来输入数据。

不过,Power BI 不是开源的,它是一款付费企业工具,提供免费桌面版本。 大家可以从 📘官方学习指南 学习 Power BI。

💡 Tableau

Tableau 是用于数据分析和商业智能的领先数据可视化工具。 Gartner 的魔力象限将 Tableau 列为分析和商业智能领域的领导者。Tableau 是一种工具,它正在改变我们使用数据解决问题的方式——使人们和组织能够充分利用他们的数据。

下图所示为使用 Tableau 生成的报告。大家前往B站观看 📀1小时速学视频教程。

参考资料

爆肝整理!开发者的自学宝藏库! 这个GitHub项目,为广大开发者提供了一个绝佳的学习平台。丰富多样的项目教程,涵盖多语言、多领域,以项目实践为核心的学习方式,能够帮助开发者快速提升编程技能,拓宽技术视野。无论你是编程小白还是资深开发者,都能在这里找到属于自己的学习宝藏。还等什么呢?赶紧fork这个项目,开启你的编程学习进阶之旅吧!相信在这个项目的助力下,你在编程之路上一定会越走越远,收获满满! 阅读详情

相关推荐

用自动化技术实现自动化数据的分析和处理

作者:禅与计算机程序设计艺术 数据量越来越大、采集到的数据类型越来越多,传统的数据分析技术无论从效率、准确性还是成本效益都难以满足需求。同时,由于数据呈现多样性和复杂性,基于规则的手动数据分析工作变得越来越耗时,无法满足快速响应变化的需求。因此,需要一种能够有效处理海量数据的自动化技术,从而提升数据科学家的工作效率、准确性和成本效益。

AI天才研究院 2227

一键自动化数据分析!快来看看 2023 年最受欢迎的 Python 宝藏工具库! ⛵

实际工作中,我们往往依托于业务数据分析制定业务策略。这个过程需要频繁地进行数据分析和挖掘,发现模式规律。对于算法工程师而言,一个有效的 AI 算法系统落地,不仅仅是模型这么简单——数据才是最底层的驱动。典型的『』包含 6 个关键步骤,其中『』是至关重要的一步。探索性数据分析,通常使用统计图形等数据可视化方法,探索数据的结构和规律,总结数据主要特征的方法。这一过程通常包含细碎的处理步骤和分析操作。

Everly_的博客 1507

数据分析:如何通过自动化工具提高数据分析效率

作者:禅与计算机程序设计艺术 1.简介 数据分析是一个复杂的工程,涉及到多个环节,包括数据获取、清洗、转换、融合、模型构建、评估和应用等等。数据分析的流程也各不相同,但它们存在着共同的模式,例如从原始数据中提取特征、进行特征工程、训练模型、对模型效果进行验证、迭代优化和反馈。那么,什么样的工具可以帮助我

AI天才研究院 2895

数据分析的自动化:如何提高效率和准确性

1.背景介绍 数据分析是现代企业和组织中不可或缺的一部分,它有助于挖掘隐藏的趋势、发现新的商业机会和优化业务流程。然而,随着数据量的增加,手动数据分析已经无法满足需求。因此,数据分析的自动化变得越来越重要。 数据分析的自动化涉及到许多领域,例如机器学习、人工智能、大数据处理等。这篇文章将涵盖以下内容: 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解 具体代码实...

AI天才研究院 1953

深度探索!提示工程自动化测试框架,提示工程架构师的宝藏

当你为AI应用编写了一个“完美”的Prompt——比如让大模型生成符合格式的订单摘要,或者准确回答用户的产品咨询——你以为万事大吉了?当用户输入含歧义的文本时,模型输出完全偏离预期;某次Prompt迭代后,原本能正确生成JSON的逻辑突然返回了自然语言;同一Prompt在不同时间调用,输出的“相似度”时高时低,导致业务逻辑崩溃。这些问题的根源,不是Prompt写得不好,而是缺乏系统化的测试。效率低:每改一次Prompt都要手动跑几十组用例;覆盖不全。

AI架构师小马 769

别再让地图加载慢吞吞!GeoServer + GeoWebCache 缓存配置实战(附性能对比)

本文详细介绍了如何通过GeoServer和GeoWebCache优化地图服务性能,实现地图加载速度的显著提升。从缓存机制解析到实战配置流程,再到高级性能调优技巧,帮助开发者构建高效地图缓存系统,解决地图加载慢的问题。

weixin_42525369的博客 407

一键自动化数据分析!快来看看 2022 年最受欢迎的 Python 宝藏工具库! ⛵

探索性数据分析(EDA)在机器学习中至关重要!这些高效又绝美的宝藏库,快用起来——Matplotlib、Seaborn、Plotly、Bokeh、Altair、pandas-profiling、Sweetviz、AutoViz、Microsoft Power BI、Tableau!

ShowMeAI研究中心 1万+

(八)基于MuJoCo的LeRobot SO100仿真操控实战指南(操作优化)

本文详细介绍了如何在MuJoCo仿真环境中搭建并优化LeRobot SO100机械臂的操控。通过两种核心模式(纯键盘仿真与实机镜像同步)的实战演示,重点讲解了关键的参数标定方法,以实现虚拟模型与真实硬件的精准同步。文章还提供了性能优化技巧,旨在帮助开发者构建高效、安全的机器人算法开发与测试流程。

weixin_29083649的博客 320

探索Shopify的宝藏:一键优化你的电商体验

探索Shopify的宝藏:一键优化你的电商体验 在今日快速发展的电商领域,细微的改进可以带来显著的业务增长。针对Shopify平台商家的痛点和需求,一个名为“Shopify Scripts, Templates, and Code”的开源项目横空出世,它犹如一位贴心的技术助手,帮助商家高效管理商品数据和优化购物体验。本文将带你深入了解这一宝藏项目,揭示其技术精妙之处,并探讨其广泛的应用场景。 项目...

gitblog_00413的博客 1076

〔重庆理工大学〕大学物理实验--液体表面张力系数的测定

每个老师要求不同,实验报告内容和数据仅供参考。

Pretty Boy Fox的博客 2806

医疗影像分析实战:肺炎X光片分类与分割

医疗影像分析实战:肺炎X光片分类与分割 ,人工智能,计算机视觉,大模型,AI,在医疗领域,医疗影像分析技术凭借其高效、精准的特点,成为疾病诊断与治疗的重要辅助手段。肺炎作为一种常见的呼吸道疾病,严重威胁人类健康,通过 X 光片对肺炎进行诊断是临床常用方法。利用计算机技术实现肺炎 X 光片的自动分类与分割,不仅能减轻医生的工作负担,还能提高诊断的准确性和效率。本文将深入讲解肺炎 X 光片分类与分割的实战过程,结合大量代码示例和关键概念解析,帮助读者掌握相关技术。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 3万+

为什么你的Dify工作流总是失败?这个开源宝藏帮你一键解决所有痛点!

你是否曾经面对Dify的强大功能却感到无从下手?精心设计的工作流运行时频频报错,调试过程让你精疲力竭?想象一下,你需要在30分钟内完成专业翻译、数据分析或智能对话部署,但技术门槛却像一堵高墙挡在面前。这些问题困扰着无数Dify新手用户,直到他们发现了Awesome-Dify-Workflow这个开源宝藏。 这个项目汇集了50+即拿即用的工作流模板,覆盖翻译、内容创作、数据分析、聊天机器人等高频场

gitblog_00701的博客 356

OGRE 3D----2. QGRE + QQuickView

将 OGRE(面向对象图形渲染引擎)集成到使用 QQuickView 的 Qt Quick 应用程序中,可以在现代灵活的 UI 框架中提供强大的 3D 渲染功能。本文将指导您如何在 QQuickView 环境中设置 OGRE。

charce_you的专栏 915

所有方向你要的资料干货这都有,从入门到实战!【优快云宝藏资料图鉴第一期】

前言 优快云 是全球知名的开发者社区,创建于1999年,经过20来年的知识文档积累已然成为中文开发者的知识宝库;从基础的法入门到蜕变实战案例、从神秘前沿技术到清晰的实践步骤,可以说优快云是你找寻资料的最佳宝库,只要你想得到,在这里就可以找得到! 今天我们就来深拔一期有质量的专栏和资源,这些专栏作者可能有些是在校大学生、有些是某领域内的行内大牛,但并不影响他们的文章通俗易懂并且富有深度。从在校大学生我们看到了新一代的奋进,从领域大牛身上我们也看到了无私的技术分享,希望有质量的文章越来越多,共同为行业的进步

1_bit 的博客 2万+

2021-09-29 每天几个LCEDA小知识——如何交叉选择并阵列放置元器件

立创EDA专业版之交叉选择并阵列放置元器件????交叉选择????阵列放置 ????交叉选择 在原理图界面,先框选需要交叉选择的元器件对象,右键,选择交叉选择(如果熟练之后,直接选择元器件,快捷键Shift+X)。 完成上述操作之后,可以看到自动跳转到PCB绘图界面,并自动选定PCB中相关的元器件,接下来不要取消选择的状态,在相关元器件被选中的情况下,即可开展阵列放置,将这些元器件都放在一个区域,方便PCB画线前的布局工作。 ????阵列放置 在布局菜单栏中,选择分布,选择阵列分布, 在弹出的对话框

l64481000的博客 1465

二、TCP/IP协议之网络层(IP地址的格式、分类、报文格式)

数据报每经过一个路由器,路由器都要重新计算一下首部检验和,若首部未发生变化,则此结果必为 0,于是就保留这个数据报。对于网络号相的设备,无论实际所处的物理位置如何,它们都是处在同一个网络中。在首部的固定部分的后面是一些可选字段,其长度是可变的。IPv4 软件在存储器中维持一个计数器,每产生一个数据报,计数器就加 1,并将此值赋给标识字段。表示数据报在网络中的寿命,英文缩写是 TTL(Time To Live),功能是“跳数限制”。地址的网络号码字段用来标识一个网络,网络号码字段的前几位用来区分。

锦慈的技术博客 185

偶然发现的Python自学宝藏地带!

大家好最近发现一个自学python的好地方,这里全部都是原创文章,涉及爬虫、可视化、Python Web、数据分析、自动化办公、机器学习,应有尽有;而且每篇文章都有源码分享,大家一起来看看...

weixin_43373042的博客 381

小米15修复“NV损坏” 去除主板校验电阻步骤解析与图示

小米15系列将搭载骁龙8至尊版处理器,采用台积电3nm工艺。文章分析了手机出现"NV损坏"故障的表现及修复方法,包括通信异常、系统启动问题等典型症状,并介绍了去除主板校验电阻和刷写工程固件两种修复方案。重点讲解了去除主板电阻后刷写QCN文件的操作流程,强调在维修过程中需要结合分析与思考。适用于小米15系列特定机型(24129PN74G/I/C)的硬件修复。

小马哥的专栏 315

探索Web自动化新天地:GreasyFork——浏览器脚本的宝藏库

探索Web自动化新天地:GreasyFork——浏览器脚本的宝藏库 去发现同类优质开源项目:https://gitcode.com/ 在数字化的世界里,高效和个性化是我们的追求。而 GreasyFork(<>)就是这样一个平台,它提供了丰富的浏览器脚本资源,帮助你定制并优化你的网络浏览体验。 项目简介 GreasyFork 是一个开源社区,专门用于存储、分享和发现用户自定义的浏览器脚...

gitblog_00022的博客 1635

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

探索Bilibili API的JVM调用宝藏:一键解锁无限可能

在这个数字化的时代,Bilibili已经成为了二次元爱好者的聚集地,同时也是众多创意人士分享作品的平台。而现在,借助开源项目 **Bilibili API JVM 调用库**,你可以直接在Java或Kotlin环境中无缝对接Bilibili的API,打造属于你的个性化应用。 ## 项目简介 [Bilibili API JVM 调用库](#)是一个基于Java和Kotlin的库,通过逆向工程和数

gitblog_00035的博客 377

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

【亲测免费】 开源宝藏:一键释放自动化力量的电脑屏幕可编程自动点击器

开源宝藏:一键释放自动化力量的电脑屏幕可编程自动点击器 【下载地址】电脑屏幕可编程自动点击器 本资源文件提供了一款功能强大的电脑屏幕可编程自动点击器,类似于按键精灵。该工具能够记录您的鼠标和键盘操作,并进行无限次重播。通过录制您的操作,您可以轻松实现自动化的鼠标点击和键盘输入,从而节省大量时间和精力 ...

gitblog_09740的博客 544

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

基于 Python 的数据分析与可视化

在这个数字化时代,数据成为了无处不在的宝藏,而掌握数据分析的技能就像拥有了一把开启宝库的魔法钥匙。

qq_46094651的博客 968

探索法国本土的宝藏——leboncoin-api

探索法国本土的宝藏——leboncoin-api 在法国,【leboncoin】是一个非常受欢迎的在线分类广告网站,它涵盖了从租房、购车到二手商品交易等各种生活服务。现在,借助于leboncoin-api这个开源项目,你可以更便捷地与leboncoin的数据库进行交互,实现自动化搜索和数据分析。让我们一起深入了解这个强大的工具。 项目介绍 leboncoin-api是一款基于JavaScript的...

gitblog_00064的博客 1004

探索电商数据宝藏:Python自动化爬虫实战

探索电商数据宝藏:Python自动化爬虫实战 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在当今数字化时代,电商平台的商品数据是企业决策、市场分析和消费者行为研究的重要资源。然而,手动收集这些数据不仅耗时耗力,还容易出错。为了解决这一问题,我们推出了“Python自动化爬虫实战代码仓库”,这是一个专为电商数据抓取而设计的开源项目。本项目提供了针对淘宝、京东、拼多多和...

gitblog_09705的博客 930

百考通AI数据分析助手,一键生成专业报告!

百考通深知,一份有价值的数据分析报告,其灵魂在于清晰、明确的分析目标。让它帮你扫清数据障碍,释放你的创造力,专注于战略的制定与执行,最终以一份出色的分析报告,为你的商业决策提供坚实的智力支持,引领你走向更加辉煌的未来!数据来源,夯实基础:在“数据来源”框中,你可以简要说明数据的获取渠道和质量状况,例如“来自CRM系统,数据完整度95%”或“通过问卷收集,样本量1000份”。你可以根据实际业务需求,勾选一个或多个分析类型,并且系统会根据你选择的类型,自动调整后续的分析流程,确保结果的针对性和有效性。

2401_83139982的博客 315

【免费下载】 开源宝藏:轻松实现TDMS到Excel的高效转换

开源宝藏:轻松实现TDMS到Excel的高效转换 【下载地址】TDMS文件转换为Excel文件 TDMS文件转换为Excel文件本仓库提供了一个将TDMS文件转换为Excel文件的资源文件 项目地址: https://gitcod...

gitblog_09749的博客 800
上一篇: 仙途智能B2轮融资2亿,写Python≈?画流程图,YOLOv7发布(美团YOLOv6:爱过),最新互联网校招汇总 | ShowMeAI资讯日报
下一篇: Pandas数据显示不全?快来了解这些设置技巧! ⛵
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论 1
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

打赏作者

ShowMeAI

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