【机试】最大的两个数

利用分治法求一组数据中最大的两个数和最小的两个数。 利用分治法求一组数据中最大的两个数和最小的两个数。 在这里插入代码片 #include<stdio.h> #define N 10 void max_min(int *a,int m,int n,int *min1,int *min2,int *max1,int *max2); int main(void) { int a[N]={1,3,4,5,34,7,9,6,43,21}; i... 阅读详情

最大的两个数

来源:华中科技大学

题目描述

输入一个四行五列的矩阵,找出每列最大的两个数。

输入描述:

接下来的四行每行包括五个整数。代表一个四行五列的矩阵,矩阵元素全部是整数。

输出描述:

可能有多组测试数据,对于每组数据,按照样例输出的格式将每列最大的两个数输出,如果最大的两个数中的一个数在这一列中有多个相同的值,则行值取行值小的那一个。

输出时要保留原矩阵的行列顺序,即在原矩阵中行值小的,在输出矩阵中的行值依然小。

输入

1  2   4  9  8
-1  4  9  8  8
12  9  8  7  0
7   8  9  7  0

输出

12 9 9 9 8 
7 8 9 8 8 

这题还真的有点儿意思!

#include<bits/stdc++.h>
#define MIN 0x80000000
using namespace std;
int main(void)
{
	int a[4][5];
	bool flags[4][5];
	int ans[2][5];
	while(cin>>a[0][0]){
		for(int i=0;i<4;i++){
			for(int j=0;j<5;j++){
				if(i||j) cin>>a[i][j];
			}
		}
		for(int i=0;i<4;i++){
			for(int j=0;j<5;j++){
				flags[i][j]=false;
			}
		}
		for(int j=0;j<5;j++){
			for(int k=0;k<2;k++){
				int max=MIN;
				int index;
				for(int i=0;i<4;i++){
					if(flags[i][j]==false){
						index=i;
						break;
					}
				}//注意点:这一列中第一个元素的选择 
				
				for(int i=0;i<4;i++){
					if(a[i][j]>a[index][j]&&!flags[i][j]) index=i;
				}
				flags[index][j]=true;
			}
		}
		for(int j=0;j<5;j++){
			int count=0;
			for(int i=0;i<4;i++){
				if(flags[i][j]){
					ans[count][j]=a[i][j];
					count++;
				}
			}
		}
		for(int i=0;i<2;i++){
			for(int j=0;j<5;j++){
				cout<<ans[i][j]<<" ";
			}
			cout<<endl;
		}
	}
	return 0;
 } 

参考代码

#include <stdio.h>
 
int arr[4][5];
 
int main() {
    int num;
    while (~scanf("%d", &num)) {
        arr[0][0] = num;
        int cnt = 1;
        while (cnt < 20) {
            scanf("%d", &arr[cnt / 5][cnt % 5]);
            cnt++;
        }
        // 找出两个数,难的地方在于需要保持两个数的出现顺序不能动
        for (int i = 0; i < 5; ++i) {
            for (int j = 2; j < 4; ++j) {
                if (arr[j][i] > arr[1][i]) {
                    if (arr[1][i] > arr[0][i]) {
                        arr[0][i] = arr[1][i];
                    }
                    arr[1][i] = arr[j][i];
                } else if (arr[j][i] > arr[0][i]) {
                    if (arr[1][i] > arr[0][i]) {
                        arr[0][i] = arr[1][i];
                    }
                    arr[1][i] = arr[j][i];
                }
            }
        }
 
        for (int i = 0; i < 2; ++i) {
            for (int j = 0; j < 5; ++j) {
                printf("%d%c", arr[i][j], j == 4 ? '\n' : ' ');
            }
        }
    }
 
    return 0;
}
Python实现两个数的最小公倍数 最小公倍数(Least Common Multiple,简称LCM),是指能够被两个或多个整数整除的最小正整数。在Python中,我们可以使用算法来计算两个数的最小公倍数。值得注意的是,这个实现方法假设输入的数值都是正整数。这段代码可以适用于任意两个整数,不仅限于示例中的 12 和 18。在上述示例中,我们假设要计算的两个数是 12 和 18。函数使用辗转相除法(欧几里得算法)来计算两个数的最大公约数。函数并传入两个数,得到的结果将存储在变量。的值,我们可以得到最小公倍数。函数来计算它们的最小公倍数。 阅读详情

相关推荐

2023华为OD机试真题 Python【分割数组的最大差值】

点我。

wtswts1232的博客 288

从给定数组中找出最大的两个数——二分递归

分析1:对于给定数组找出其中最大的两个数,很容易想到的就是遍历数组。首先遍历整个数组,找出最大的一个元素并记录下该位置;然后分别遍历该位置之前的区间和该位置之后的区间,分别找出这两个子区间的最大值,然后比较这两个子区间的最大值,大者即为整个数组的次大元素。显然,整个过程中,用到了三次for循环,算法的时间复杂度是比较大的,对于规模较小的数组尚且可以,但是当问题的规模非常大时,这种遍历的方法就不可行

zjwson的博客 5372

华为OD机试D卷——2024真题目录+在线练习地址(华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华为OD机试华)

本章为C、D卷题库目录。华为机试有三道题目,第一道和第二道属于简单或中等题,分值为100分,第三道为中等或困难题,分值为200分。总分为400分,150分钟考试时间。OD的工资待遇还是很可观的15K-30K*14-16,希望大家努力。本专栏完全免费,收费是为了防止被爬,订阅专栏后添加客服联系退款(平台抽取部分以及扣税部分不可退),由于平台冻结资金一个月,所以只能次月退款,如4月份可退3月份的订阅,5月份可退4月份订阅。大家收到退款之后可以在评论区发送 “已退款” 支持一下哦!

m0_66793065的博客 1万+

c语言如何从n个整数中简单地找到最大的两个数

简单地找出最大的两个数

m0_64035168的博客 2400

【华为OD机试真题】73、 最大N个数与最小N个数的和 | 机试真题+思路参考+代码解析(C++、Java、Py、C语言、JS)

题目描述 >给定一个数组,编写一个函数来计算它的最大N个数 与最小N个数的和。你需要对数组进行去重。 说明: 1、数组中数字范围[0, 1000] 2、最大N个数与最小N个数不能有重叠,如有 ** 重叠,输入非法 **返回-1 3、输入非法返回-1

KJ.JK 4347

最大N个数与最小N个数的和【华为OD机试JAVA&Python&C++&JS题解】

最大N个数与最小N个数的和【华为OD机试JAVA&Python&C++&JS题解】 给定一个数组,编写一个函数来计算它的最大N个数与最小N个数的和。你需要对数组进行去重。 说明: 数组中数字的范围[0, 1000] 最大N个数与最小N个数不能有重叠,如有重叠、输入非法返回-1 输入描述 第一行输入M,M标识数组大小 第二行输入M个数,标识数组内容 第三行输入N,N表达需要计算的最大、最小N个数 输出描述 输出最大N个数与最小N个数的和

博客 1305

最大的两个数

输入一个四行五列的矩阵,找出每列最大的两个数。 可能有多组测试数据,对于每组数据,按照样例输出的格式将每列最大的两个数输出,如果最大的两个数中的一个数在这一列中有多个相同的值,则行值取行值小的那一个。 输出时要保留原矩阵的行列顺序,即在原矩阵中行值小的,在输出矩阵中的行值依然小。 单看题目似乎很简单,但是要要保证原矩阵中行值小的,在输出矩阵中的行值依然小,需要点手段。我的思想是: 1.复制a[4...

巴啦啦能量 327

【2024华为OD机试C卷】73、 最大N个数与最小N个数的和 | 机试真题+思路参考+代码解析(C语言、C++、Java、Py、JS)

题目描述 >给定一个数组,编写一个函数来计算它的最大N个数 与最小N个数的和。你需要对数组进行去重。 说明: 1、数组中数字范围[0, 1000] 2、最大N个数与最小N个数不能有重叠,如有 ** 重叠,输入非法 **返回-1 3、输入非法返回-1

KJ.JK 1802

【C语言】最大的两个数(指针专题)

题目描述 求n个整数中的最大的两个元素。要求定义一个函数LargestTow(),求数组a的最大的两个元素,分别存入形参指针pfirst和psecond所指存储单元,函数原型如下: void LargestTow(int a[],int n,int *pfirst,int *psecond) { /*数组a有n个元素,将数组中的最大值存入形参指针pfirst所指内存单元,将数...

永远年轻 永远热泪盈眶 2675

【华为OD机试真题】73、 最大N个数与最小N个数的和 | 机试真题+思路参考+代码解析(C语言、C++、Java、Py、JS)

>给定一个数组,编写一个函数来计算它的最大N个数 与最小N个数的和。你需要对数组进行去重。 说明: 1、数组中数字范围[0, 1000] 2、最大N个数与最小N个数不能有重叠,如有 ** 重叠,输入非法 **返回-1 3、输入非法返回-1

KJ.JK 1156

【华为OD机试真题 Python语言】73、 最大N个数与最小N个数的和 | 机试真题+思路参考+代码解析

给定一个数组,编写一个函数来计算它的最大N个数 与最小N个数的和。你需要对数组进行去重。 说明: 1、数组中数字范围[0, 1000] 2、最大N个数与最小N个数不能有重叠,如有 ** 重叠,输入非法 **返回-1 3、输入非法返回-1

正在更新最新华为OD机试2025B卷,提供OJ在线刷题 1879

1159: 最大的两个数(指针专题)

Description 求n个整数中的最大的两个元素。要求定义一个函数LargestTow(),求数组a的最大的两个元素,分别存入形参指针pfirst和psecond所指存储单元,函数原型如下: void LargestTow(int a[],int n,int *pfirst,int *psecond)  {  /*数组a有n个元素,将数组中的最大值存入形参指

清风徐来的博客 2781

正交试验实战指南:从PICT工具到混合水平表应用

本文详细介绍了正交试验法在测试设计中的实战应用,从基础概念到PICT工具的高级使用技巧。通过混合水平表设计和工程化实践案例,帮助测试工程师高效解决参数组合爆炸问题,提升测试覆盖率与效率。特别适合兼容性测试和复杂系统验证场景。

weixin_29230865的博客 259

05年华中科大机试第二题(输入一个四行五列的矩阵,找出每列最大的两个数)

/* 第二题:输入一个四行五列的矩阵,找出每列最大的两个数,如: 输入: 1 2 3 4 9 -1 4 9 8 8 12 9 8 7 0 输出:12 9 9 8 9 7 8 9

aiXdeweidao的专栏 1941

squidpy 教程 2:利用 Scanpy 和 Squidpy 进行空间数据的可视化分析

本教程详细介绍了如何利用Squidpy和Scanpy对空间转录组数据进行可视化分析。通过将Scanpy处理得到的聚类结果映射回原始组织图像,并结合基因表达与空间邻域信息,帮助研究者直观揭示细胞类型分布、基因表达模式及空间相互作用,从而深入挖掘空间组学数据的生物学意义。

weixin_29081703的博客 446

【GPT】Coze使用开放平台接口-【7】Dify 比较篇

coze 用于社交,dify 用来内部构建。抛开工作流,机器人,工具,coze 最大的区别在于可以直接发布到社交媒体上。所以,coze 对操作体验上也花了不少功夫,而 dify 就专注在帮助使用者打磨工作流。coze 各个大模块之前可以联动的机制也比较多,所以侧重点各不相同。

非晓为骁的博客 7613

华为 OD 机试算法题:20260626

作者发布了在 2026 年 6月份华为OD机试的三道算法题解

m0_74963458的博客 220

ROS2 Control实战:多机器人仿真与控制器管理

本文详细介绍了ROS2 Control在多机器人仿真中的应用,涵盖命名空间配置、控制器管理及性能优化。通过Gazebo仿真环境和ROS2 Control框架,开发者可以高效管理多个机器人的硬件抽象和控制器,实现资源隔离与平滑切换。文章还提供了常见问题排查和调试工具推荐,助力机器人开发实践。

u9v0w的博客 203

华为OD机试,C语言实现:数组中最大最小N个数的和

题目描述 输入一个数M,表示数组中有M个数 输入M个数。 输入n 求数组M中,去除重复值后,最大n个数和最小n个数的和 注意:最大和最小的数中不能有重复值,否则输出-1 int main(int argc, char *argv[]) { int m,n,t,sum=0,p=0; scanf("%d",&m); int a[m]; for(int i=0;i<=m-1;i++){ scanf("%d",&a[i]); } scanf("%...

weixin_55788164的博客 1057

Honeywell EPKS 核心功能块组态与执行调度实战解析

本文深入解析Honeywell EPKS系统的核心功能块组态与执行调度技术,涵盖控制模块(CM)、顺序控制模块(SCM)和输入输出模块(IOM)的配置方法。通过实战案例分享执行顺序(ORDERINCM)和CEE执行周期的优化策略,帮助工程师提升工业自动化系统的控制精度和运行效率。

weixin_28724319的博客 414

B站自动答题协议分析

使用Python写了一个自动答题机器人!基于接口协议实现且包含点选验证码识别

吴秋霖的博客 2650

2014年华为校招机试题和多种代码实现(多个数的最大公约数,相同子串,单词计数)

大家都知道,每年华为校招面试前要机试,每个地方的题目都不同,一般为3道题,题目难度逐渐加大。话说做出一题就行了。而且我发现华为特别喜欢考字符串处理的题目。 下面给出我做的一套14年西安地区的题目及解答。每题给出了多种解答方法,详细解释都在注释里,适合考前练练手。2014年华为机试—多个数的最大公约数题目一:多个数的最大公约数 输入一组正整数(数量小于20),输出其最大公约数。 输入:121 3

牧之 2494

飞牛 NAS 部署 Hermes Agent 全指南:打造 24 小时在线、自我进化的 AI 智能体!

当大多数人还在把 AI 当聊天机器人使用时,我已经把它部署到了家里的飞牛 NAS 上,让它 24 小时在线工作、记忆我的习惯、自动执行任务,甚至还能不断学习新的技能。今天带你从零搭建这个真正属于自己的 AI Agent。🚀

XiaoqiangClub的博客 1221

【华为机试】1004. 最大连续1的个数 III

本文介绍了LeetCode 1004题"最大连续1的个数 III"的三种解法。给定一个二进制数组和一个整数k,求最多翻转k个0后能得到的最大连续1的长度。最优解法是滑动窗口法(O(n)时间复杂度,O(1)空间复杂度),通过维护一个包含最多k个0的窗口来寻找最长子数组。另外还提供了前缀和+二分查找(O(n log n))和动态规划(O(nk))两种解法。文章包含详细的问题描述、示例、解题思路、代码实现(Go语言)以及复杂度分析,并提供了测试用例验证不同解法的正确性。滑动窗口法因其高效性被推

qq_32019341的博客 1107

【大模型】AI 辅助编程操作实战使用详解

AI 编程实战使用详解

congge 8459

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")

华为机试—多个数的最大公约数

题目:求最大公约数 输入一组正整数(数量小于20),输出其最大公约数。 输入:121 33 44 11 1111 输出:11 基本思路: 从第一个数开始,和第二个数比较找它两的最大公约数,然后找出的最大公约数和第三个数比较,依次类推。。。 #include int gcd(int a,int b) { return a%b?gcd(b,a%b):b; } i

小地盘的诺克萨斯 2920

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

上一篇: 【机试】玛雅人的密码 (经典BFS)
下一篇: 【SOJ】换零钱(多重背包问题)
coderwait
博客等级 码龄9年 20粉丝 210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