一维数组方法

js数组方法的使用以及一维数组转多维 js数组方法的使用以及一维数组转多维 从后端拿到json格式的数据之后,日期型变为了字符串,所以使用数组的一些方法将字符串转为数值型,然后根据需求将数据变为多维数组。 res=[{"ed_max":"2010-07-30","year":2010,"ed_min":"2010-06-29","ed_avg":"2010-07-24","bd_min":"2010-05-04","bd_avg":"2010-06-03","bd_max":"2010-07-03"},{"ed_max":"2011-08-31 阅读详情


一、数组是什么?
数组是一个变量,存储相同数据类型的一组数据

二、数组的基本要素
数组基本要素

标识符:数组的名称
数组元素:数组中存放的数据
元素下标:对数组元素进行编号,数组下标从0开始,数组中的每个元素都可以通过下标来访问
元素类型:数组元素的数据类型

三、数组的使用
1、数组的定义方法
注意:
声明数组需要标明数组长度

int score2[ ] = new int[5];        //方法一,这是一个长度为5的数组
int[ ] score1 = new int[5];        //方法二这是一个长度为5的数组

2、数组的赋值
边声明边赋值

int[ ] scores = {89, 79, 76};
int[ ] scores = new int[ ]{89, 79, 76};


从键盘录入进行赋值

Scanner input = new Scanner(System.in);
for(int i = 0; i < 30; i ++){
     score[i] = input.nextInt();
}


3、数组属性——length
length可以输入数组的元素个数

int [ ] score = {60, 80, 90, 70, 85};
int sum = score.length;

四、数组的增删改查

1、删除

import java.util.Scanner;

public class Homework9Zzy7 {
	//输入的定义
    static Scanner scan = new Scanner(System.in);
    public static void main(String[] args) {
        String [] booksArray = {"三国演义","红楼梦", "史记" , "西游记", "左传","菜根谭"};
        //定义一个下标赋值,定义为-1,可以有效避免与原数组冲突
        int index = -1;
        
        for (int i = 0; i < booksArray.length; i++) {
        	//查找数组中与“左传”一样的字符
            if ("左传".equals(booksArray[i])){
            	//找到后将下标给index
                index = i;
                //退出循环
                break;
            }
        }
        //在此处最好判断是否找到“左传”这个字符串,,,通过检测index的值是否为-1即可
        //让后面的字符向前补充,经空值留到数组最后面
        for (int i = index; i < booksArray.length - 1; i++) {
            booksArray[i] = booksArray[i + 1];
        }
        //将最数组后一个赋值为默认值
        booksArray[booksArray.length - 1] = null;
        //遍历输出
        for (String s : booksArray) {
            System.out.println(s);
        }
    }
}


2、修改

import java.util.Scanner;

public class Homework9Zzy7 {
	//输入的定义
    static Scanner scan = new Scanner(System.in);
    public static void main(String[] args) {
        String [] booksArray = {"三国演义","红楼梦", "史记" , "西游记", "左传","菜根谭"};
        //修改数组中的某一个元素
        booksArray[0] = "中国现代史";
        //此时数组为{"中国现代史","红楼梦", "史记" , "西游记", "左传","菜根谭"}
    }
}

Verilog——反相器 反相器代码: module inv( A, Y );//A,Y是端口 //定义端口属性 input A; output Y; //定义输入输出关系 assign Y=~A;//Y等于A的反 endmodule //inv是module的名字 阅读详情

相关推荐

从NASA DataPort下载到PyTorch Dataset:手把手处理USGS光谱库的AVIRIS数据

本文详细介绍了如何从NASA DataPort下载USGS光谱库的AVIRIS高光谱数据,并将其转化为PyTorch Dataset对象。内容涵盖数据获取、预处理、辐射定标及高效数据加载技巧,特别针对AVIRIS数据的水吸收波段剔除和波段分组标准化进行了重点讲解,为环境监测、地质勘探等领域的研究者提供实用指南。

weixin_30607659的博客 283

数组——一维数组

只是最为一个数组的声明方法一数据类型数组名[];方法二数据类型[]数组名;//方法一int[]score1;//方法二注意声明数组需要标明数组长度//方法一,这是一个长度为5的数组int[]score1=newint[5];//方法二这是一个长度为5的数组。...

jule_zhou的博客 383

使用广播星历进行 GPS 卫星位置的计算

目录1.计算卫星运动的平均角速度 n2.计算观测瞬间卫星的近地点角3.计算偏近点角4.计算真近点角 f5.计算升交角距 6.计算摄动改正项7.进行摄动改正 8.计算卫星在轨道面坐标系中的位置9.计算观测瞬间升交点的经度 L10.计算卫星在瞬时地球坐标系中的位置11.计算卫星在协议地球坐标系中的位置使用广播星历进行GPS卫星位置的计算的详细步骤如下:关于在广播星历中各参数的分布情况可以参考下图:首先根据广播星历中给出的参数 计算参考时刻(TOE) 的平均角速度 式中,GM为万有引力常数 G 与地球总质量

qq_43381998的博客 5568

一维数组详解.

.....

lwj_07的博客 3925

保姆级避坑指南:在Ubuntu 22.04上成功复现VMamba模型(附完整环境依赖清单)

本文提供了在Ubuntu 22.04上复现VMamba模型的详细指南,包括环境准备、CUDA与PyTorch的精确匹配、依赖安装的疑难杂症解决以及完整环境清单。特别针对Linux系统下的环境复现问题,提供了实用的避坑技巧和验证方法,帮助开发者高效完成VMamba模型的部署。

weixin_29083373的博客 263

Windows环境下DataEase一站式安装指南(含WSL2+Docker配置)

本文详细介绍了在Windows环境下通过WSL2和Docker快速部署DataEase的完整教程。从WSL2配置、Docker环境搭建到DataEase离线安装,逐步指导用户完成一站式部署,特别适合需要快速搭建数据分析平台的开发者。教程包含常见问题解决方案和性能优化技巧,帮助用户高效使用这款国产开源数据可视化工具。

weixin_42526166的博客 396

数组---一维数组

数组 数组是存储同一种数据类型多个元素的集合。也可以看成是一个容器。 数组既可以存储基本数据类型,也可以存储引用数据类型 一维数组格式: ​ 格式1: 数据类型[] 数组名; ​ 格式2: 数据类型 数组名[]; 举例: ​ int[] a; 定义了一个int类型的数组a; ​ int a[]; 定义了一个int类型的a数组; ​ 一般使用第一种定义方式。 数组的初始化 ​ 初始化就是为数组中...

weixin_45678691的博客 484

QGroundControl实现多机控制

前言 作为西安电子科技大学的本科生一名,目前在研究关于无人机导航规划与轨迹控制方面。 目前在跟导师做关于雷达无人机的一个项目,在这里记录一下关于QGC地面站实现多机控制的一些方法。 某些地方写的可能不是很完善,欢迎大家补充。 目前该文章还未写完,后期本人会继续编写 多机控制原理 多机地面站支持TCP,UDP和串口等三种连接方式,首先我们需要对这两种连接方式抽象出一个基类LinkInterface,提供两个虚函数分别对应于数据接受和发送处理,针对于不同的连接方式实现TCP,UDP和串口连接相对应的子类TCPL

Phillweston的博客 8428

数组,一维数组

数组,一维数组

weixin_46214807的博客 576

AMD SDP 优快云 系列文章设计

摘要 本文档规划了7篇AMD SDP协议解析系列文章的技术博客设计方案。基于《Scalable Data Port (SDP) Specification》1.5.0版本(122页),面向SoC/NoC领域的RTL设计与验证工程师,构建从基础概念到验证实现的知识体系。 系列文章严格遵循协议规范边界,采用五类证据标签区分内容来源(规范原文、勘误、验证推导等),禁止补充未定义的实现细节。包含端口控制、事务传输、一致性协议等核心内容,最终落实到验证平台设计与覆盖率模型。 每篇文章采用统一模板:明确规范依据、问题导

元直的博客 162

《大数据之路:阿里巴巴大数据实践》-第1篇 数据技术篇 -第3章数据同步

我们将数据釆集分为日志采集和数据库数据同步两 部分。数据同步技术更通用的含义是不同系统间的数据流转,有多种不 同的应用场景。主数据库与备份数据库之间的数据备份,以及主系统与 子系统之间的数据更新,属于同类型不同集群数据库之间的数据同步。 另外,还有不同地域、不同数据库类型之间的数据传输交换,比如分布 式业务系统与数据仓库系统之间的数据同步。对于大数据系统来说,包 含数据从业务系统同步进入数据仓库和数据从数据仓库同步进入数据 服务或数据应用两个方面。本章侧重讲解数据从业务系统同步进入数据 仓库这个环节,但其适

m0_54252387的博客 961

Java基础-05总结方法,数组(一维)

你需要的是什么,直接评论留言。 获取更多资源加微信公众号“Java帮帮” (是公众号,不是微信好友哦) 还有“Java帮帮”今日头条号,技术文章与新闻,每日更新,欢迎阅读 学习交流请加Java帮帮交流553841695 分享是一种美德,分享更快乐! 1:方法(掌握) (1)方法:就是完成特定功能的代码块。注意:在很多语言里面有函数的定义,而在Java中,函数...

iteye_3287的博客 221

移动端HDR

移动HDR是近年来移动设备最大的技术进步之一。自2017年起,它就开始出现在旗舰手机上,包括苹果(Apple)和三星(Samsung)在内的大多数制造商都加入了这一行列。这一趋势在过去几年里席卷了整个电视行业,但在最近几年才真正深入人心。而且,最近,将更多的HDR内容放到移动设备上的趋势已经加快。对于这种新兴技术来说,它还处于相对早期的阶段,但它也非常有趣,值得关注。 HDR是什么? HDR是...

ISP行业的忠实粉丝 1340

如何构建方法/一维数组的概述

方法的概述   有时候在一个程序中需要一段代码需要重复编写,这样不仅增加了程序员的工作,也会使代码看起来十分臃肿,阅读上也增加了困难。为了解决这个问题就有了方法的定义,就是说把这段重复的代码放到{ }中,然后在需要用到这段代码的时候调用即可。总的来说方法就是完成特定功能的代码段。 构建方法的格式: 权限修饰符 状态修饰符 返回值类型 方法名(参数列表){ ...

李十八的博客 747

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")

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

方法、一维数组

方法、一维数组

m0_67496588的博客 694

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

方法与一维数组

一、方法 1.1、方法概述 方法就是完成特定功能的代码块,在很多语言里面都有函数的定义,函数在Java中被称为方法。 1.2、方法格式 修饰符 返回值类型 方法名(参数类型 参数名1,参数类型 参数名2…) { 函数体; return 返回值; } 练习:求两个数据之和的案例 public static void main(String[] args) { i...

xuefeiyuan1995的博客 245

方法调用,一维数组

方法(函数)的调用 1.int类方法(有返回值) 在方法执行后会得出一个相应的结果即使用方法要达到的目的,所以在主函数中调用时需要有内存来接收返回值,也可将返回值直接打印。 eg: 在求100—1000内的水仙花数中要多次求立方数,因此将求立方数单独写成一个方法,方便使用,方法代码如下: public static int stere(int x){ int y=x*x*x; ...

qq_43262317的博客 827

一维数组的四种创建方法

本文讲述了一维数组的四种创建方法,其中第一种和第二种情况是用的最多的,但是其余两种也要了解,因为有的JAVA笔试题里面就存在着那样定义的数组

SSS4362的博客 4614

通用一维数组的合并方法

把多个一维数组合并成一个一维数组        public static T[] CombineArrayT>(params T[][] arg)        ...{            int len=0;            ListT>list=new ListT>();            foreach (T[] t in arg)            ...{  

1187

Java中的方法与一维数组

1、方法的概述和格式说明 方法:就是完成特定功能的代码块 方法的格式: 访问修饰符 状态修饰符 返回值类型 方法名(参数类型 参数名1,参数类型 参数名2 ....) { 方法体; return 返回值; } 方法中的形参:用来接收实际参数,主调函数调用方法时有时会传递一些参数辅助方法完成该功能,主调方法中的参数叫实参,被调方法中的参数叫做形参,形参与实参必须个数相同、类型一致...

weixin_45082647的博客 373

python一维数组使用方法_python中向一维数组添加元素的方法

python 怎么将一个数组逆序输出?爱上了你,我才领略思念的滋味,分离的愁苦和妒忌的煎熬,还有那无休止的占有欲。python 怎么将一个数组逆序输出? 知道的告诉我咯..工具/材料:电脑、Python、Pycharm 我以为他生性冷淡,直到亲眼看到他对另一个人嘘寒问暖。首先,打开Python,定义一个数组,其值为空。接着,输入数组的长度,保存在变量中。 要是你觉得累了,最好的办法,就是让自己再累...

weixin_39664477的博客 4394

将一维数组的反转,封装成方法

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

weixin_53077591的博客 205

JavaScript多维数组变为一维数组的方法

JavaScript必会知识 文章目录JavaScript必会知识前言一、递归的方法二、使用toString三、使用reduce(链接: [reduce用法](https://www.youkuaiyun.com/)) 前言 本篇文章主要总结了,如何将多维数组变为一维数组的方法 一、递归的方法 function f(arr){ var result = []; for (var i =0,len = arr.length;i<len;i++){ if(Array.isArray

qq_43205326的博客 420

js把多维数组变成一维数组的方法

需求:多维数组=>一维数组 let ary = [1, [2, [3, [4, 5]]], 6]; let str = JSON.stringify(ary); 第0种处理:直接的调用 arr_flat = arr.flat(Infinity); Array.prototype.flat()用于将嵌套的数组“拉平”,变成一维数组。该方法返回一个新数组,对原数据没有影响。 fla...

LJH111101的博客 2318

matlab一维数组操作,Matlab创建一维数组的具体操作方法

现在使用Matlab的朋友越来越多,而接下里的这篇文章绿软吧就带来了Matlab创建一维数组的具体操作方法,感兴趣的朋友就跟绿软吧一起来学习一下吧。Matlab创建一维数组的具体操作方法一,直接输入法创建一维行数组。在命令行窗口(CommandWindow)输入如下代码:A=[pi,2*pi,exp(1),3,2^3],然后回车得到一维行数组。A =3.1416 6.2832 2.7183 3.0...

weixin_30239977的博客 7048

Numpy 三种获取一维数组中元素数量的方法

本文简单介绍一下三种快速获取一维数组中元素数量的方法。

u011699626的博客 607

day05-方法重载与一维数组

基本数据类型 或 引用数据类型 [] 数组名称 = {};//方式一引用数据类型 [] = new 引用数据类型[];方式二。

sss64653的博客 119
上一篇: Java循环
下一篇: 面向对象,类,属性,方法,创建调用属性方法,有参,无参,变量代码示例
lhjava1234
博客等级 码龄4年 4粉丝 22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