深入理解 Python 中的循环和迭代

如何快速理解Python中的for循环? 一点拙见,大家见笑了 阅读详情

深入理解 Python 中的循环和迭代

 

循环,特别是for循环,是Python中常见的语句,甚至于Guido van Rossum(Python创始人)在评论递归的时候说过在Python中“递归已死”,我想这句话的意思不是说在Python中不能用递归,而是说因为Python中的for循环语句足够强大,可以不考虑递归,而是用for循环实现原本用递归做的事情。

本来,在《Python大学实用教程》和《跟老齐学Python:轻松入门》两本书中都对for循环语句做了很完整地介绍,并且在这两本书中也有关于可迭代等概念,但是,如何将两者融合起来理解,从而能够更好地实现for循环,对新手还是有挑战的。

本文就在以上两本书所述基础上,从更深入和综合的角度进行阐述,以便能更好地使用for循环。

踩过的坑

在实用for循环中,特别是初学者,会遇到很多坑,这里列举几个,看看你是否遇到过?

1、第二次无果

假设有一个数字组成的列表和一个生成器,生成器给出这些数字的平方:

>>> numbers = [1, 2, 3, 5, 7] 
>>> squares = (n**2 for n in numbers)

用tuple函数,将squares转化为元组。

>>> tuple(squares) 
(1, 4, 9, 25, 49)

现在,又向计算这个生成器对象squares里面所有数字的和,观察一下,应该能看出来,其和是88,然而:

>>> sum(squares) 
0

这里计算结果为0,是Python的BUG吗?

2、检查无效

再用下面的方法得到那个生成器对象:

>>> numbers = [1, 2, 3, 5, 7] 
>>> squares = (n**2 for n in numbers)

如果检查9是否在squares生成器中,显然这是真的True。但是同样的检查如果再做一遍,就不是这个结果了——不可重复,不科学?

>>> 9 in squares 
True
>>> 9 in squares 
False

3、解包

创建一个包含两个键值对的字典:

>>> counts = {'apples': 2, 'oranges': 1}

用多变量的赋值语句对字典解包:

>>> x, y = counts

先猜一下,这样做会有什么结果?报错,还是两个变量分别引用了两个键值对——引用键值对,兼职不可能吧,除非将键值对包裹在字典里。

但是,一没有报错,二没有返回键值对,而是:

>>> x 
'apples'

这似乎也合乎情理和逻辑。

复习for循环

温故而知新,先来回顾一下for循环。

严格地说,Python中的for循环并不“传统”,或者说不符合众多语言中所继承的C语言风格的for循环。

先看一看所谓的C语言风格的for循环,以JavaScript为例:

var numbers = [1, 2, 3, 5, 7]; 
for (var i = 0; i < numbers.length; i += 1) {
    print(numbers[i]) }

像人们熟知的JavaScript, C, C++, Java, PHP等很多编程语言的for循环,都是这个样子的,所以,不少人认为这样的才是真正的for循环。

但是,Python盲从,而是特立独行地创造了自己的for循环。它不是C语言风格的,而是Python风格的:

numbers = [1, 2, 3, 5, 7] 
for n in numbers:
    print(n)

与传统的C语言风格的for循环不同,Python的for循环不需要创建索引,不需要对索引变量进行初始化,不需要进行边界检查,也不需要让索引递增。Python的for循环为我们完成了在numbers列表上循环的所有工作。

因此,Python中虽有for循环,但并非传统的C风格,那么其工作原理亦与之不同。

可迭代对象和序列

在Python中,可迭代对象就是可以用for来循环的东西。

for item in some_iterable:
    print(item)

序列是一种非常常见的可迭代对象,例如列表、元组和字符串都是序列。

>>> numbers = [1, 2, 3, 5, 7] 
>>> coordinates = (4, 5, 7) 
>>> words = "hello there"

序列是具有一组特定特征的可迭代对象,它们可以从0开始索引,并在比序列长度少一个元素的地方结束。它们有长度,并且可以切片。列表、元组、字符串和所有其他序列都是这样工作的。

>>> numbers[0] 
1 
>>> coordinates[2] 
7 
>>> words[4] 
'o'

Python中的很多东西都是可迭代对象,但并非所有的可迭代对象都是序列。集合、字典、文件和生成器都是可迭代对象,但它们都不是序列。

>>> my_set = {1, 2, 3} 
>>> my_dict = {'k1': 'v1', 'k2': 'v2'} 
>>> my_file = open('some_file.txt') 
>>> squares = (n**2 for n in my_set)

因此,任何可以用for来循环的东西都是一个可迭代对象,例如序列,但是并非所有可迭代对象都是序列。

Python的for循环

前面已经显示了,Python的for循环不使用索引——这是不同于C语言分割的for循环之处。

不过,你可能会悄悄滴认为,如果非要用,Python的for循环肯定也能实现C语言风格,因为我们一向认为“C语言是任何东西的基础”。为此,我们使用while 循环和索引手动遍历一个可迭代对象:

numbers = [1, 2, 3, 5, 7] 
i = 0 
while i < len(numbers):
    print(numbers[i])  
    i += 1

很显然,上面的循环方式只适合于序列类对象,对其它的并非完全使用,比如字典、集合。

比如使用索引手动遍历一个集合,我们将看到报错:

>>> fruits = {'lemon', 'apple', 'orange', 'watermelon'}
>>> i = 0 
>>> while i < len(fruits): 
...     print(fruits[i]) 
...     i += 1 
... Traceback (most recent call last): File "<stdin>", line 2, in <module> 
    TypeError: 'set' object does not support indexing

集合不是序列,因此它们不支持索引。

在Python中,我们不能通过使用索引手动遍历每个可迭代对象。这对于不是序列的可迭代对象根本不起作用。

迭代器

在Python中,迭代器可以用于for循环。

什么是迭代器?它是驱动可迭代对象的一类对象。我们可以从任意可迭代对象那里生成迭代器。

这里有三个可迭代对象:集合、元组和字符串。

>>> numbers = {1, 2, 3, 5, 7} 
>>> coordinates = (4, 5, 7) 
>>> words = "hello there"

可以用Python内置的iter函数用上面的可迭代对象生成迭代器。

>>> iter(numbers) 
<set_iterator object at 0x7f2b9271c860> 
>>> iter(coordinates) 
<tuple_iterator object at 0x7f2b9271ce80> 
>>> iter(words) 
<str_iterator object at 0x7f2b9271c860>

有了迭代器,就把它传给内置函数next,从而获得它的下一项。

>>> numbers = [1, 2, 3] 
>>> my_iterator = iter(numbers) 
>>> next(my_iterator) 
1 
>>> next(my_iterator) 
2

每从迭代器中取出一项,那一项就从迭代器中“消失”了。如果到了迭代器的最后一项,还执行next,而实际上后面已经没有其他项了,这时候就会报出StopIteration异常。

>>> next(iterator) 
3 
>>> next(iterator) 
Traceback (most recent call last):  File "<stdin>", line 1, 
in <module> StopIteration

不用for的循环

在了解了迭代器、以及iter和next函数后,我们将尝试手动遍历一个可迭代对象,而不使用for循环。

不用for,就得用while了,Python中只有这么两个循环语句。

def funky_for_loop(iterable, action_to_do):    
    for item in iterable:
        action_to_do(item)

为了去掉for,需要:

  1. 根据给定的可迭代对象生成迭代器
  2. 从迭代器中重复获取下一项
  3. 如果成功获得了下一项,则相当于执行for循环了
  4. 如果在获取下一项时遇到“StopIteration”异常,则停止循环
def funky_for_loop(iterable, action_to_do):    
    iterator = iter(iterable)
    done_looping = False    
    while not done_looping:
        try:
            item = next(iterator)
        except StopIteration:
            done_looping = True        
        else:
            action_to_do(item)

这里,其实是用while循环和迭代器重新发明了for循环。

上面的代码基本上定义了Python中循环的工作方式。如果你了解内置的iter和next函数在遍历对象时的工作方式,那么你就了解了Python的for循环是如何工作的,它们的工作过程是类似的。

实际上,通过上面的代码,不仅仅展示了for循环的工作原理,所有可迭代对象的循环都如此。

总结一下,迭代器协议是描述“Python中可迭代对象的循环如何工作的”的一种基本方式,它本质上是Python中iter和next函数所定义的,Python中所有形式的迭代都由迭代器协议提供支持。

迭代器协议也被用于for:

for n in numbers:    
    print(n)

多重赋值也使用迭代器协议:

x, y, z = coordinates

下面这种使用*的表达式也使用迭代器协议:

a, b, *rest = numbers print(*numbers)

许多内置函数依赖于迭代器协议:

unique_numbers = set(numbers)

Python中任何与可迭代对象一起工作的东西都可能以某种方式使用迭代器协议。在Python中,每当你遍历一个可迭代对象时,都依赖于迭代器协议。

生成器是迭代器

迭代器看起来很酷,不过,它是不是用途有限呢?或者说作为普通的Python编程者,是不是不需要关心它呢?

非也。

迭代器很常见。

>>> numbers = [1, 2, 3] 
>>> squares = (n**2 for n in numbers)

此处得到的squares是一个生成器,生成器也是迭代器,这意味着你可以对生成器调用next,以获取其下一项:

>>> next(squares) 
1 
>>> next(squares) 
4

用for循环同样可以遍历生成器:

>>> squares = (n**2 for n in numbers) 
>>> for n in squares: 
...     print(n) 
... 1 4 9

下面这句话,貌似废话,但是重要:迭代器是可迭代对象。

这就意味着,可以将迭代器对象作为iter函数的参数,生成一个新的迭代器对象。不是吗?

>>> numbers = [1, 2, 3] 
>>> iterator1 = iter(numbers) 
>>> iterator2 = iter(iterator1)  # 迭代器对象作为参数

以上最终得到的iterator2是一个迭代器。不过,要注意,iterator1和iterator2的关系:

>>> iterator1 is iterator2 
True

iter函数的参数如果是一个迭代器,返回对象仍然是该迭代器对象自身。

结论:迭代器是可迭代对象,所有迭代器都是自己的迭代器。

def is_iterator(iterable):    
    return iter(iterable) is iterable

困惑了吗?

继续。

迭代器没有长度,因此无法索引。这个认识必须要建立起来。

>>> numbers = [1, 2, 3, 5, 7] 
>>> iterator = iter(numbers) 
>>> len(iterator) 
TypeError: object of type 'list_iterator' has no len() 
>>> iterator[0] 
TypeError: 'list_iterator' object is not subscriptable

从Python程序员的角度来看,使用迭代器可以做的唯一有用的事情就是:将迭代器传给内置的next函数、或遍历迭代器:

>>> next(iterator) 
1 
>>> list(iterator)
[2, 3, 5, 7]

如果我们第二次遍历迭代器,我们将一无所获:

>>> list(iterator) 
[]

这就是说,迭代器可以认为是一次性的惰性的可迭代对象,这意味着它们只能遍历一次。

正如上表中所示,可迭代对象并不总是迭代器,但迭代器总是可迭代对象:

所谓迭代器协议,即:

  1. 可以作为next函数的参数,从而获得对象的下一项,或者在没有其他项时引发StopIteration异常。
  2. 可以作为iter函数的参数,并返回自身。

反过来说,也成立:

  1. 任何可以传给iter而没有引发TypeError的对象都是可迭代对象。
  2. 任何可以传给next而没有引发TypeError的对象都是迭代器。
  3. 任何在传给iter时返回自身的对象都是迭代器。

这是Python中的迭代器协议。

迭代器还能创建包含无限多个元素的对象,关于这方面的内容请参阅《Python大学实用教程》中的有关内容。

迭代器无处不在

Python中的迭代器很多,例如:

>>> letters = ['a', 'b', 'c'] 
>>> e = enumerate(letters) 
>>> e 
<enumerate object at 0x7f112b0e6510> 
>>> next(e) 
(0, 'a')

在Python3中,zip、map和filter对象也是迭代器。

>>> numbers = [1, 2, 3, 5, 7] 
>>> letters = ['a', 'b', 'c'] 
>>> z = zip(numbers, letters) 
>>> z 
<zip object at 0x7f112cc6ce48> 
>>> next(z) 
(1, 'a')

Python中的文件对象也是迭代器。

>>> next(open('hello.txt')) 
'hello world\n'

在Python、标准库和第三方Python库中还有许多内置的迭代器。

至此,本文开始时所提到的那三个坑,已经可以给出完美的解释了。

最后,要强调,这里所介绍的有关迭代器概念,只是对《Python大学实用教程》中没有特别强调或者容易忽视的地方给予补充和强调,在这本书中,对循环、迭代和迭代器、生成器有比较全面的介绍,请参阅。

 

51、Python 循环与迭代:深入理解与应用 本文深入探讨了 Python 中的循环与迭代机制,涵盖了 while 和 for 循环的基本用法及其区别、break 与 continue 的作用、循环中的 else 子句等。同时详细介绍了 Python 的迭代协议,包括可迭代对象和迭代器对象的工作原理,并结合文件迭代器说明了其实际应用。此外,文章还讲解了 map、zip、enumerate 等常用迭代工具的使用及其在 Python 3.X 中的变化,展示了如何通过这些工具简化代码并提升效率。最后介绍了列表推导式的概念、高级用法以及其与迭代协议的关系,为开 阅读详情

相关推荐

深入理解Python中的循环与迭代技术

本章深入探讨了Python中的迭代协议,迭代器和可迭代对象的区别,以及如何手动控制迭代过程。介绍了列表推导式的强大功能,强调了其在简化代码和提高效率方面的优势。通过实例和练习巩固概念,并探讨了for和while循环的区别与使用场景。介绍了循环控制语句break、continue和pass,展示了它们如何提高代码的效率和可读性。最后,解释了迭代器和可迭代对象的概念,以及它们如何通过__iter__()和__next__()方法在Python中实现。

weixin_36483050的博客 424

pythonfor循环是迭代器吗_python迭代器和for循环区别

迭代器(iterator):迭代器对象必须同时实现__iter__和__next__方法才是迭代器。对于迭代器来说,__iter__ 返回的是它自身 self,__next__ 则是返回迭代器中的下一个值,最后没有元素时,抛出异常(异常可以被开发者看到)。1.迭代器一定是可迭代对象,因为它实现了__iter__()方法;(推荐学习:Python视频教程)2.通过iter()方法(在类的内部就是__...

weixin_39934257的博客 536

Python循环与迭代器的深入理解

本文对Python中的迭代器和循环结构进行了深入探讨,包括for循环和while循环的基本用法,以及如何通过range()函数控制循环次数和步长。同时,文章也介绍了如何使用列表这一Python中的基础数据结构,并通过实例演示了如何在循环中使用列表。通过学习这些内容,读者可以更有效地使用循环结构来控制程序流程,并利用列表处理复杂数据。

weixin_29496633的博客 454

深入理解循环和迭代

循环,特别是for循环,是Python中常见的语句,甚至于Guido van Rossum(Python创始人)在评论递归的时候说过在Python中“递归已死”,我想这句话的意思不是说在Python中不能用递归,而是说因为Python中的for循环语句足够强大,可以不考虑递归,而是用for循环实现原本用递归做的事情。 本来,在《Python大学实用教程》和《跟老齐学Python:轻松入门》两本书中都对for循环语句做了很完整地介绍,并且在这两本书中也有关于可迭代等概念,但是,如何将两者融合起来理解,从而能够

计算机科学、人工智能、数据分析和大数据方向的研发和教学。 1513

icem二维非结构网格划分_ICEM CFD网格装配

正文共:718字7图 预计阅读时间:2分钟1 前言 对于一些大型的复杂的网格划分,可以将整个模型切分成多个子模型(二维几何用线切分,三维模型用面切分),然后对各个模型单独划分网格,最终装配在一起。这和机械设计的零件设计和装配设计有点相似,这个功...

weixin_39908758的博客 1626

Java 处理地理信息数据[DEM TIF文件数据获取高程]

EPSG 是一个国际标准,用于唯一标识地理坐标系和投影坐标系。

两点 1283

python:到底什么是迭代器,它和for循环有什么关系?

python:浅析迭代器 1、什么是迭代器 ​ 迭代器是访问集合元素的一种方式,迭代器是一个可以记住遍历位置(索引)的对象。迭代器从集合的第一个元素开始访问,直到所有的元素都被访问完结束 2、什么是可迭代 ​ 基本上我们知道的可迭代对象有:list、str、tuple、dict、set这些数据类型都可以使用for……in循环遍历(从容器呢内部依次获取数据),这种过程除了叫遍历以外,它还叫迭代。 3、如何检测可迭代对象 # 使用 collections包下的Iterable模块 from collecti

abraham_ly的博客 2042

具身智能数据采集的工程化指南:从时间同步到质量校验

具身智能的模型训练离不开高质量的多模态轨迹数据,而数据采集并非简单的传感器记录。真实场景中,相机图像、机械臂关节状态与力觉信息必须在时间轴上精确对齐,标定的漂移和格式混乱会让看似正常的数据无法用于训练。时间同步与标定一致性,是决定数据质量的核心技术环节。在机器人抓取、操作等工程应用中,一套包含多传感器同步、轻量记录脚本、自动化质量校验与版本管理的数据采集流程,能大幅降低数据生产的失败率。本文从工程视角拆解具身数据采集中的典型问题,并给出可落地的流程设计与校验方法,帮助团队构建可持续迭代的高质量数据集。

weixin_30603633的博客 511

python中的for循环与迭代器关系解析

所谓迭代器,就是实现了__iter__()方法和__next__()方法的对象,是一种可以逐个访问集合元素的对象。for循环不是迭代器,而是利用迭代器协议(iter__和__next)的语法糖。迭代器时for村换能够遍历数据的核心驱动机制。如果需要深入探究迭代器的实现,可以研究python的生成器yield或自定义迭代器类。

encoding-console的博客 744

深入解析YT8521S千兆以太网PHY芯片的设计与调试要点

本文深入解析了YT8521S千兆以太网PHY芯片的设计与调试要点。重点剖析了硬件设计中的电源方案、RGMII接口电平配置(尤其是1.8V电平方案)以及PCB布局布线等关键细节,并提供了从硬件检查、驱动配置到性能测试的完整调试流程,帮助工程师规避常见陷阱,实现稳定可靠的千兆网络连接。

weixin_29190573的博客 690

3A之自动对焦(AF)算法:从Tenegrad到拉普拉斯的清晰度评价实战

本文深入解析自动对焦(AF)算法的核心——清晰度评价函数,通过实战对比Tenegrad、方差、能量梯度、Brenner和拉普拉斯五大经典算法的原理、代码实现与性能。文章详细阐述了各函数在计算速度、抗噪性和单峰性上的优劣,并提供了从仿真测试到硬件部署的优化策略,帮助开发者根据实际场景选择最合适的AF算法。

weixin_29281915的博客 316

Python中的for循环、可迭代对象、迭代器和生成器

之前在学习list和dict相关的知识时,遇到了一个常见的问题:如何在遍历list或dict的时候正常删除?例如我们在遍历dict的时候删除,会报错;而在遍历list的时候删除,会有部分元素删除不完全。由这个问题又引发了我对另一个问题的思考:我们通过for循环去遍历一个list或dict时,具体是如何for的呢?即for循环的本质是什么?在查阅了相关资料后,我认识到这是一个和迭代器相关的问题,所以借此机会来详细认识一下Python中的for循环、可迭代对象、迭代器和生成器。.........

xiaoli_Jenny的博客 4505

Dofbot机械臂从零部署笔记(1)——ROS之创建URDF模型、配置Moveit和MotionPlanning

Dofbot机械臂从零部署笔记(1)——ROS之创建URDF模型、配置Moveit和MotionPlanning

takedachia的博客 8701

深入理解 Python 中的循环和迭代(1)

Python中的很多东西都是可迭代对象,但并非所有的可迭代对象都是序列。是描述“Python中可迭代对象的循环如何工作的”的一种基本方式,它本质上是Python中。从Python程序员的角度来看,使用迭代器可以做的唯一有用的事情就是:将迭代器传给内置的。它是驱动可迭代对象的一类对象。很显然,上面的循环方式只适合于序列类对象,对其它的并非完全使用,比如字典、集合。来循环的东西都是一个可迭代对象,例如序列,但是并非所有可迭代对象都是序列。函数的参数如果是一个迭代器,返回对象仍然是该迭代器对象自身。

2401_84010176的博客 769

基于自抗扰控制的虚拟同步发电机二次调频控制研究

摘要:本文针对高比例可再生能源并网导致的电力系统频率稳定性问题,提出基于自抗扰控制(ADRC)的虚拟同步发电机(VSG)二次调频控制策略。通过分析VSG工作原理和传统调频方法的不足,设计了非线性ADRC和线性ADRC两种控制器,详细阐述了参数整定方法。仿真结果表明,该策略能有效消除频率稳态偏差,提升系统抗扰能力,为分布式电源参与电网调频提供了新思路。 关键词:虚拟同步发电机;自抗扰控制;二次调频;频率调节;抗扰能力

huanghm88的专栏 244

5G射频设计中N77&N79的PRX为什么需要3个SRS

首先,我们来逐个拆解一下这个神秘的“

weixin_43199439的博客 1326

2024年Python最新深入理解 Python 中的循环和迭代

现在,又向计算这个生成器对象squares里面所有数字的和,观察一下,应该能看出来,其和是88,然而:0这里计算结果为0,是Python的BUG吗?

2401_84692513的博客 992

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

深入理解 Python 中的循环和迭代,2024年最新互联网寒冬

现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习。

2401_84264429的博客 1047

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

python 迭代器对象_python:迭代器协议、迭代器对象、可迭代对象、for循环等深入理解...

今天看了《python学习手册(第4版)》相关部分,之前的一些疑惑得到了解答,总结如下:1、迭代器协议对有__next__方法的对象(也就是迭代器对象)自动调用__next__,直到结尾引发stopIteration。2、迭代工具迭代工具按迭代器协议处理迭代器。常见工具有for,list()、tuple()、str.join()列表解析、in、map、sorted、zip、enumerate、fi...

weixin_39636898的博客 118

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。

python双重for循环怎么理解_理解 Python 的 for 循环

Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发。在本篇博客中,我们将讨论 Python 中 for 循环的原理。我们将从一组基本例子和它的语法开始,还将讨论与 for 循环关联的 else 代码块的用处。然后我们将介绍迭代对象、迭代器和迭代器协议,还会学习如何创建自己的迭代对象和迭代器。之后,我们将讨论如何使用迭代对象和迭代器实现 for 循环,以及利用...

weixin_39529903的博客 5332
上一篇: 详解 Python 中的 filter() 函数
下一篇: 如何系统地自学Python 7年老码农经验分享,内附入门书籍及学习思路图
程序员孔乙己
博客等级 码龄5年 1191粉丝 81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