Python中的random模块,随机性的神奇世界

【Python】random模块 真随机数(TRN)的物理源泉与特性伪随机数(PRN)的数学构造与局限性熵源(Entropy Source)与Python 模块的互动 在计算机系统中,为了获得更“随机”的种子,操作系统会收集各种系统事件的非确定性,例如鼠标移动、键盘输入、磁盘I/O中断、网络延迟、处理器温度波动等。这些难以预测的物理事件产生了“熵池”(Entropy Pool),操作系统从中提取数据来初始化其加密安全的随机数生成器(Cryptographically Secure Pseudorandom Number Generators 阅读详情

随机性在计算机编程和数据科学中扮演着至关重要的角色。Python中的random模块提供了丰富的工具和函数,帮助我们生成随机数、操作随机序列,以及模拟随机性事件。

在本文中,我们将分享random模块,了解它的基本用法、功能和应用领域,并提供示例代码来帮助你更好地理解随机性的神奇世界。

介绍random模块

Python中的random模块是一个伪随机数生成器的工具包,它可以生成随机数,进行随机序列操作,以及模拟随机性事件。虽然生成的数字实际上是伪随机的,但它们在大多数应用中足够随机。

以下是一些random模块的常见用途:

  • 生成随机数:包括整数、浮点数和随机种子。
  • 操作序列:随机洗牌、选择随机元素等。
  • 模拟随机性事件:模拟硬币抛掷、骰子掷掷、抽样等。

让我们从基本的随机数生成开始,逐步深入了解random模块的功能和用法。

随机数生成

生成随机整数

要生成一个指定范围内的随机整数,可以使用random.randint()函数。

以下是一个生成1到10之间的随机整数的示例:

arduino
复制代码
import random

random_integer = random.randint(1, 10)
print(random_integer)  # 输出:一个1到10之间的随机整数

生成随机浮点数

生成随机的浮点数,可以使用random.uniform()函数。以下是一个生成0到1之间的随机浮点数的示例:

arduino
复制代码
import random

random_float = random.uniform(0, 1)
print(random_float)  # 输出:一个0到1之间的随机浮点数

生成随机种子

生成可重复的随机数序列。为了实现这一点,你可以使用random.seed()函数,将一个固定的种子传递给它。这样,相同的种子将生成相同的随机数序列。以下是一个示例:

ini
复制代码
import random

random.seed(42)  # 使用种子42
random_number_1 = random.randint(1, 100)
random_number_2 = random.randint(1, 100)

print(random_number_1)  # 输出:一个随机整数
print(random_number_2)  # 输出:一个与上面不同的随机整数

随机序列操作

random模块还提供了一些功能,用于操作随机序列,例如随机洗牌和随机选择。

随机洗牌

要随机洗牌列表中的元素,可以使用random.shuffle()函数。

以下是一个示例:

scss
复制代码
import random

my_list = [1, 2, 3, 4, 5]
random.shuffle(my_list)

print(my_list)  # 输出:一个随机排序的列表

随机选择元素

如果需要从列表中随机选择一个或多个元素,可以使用random.choice()函数。

以下是一个示例:

ini
复制代码
import random

my_list = [1, 2, 3, 4, 5]
random_element = random.choice(my_list)

print(random_element)  # 输出:一个随机选择的元素

模拟随机性事件

random模块还可以用于模拟随机性事件,如硬币抛掷、骰子掷掷和抽样。

模拟硬币抛掷

要模拟硬币抛掷,可以使用random.choice()函数从两个可能的选项中随机选择一个。

以下是一个示例:

arduino
复制代码
import random

coin = ['头', '尾']
result = random.choice(coin)

print(f"硬币抛掷结果: {result}")

模拟骰子掷掷

要模拟骰子掷掷,可以使用random.randint()函数生成1到6之间的随机整数。

以下是一个示例:

arduino
复制代码
import random

dice_roll = random.randint(1, 6)

print(f"骰子掷掷结果: {dice_roll}")

模拟抽样

在数据科学和统计学中,随机抽样是一个常见的任务。你可以使用random.sample()函数从列表中进行随机抽样。

以下是一个示例:

arduino
复制代码
import random

my_population = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
sample = random.sample(my_population, 5)

print(f"随机抽样结果: {sample}")

高级用法

除了上述基本功能外,random模块还提供了更多高级的随机性操作。使用random.gauss()来生成服从高斯分布的随机数,使用random.choices()来进行带权重的随机选择,以及使用random.getstate()和random.setstate()来保存和恢复生成器的状态。

应用领域

随机性在许多领域中都有应用,包括:

  1. 模拟和建模:在模拟游戏、金融模型、物理模拟和仿真中使用随机性。
  2. 密码学:生成加密密钥和散列函数中使用伪随机数生成。
  3. 机器学习:在数据增强、初始化神经网络权重和交叉验证中引入随机性。
  4. 统计学:在随机抽样、蒙特卡洛方法和置信区间估计中使用随机性。
  5. 游戏开发:创建随机地图、随机敌人生成和随机事件。
  6. 实验设计:在心理学、生物学和医学研究中,随机化试验组和对照组。

示例代码

以下是一个示例代码,演示如何使用random模块生成一个简单的模拟赌博游戏:

python
复制代码
import random

def roll_dice():
    return random.randint(1, 6)

def play_game():
    money = 100
    while money > 0:
        input("按Enter键开始掷骰子...")
        dice = roll_dice()
        print(f"掷出了 {dice} 点")
        if dice == 6:
            money += 5
            print(f"赢得了 5 美元,现在有 {money} 美元")
        else:
            money -= 2
            print(f"失去了 2 美元,现在有 {money} 美元")
    print("你破产了!")

play_game()

这个示例模拟了一个简单的掷骰子赌博游戏,玩家每次掷骰子,如果点数为6,则赢得5美元,否则失去2美元,直到金钱耗尽。

结语

random模块是Python中一个非常强大和有用的工具,用于生成随机数、操作随机序列,以及模拟随机性事件。它在模拟、密码学、机器学习、统计学、游戏开发和实验设计等领域都有广泛应用。通过使用random模块,可以增加程序的随机性和可预测性,从而更好地应对不确定性。

这里给大家分享一份Python全套学习资料,包括学习路线、软件、源码、视频、面试题等等,都是我自己学习时整理的,希望可以对正在学习或者想要学习Python的朋友有帮助!

优快云大礼包:全网最全《全套Python学习资料》免费分享🎁

😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉优快云大礼包🎁:全网最全《Python学习资料》免费分享(安全链接,放心点击)👈

​style=“margin: auto” />

1️⃣零基础入门

① 学习路线

对于从来没有接触过Python的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
在这里插入图片描述

② 路线对应学习视频

还有很多适合0基础入门的学习视频,有了这些视频,轻轻松松上手Python~在这里插入图片描述

③练习题

每节视频课后,都有对应的练习题哦,可以检验学习成果哈哈!
在这里插入图片描述
因篇幅有限,仅展示部分资料

2️⃣国内外Python书籍、文档

① 文档和书籍资料

在这里插入图片描述

3️⃣Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了!每个都有详细的安装教程,保证你可以安装成功哦!
在这里插入图片描述

②Python实战案例

光学理论是没用的,要学会跟着一起敲代码,动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。100+实战案例源码等你来拿!
在这里插入图片描述

③Python小游戏源码

如果觉得上面的实战案例有点枯燥,可以试试自己用Python编写小游戏,让你的学习过程中增添一点趣味!
在这里插入图片描述

4️⃣Python面试题

我们学会了Python之后,有了技能就可以出去找工作啦!下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述
在这里插入图片描述

5️⃣Python兼职渠道

而且学会Python以后,还可以在各大兼职平台接单赚钱,各种兼职渠道+兼职注意事项+如何和客户沟通,我都整理成文档了。
在这里插入图片描述
在这里插入图片描述
上述所有资料 ⚡️ ,朋友们如果有需要 📦《全套Python学习资料》的,可以扫描下方二维码免费领取 🆓
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉优快云大礼包🎁:全网最全《Python学习资料》免费分享(安全链接,放心点击)👈

​

ECDSA算法解析:从椭圆曲线原理到Python实战应用 数字签名是现代信息安全的核心技术之一,用于验证数据来源和完整性。其原理基于非对称加密体系,通过私钥签名、公钥验证的方式,在开放网络中建立信任。椭圆曲线密码学(ECC)作为新一代非对称加密技术,相比传统RSA算法,能在更短的密钥长度下提供同等甚至更高的安全强度,这使其在计算资源和带宽受限的场景中展现出巨大技术价值。ECDSA(椭圆曲线数字签名算法)正是ECC在数字签名领域的标准实现,它通过将签名过程转化为椭圆曲线上的点运算,实现了高效且安全的签名生成与验证。该算法广泛应用于需要高强度身份认证和数据完整性保护的 阅读详情

相关推荐

Python+Pygame从零构建数独游戏:算法、GUI与事件处理实战

回溯算法是一种通过试错来寻找问题解决方案的通用算法思想,其核心原理是在决策树中深度优先搜索,遇到死胡同时回退到上一个节点尝试其他可能。在游戏开发、路径规划和约束满足问题中,该算法展现出强大的技术价值。具体到数独求解与生成场景,回溯算法能系统性地填充和验证数字,确保每行、每列及每个宫格内数字的唯一性。结合Pygame这一轻量级图形库,开发者可以将抽象的算法逻辑转化为直观的可视化界面,实现网格绘制、数字填充和用户交互。本文以构建一个完整的可交互数独游戏为例,详细演示了如何将回溯算法与Pygame的事件处理、图形

weixin_34327223的博客 571

Python中random函数用法整理

目录 1. random.random(): 返回随机生成的一个浮点数,范围在[0,1)之间 2. random.uniform(a, b): 返回随机生成的一个浮点数,范围在[a, b)之间 3.random.randint(a,b):生成指定范围内的整数 4.random.randrange([start],stop[,step]):用于从指定范围内按指定基数递增的集合中获取一个随机数。 5.random.choice():从指定的序列中获取一个随机元素 6.random.shu...

你学会了吗 23万+

从无记忆性到稳定分布:马尔科夫链的核心原理与Python实践

本文深入解析马尔科夫链的无记忆性和稳定分布原理,通过Python代码示例展示其在天气预报、用户行为预测等场景的应用。重点探讨状态转移矩阵的数学本质及稳定分布的计算方法,并实战构建马尔科夫链文本生成器,帮助读者掌握这一概率建模工具的核心技术。

weixin_33733810的博客 306

Python的numpy库中rand(),randn(),randint(),random_integers()等random系函数的使用

在使用Python进行数据处理时,往往需要用到大量的随机数据,那如何构造这么多数据呢?Python的第三方库numpy库中提供了random函数来实现这个功能。 本文将根据官方文档以及其他博友的博客一起来谈论常见的random函数以及使用 官方文档首先说下numpy.random.seed()与numpy.random.RandomState()这两个在数据处理中比较常用的函数,两者实现的作用是

m0_38061927的博客 15万+

遗传算法实战:N皇后问题的Python工程化实现与调优

遗传算法(GA)是一种经典的启发式全局优化方法,广泛应用于组合优化、调度规划与智能搜索等场景。其核心在于通过选择、交叉、变异等操作模拟自然进化过程,在解空间中高效寻优。然而,从理论到工程落地常面临适应度函数设计失当、种群早熟收敛、强约束下非法解泛滥等挑战。本文以N皇后这一典型NP-hard约束满足问题为载体,深入剖析GA在真实项目中的编码策略、精英保留机制、启发式初始化与定向变异等关键技术决策,并结合Python工程实践,提供可复现、可调试、可迁移的完整实现范式。内容覆盖Matlab到Python的范式转换

weixin_30776545的博客 365

C# OpenCV机器视觉:红外体温检测

阿强长舒一口气,脸上露出了自信的笑容:“好了,万事俱备,只欠东风,接下来就看我的了!在这热图像里,不同的颜色代表着不同的温度区域,就好比一幅用温度绘制的抽象画,红色通常表示高温,蓝色则代表低温,通过解读这幅画,就能大致了解物体表面的温度分布情况。” 阿强兴奋得一拍大腿,“这不就像是找到了隐藏在黑暗中的线索,只要顺着这些红外线的踪迹,就能揪出体温异常的潜在风险,守护大家的健康啦。带着这份坚定的信念,阿强又投入到新的科技研发中,他相信,只要大家齐心协力,用科技点亮希望之光,就一定能迎来更加美好的明天。

xcwzj123的专栏 3152

Python中的random函数

Python中的random函数 random模块提供生成伪随机数的函数,在使用时需要导入random模块 1. random.random() 最基本的随机函数,返回一个[0.0,1.0)之间的随机小数 2.random.uniform(a,b) 在指定范围内生成随机小数,两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: b <= n <= a;如果 a <b, 则 a <= n <= b 3.random.randint(m,n) 用于生成一个指

m0_51526532的博客 3万+

专项1.CCS代码补全与快捷键优化全攻略

本文全面解析CCS开发环境的代码补全功能与快捷键优化技巧,包括内容辅助触发机制、快捷键自定义配置、编码效率提升方法等实用内容。通过详细步骤指导开发者优化CCS配置,实现高效的代码自动补全和个性化快捷键设置,显著提升嵌入式开发效率。

kotlin6android的博客 226

Python | random模块|常用方法总结

遗忘是为了记住更珍贵的事物

公众号:快乐变态屋 漂亮大男孩的罗德岛 1956

Androiud安卓链接sqllite的代码使用案例

【代码】Androiud安卓链接sqllite的代码使用案例。

laterstage的博客 1330

下载Python3.10的相关方法及问题解决

下载Python3.10的相关方法及问题解决 报错unable to locate package python3.10-dev以及subprocess.CalledProcessError: Command ‘(‘lsb_release‘, ‘-a‘)‘ returned non-zero exit status 1问题解决

Istil 1555

随机性的神奇世界!详解Python中的random模块

randomrandom模块是Python中一个非常强大和有用的工具,用于生成随机数、操作随机序列,以及模拟随机性事件。它在模拟、密码学、机器学习、统计学、游戏开发和实验设计等领域都有广泛应用。通过使用random模块,可以增加程序的随机性和可预测性,从而更好地应对不确定性。

weixin_68789096的博客 1267

奇迹MU单机版开服全流程:从零搭建到分辨率调整(附GM工具使用技巧)

本文详细介绍了奇迹MU单机版从零搭建到分辨率调整的完整流程,包括环境配置、服务端启动、GM工具使用技巧等关键步骤。特别针对现代高分辨率显示器提供了优化方案,帮助玩家轻松搭建个性化游戏环境,重温经典MMORPG的独特魅力。

b3n4m5q6w7的博客 684

Python random模块,随机性的神奇应用

Python中的random模块是一个伪随机数生成器的工具包,它可以生成随机数,进行随机序列操作,以及模拟随机性事件。虽然生成的数字实际上是伪随机的,但它们在大多数应用中足够随机。以下是一些random模块的常见用途:生成随机数:包括整数、浮点数和随机种子。操作序列:随机洗牌、选择随机元素等。模拟随机性事件:模拟硬币抛掷、骰子掷掷、抽样等。让我们从基本的随机数生成开始,逐步深入了解random模块的功能和用法。

加百力 的技术博客 1984

汽水音乐自动化薅羊毛教程:从零搭建稳定赚钱脚本

📖 前言:为什么要学习自动化脚本?在数字时代,时间就是金钱。汽水音乐等App通过观看广告奖励用户金币的模式,本质上是将我们的时间转化为收益。本教程将教你如何用Python自动化这个过程,让程序为你"打工",实现被动收入。通过本教程,你将学到:移动端自动化测试的核心技术Python在自动化领域的实际应用如何将重复性任务转化为自动化流程创造属于自己的"数字员工"第一章:环境准备与基础配置1.1 硬件要求Android手机一部(建议使用备用机)USB数据线。

weixin_44947827的博客 5829

Python 爬虫实战:亚马逊商品评论 + 评分抓取(情感分析数据预处理)

在电子商务领域,用户评论是了解产品口碑和市场反馈的重要渠道。亚马逊作为全球领先的电商平台,拥有海量的商品评论数据。本文将详细介绍如何使用 Python 编写爬虫程序,从亚马逊网站抓取商品评论和评分数据,并进行情感分析的数据预处理。

yansideyucsdn的博客 770

random模块

random。

m0_58310590的博客 542

【YOLO26保姆级零踩坑教程】环境搭建+五大任务快速入门,一行代码实现检测/分割/姿态/OBB/分类(Win+Linux全适配)

YOLO26环境搭建与实战指南:零踩坑全适配 本文是YOLO26全栈技术专栏的入门篇,提供Windows/Linux双系统的纯实战环境搭建指南,主打零踩坑、全适配。YOLO26基于Ultralytics框架优化,无需编译源码或手动下载权重,原生支持多任务推理。 环境配置关键点: 必须安装Ultralytics 8.4.0及以上版本 支持CPU/GPU环境,推荐Python 3.8-3.11 提供清华源配置解决下载慢问题 安装步骤: CPU版:一键安装Ultralytics和OpenCV GPU版:匹配CUD

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 776

Day11-2【Python 常用内建模块】轻松玩转,不用安装

Python有个响亮的口号——“batteries included”,意思是它内建了很多超级有用的模块,基本上不需要你再跑去网上下载或者搞复杂的配置,直接可以拿来用!简直是懒人程序员的福音,想写啥,直接用啥。今天就来给大家揭开这些内建模块的神秘面纱,看看都有哪些好用的“工具”隐藏在Python里。

max202011161630的博客 679

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

书友汇德天和你学python,神奇的replace编码和ASCII组合应用

代码简单,容易理解学习! import string import random s=string.ascii_uppercase for i in range(100): s_sep = random.choice(s) + str(random.randint(0, 9)) + random.choice(s) + str(random.randint(1000, 9999)) s_qp_ys = s_sep[::] s_qp = s_qp_ys.replace(s_qp_y

和德天老师一起踏上学习Python之旅 259

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Blender随机流建模插件Random Flow 4.0.0:科幻细节纹理高效生成指南

程序化建模是3D数字内容创作中的关键技术,它通过算法和参数化规则自动生成复杂几何结构,显著提升工作效率。其核心原理在于将设计逻辑编码为可重复执行的指令,利用噪声算法、矢量场控制等数学工具驱动几何形态的生成。这种技术价值在于解决了手动建模的效率瓶颈和自然感缺失问题,实现了非破坏性、可迭代的工作流。在游戏资产、影视特效和概念设计等应用场景中,程序化建模尤其擅长创建表面细节纹理,如机械磨损、生物表皮等需要有机随机性的元素。Random Flow 4.0.0作为Blender的随机流建模插件,正是这一技术的典型代表

weixin_30407613的博客 694

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Python新手必学:用Turtle库5分钟搞定炫酷烟花动画(附完整代码)

本文为Python新手提供了一个使用Turtle库快速创建炫酷烟花动画的详细教程。通过简单的代码示例,读者可以在5分钟内实现动态烟花效果,包括环境设置、随机性添加和动画控制。教程还包含完整代码和进阶优化建议,帮助初学者轻松入门Python图形编程。

weixin_33712987的博客 343

机器学习中的固定随机种子方案

机器学习中的可复现性相关调研

weixin_62528784的博客 573

Python深度学习:从入门到实战

亲爱的读者,欢迎您翻开这本书。我们即将探索的,是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学,也是创造的艺术,更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发,亲手搭建神经网络,驾驭Transformer等前沿模型,最终将智慧转化为现实世界的价值。请放下畏惧,保持好奇。这不仅是一次知识的学习,更是一场思维的远行。来,随我一起,开启这趟非凡的旅程吧。

weixin_45747731的博客 300

Python图像处理实战:从像素到艺术,代码绘制高还原度人像

图像处理是计算机视觉与图形学的基础领域,其核心原理在于将图像视为由像素构成的二维数据矩阵,通过算法对像素的颜色、位置信息进行解析与重构。在Python生态中,PIL/Pillow库因其轻量高效、API直观,成为实现像素级操作与程序化绘图的理想工具。其技术价值在于,开发者无需依赖复杂的AI模型,即可通过采样、映射、绘制等经典流程,将图像数据转化为独特的艺术表达,广泛应用于创意编程、数字艺术生成和教育演示等场景。本文以近期热门的“坤坤”人像绘制项目为例,深入剖析如何利用Pillow库实现包括随机点彩、边缘素描在

499
上一篇: 数据持久化的利器,Python中的pickle模块详解
下一篇: 程序员用接单平台靠谱吗?浅谈一下十年程序员的看法
Llama-Turbo
博客等级 码龄4年 9901粉丝 2024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