excel中if函数的高级应用

Excel高级应用高频使用函数汇总 ​Excel中的这些高频使用函数,都是你工作中必须具备的技能,不得不知道……大家好,我是一点IT技术,今天给大家准备的是Excel中一些使用频率很高的函数。在工作应用中,使用最多的就是求和函数。求和函数有三个:无条件求和SUM函数、条件求和SUMIF函数和多组数据相乘求和SUMPRODUCT函数。一、无条件求和SUM函数 该函数是求30个以内参数的和。公式为 = SUM(参数1,参数2,…,参数N),当对某一行或某一列的连续数据进行求和时,还可以使用工具栏中的自动求和按钮。 二、条件求和SUMIF函数 S 阅读详情

Excel 的 IF 函数是一个很强大的决策判断函数,它可以在一个单元格中根据某种条件进行判断,并显示不同的结果。下面是一些 IF 函数的高级应用:

  1. 多条件判断:使用多个 IF 函数嵌套,可以实现多条件判断。

  2. 结果区间判断:使用 IF 函数和 AND 函数,可以对结果进行区间判断。

  3. 数据查询:使用 IF 函数和 VLOOKUP 函数,可以实现从数据表中查询结果的功能。

  4. 条件格式:使用 IF 函数和格式化函数,可以实现根据条件设置单元格的格式。

以上是 Excel 中 IF 函数的高级应用,用好它可以大大提高工作效率。

Excel高级函数应用总结 excel高级函数的相关知识汇总 阅读详情

相关推荐

1、解锁 Excel 高级应用:全面提升工作效率与决策能力

本文深入介绍了Excel的高级应用技巧,涵盖高效操作、公式函数、数据分析、图表制作、财务计算及优化求解等内容。通过实际案例讲解自动填充、数据透视表、NPV/IRR计算等核心功能,适用于高频使用者、分析师、决策者和企业管理者,帮助提升工作效率与数据决策能力。

u8v9w0x1y的博客 67

EXCEL if 函数的高级应用

if 函数的嵌套使用:   如果按等级来判断某个变量,IF函数的格式如下: IF(E2>=85,"优",IF(E2>=75,"良",IF(E2>=60,"及格","不及格"))) 函数从左向右执行。首先计算E2>=85,如果该表达式成立,则显示“优”,如果不成立就继续计算

shenghuiping2001的专栏 1427

QCC308X/518X/309X加LDAC解码

QCC308X/518X/309X加LDAC解码。

Alex_886的博客 6615

excel软件的IF函数及其用法

1.IF函数的语法:IF(logical_test,value_if_true,value_if_fause) 即IF(判断条件,条件成立返回结果1,条件不成立返回结果2) 函数用途:IF函数根据单一条件判断得两种结果,IF函数同时满足多条件得两种结果,IF函数满足多个条件之一得两种结果,IF函数满足多条件得多种结果的实例。 2.IF函数的用法及实例 假设表格数据如下图所示 (1)IF函数根据单一条件判断得两种结果 ①G2区域输入“=IF(C2>=18,"已成年","未成年")”,C2&g

weixin_50853979的博客 3万+

40、基于指令的GPU编程:OpenACC与OpenMP的深入解析

本文深入解析了两种基于指令的GPU编程模型——OpenACC和OpenMP。从编程复杂度、数据处理方式和性能表现等多个方面对两者进行了对比分析,并结合实际应用场景提供了选择建议。通过详细的代码示例和性能测试结果,帮助开发者更好地理解和应用这两种编程模型,以充分发挥GPU的并行计算能力。

q5r6s7的博客 138

面向红外小目标检测的SCTransNet:模型优势解析、代码实现与完整复现指南

摘要:本文详细介绍了基于SCTransNet的红外小目标检测全流程实践方案。针对红外小目标检测面临的三大挑战(特征稀缺、背景干扰、尺度变化),SCTransNet通过空-通道交叉注意力机制有效增强目标特征。文章包含完整的PyTorch实现代码,涵盖特征提取、注意力模块、多尺度融合等核心组件,并提供模型训练、评估的具体方法。同时给出毕设创新方向的建议,如模型轻量化、多模态融合等,帮助提升研究深度。该方案技术难度适中,应用价值明确,是红外目标检测领域理想的毕设选题方向。

m0_71589036的博客 4760

掌握Excel高级技巧:IF{1,0}函数详解与应用

掌握Excel高级技巧:IF{1,0}函数详解与应用 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在日常的数据处理和分析工作中,Excel无疑是最常用的工具之一。然而,许多用户可能只停留在基础操作层面,未能充分利用Excel的高级功能。本项目“Excel技巧:IF{1,0}用法详解”正是为那些希望提升数据处理和分析能力的Excel中级用户量身定制的。通过详细介绍IF...

gitblog_06561的博客 559

2万字长文:海豚调度器(DolphinScheduler)面试题深入了解

DAG图(有向无环图)是海豚调度器中表示工作流任务依赖关系的一种方式。在DolphinScheduler中,每个任务是一个节点,任务之间的依赖关系通过有向边连接这些节点来表示。无环:保证了工作流的执行顺序是确定的,避免了无限循环的问题。有向:箭头指示了任务的执行方向,即上一个任务的输出可以作为下一个任务的输入。依赖表示:通过图形化界面,用户可以通过拖拽连接线来定义任务之间的先后顺序和依赖关系。并行处理:DAG图可以表示出任务的并行关系,允许多个任务在没有直接依赖关系的情况下同时执行。条件分支。

大模型大数据攻城狮的专栏 1334

excel函数二if函数

if函数 if的简单用法就是判断条件,true即可为第一个 这边是一个and函数,他可以帮助我们,一直判断 注意括号的位置,右括号都在最后,有几个IF就输入几个右括号。 二、IF函数的使用方法(进阶) 2.1多条件并列判断 =IF(AND(A1>60,B1<100),“合格”,“不合格”) =IF(OR(A1>60,B1<100),“合格”,“不合格”) 注:and()表示括号内的多个条件要同时成立 or()表示括号内的多个条件任一个成立 2.2复杂的多条件判断 =IF(OR

weixin_42220953的博客 907

从0入门LocoTrack:6倍加速的SLAM追踪新范式实战指南

传统点追踪方法(如CorrTracker、TAPIR)在处理大规模场景或实时任务时,要么精度不足,要么速度太慢。而LocoTrack通过“局部4D相关性”和“Transformer全局关联”的创新设计,实现了精度与速度的双重突破速度:比现有SOTA方法快6倍,吞吐量高达数万点/秒;精度:在Kinetics、DAVIS等数据集上,定位误差显著低于传统方法;鲁棒性:能应对低纹理、动态场景等复杂环境,这是传统方法的“噩梦场景”。

m0_71589036的博客 98

第2章-系统控制原理 -> 经典控制理论

第1章 回到目录 第3章 2 控制原理2.1 控制系统的数学模型2.1.1 时域数学模型2.1.2 复域数学模型2.2 线性系统的稳定性2.2.1 复数域稳定判据2.2.2 频率域稳定判据2.3 线性系统状态空间模型2.3.1 状态空间表达式2.3.2 状态空间系统设计2.4 李雅普诺夫稳定性分析2.4.1 李雅普诺夫稳定性2.4.2 李雅普诺夫稳定判据 2.1 控制系统的数学模型 2.1.1 时域数学模型 2.1.2 复域数学模型 2.2 线性系统的稳定性 2.2.1 复数域稳定判据 2.2....

赵继超的笔记 5557

有哪些函数可以反截图、_Excel里IF函数的使用你全都知道吗?

今天给大家介绍一下Excel里的IF函数的使用(既执行真假值判断,根据逻辑计算的真假值,返回不同结果),在EXCEL中IF函数的使用非常广泛,特别是在单条件判断的时候,用好 IF函数可以帮我们完成很多功能?一起来学习下Excel中IF函数有哪些使用方法,接下来我们来看下:方法一:Excel中IF函数的基本应用方法/步骤1 : IF是条件判断函数:=IF(测试条件,结果1,结果2),即如果满足“测试...

weixin_39843151的博客 255

36、T5L 迪文屏C51开发之绘制动态曲线

T5L 迪文屏C51开发之绘制动态曲线1、介绍2、例程功能简介3、GUI界面设计3、C51程序设计 1、介绍   本文将利用DGUS Tool软件中的【动态曲线控件】来绘制曲线效果,在T5L迪文屏中总共支持8个通道的曲线,而曲线数据是需要缓冲区的,如果 8 通道曲线同时使用,0x1000-0x4FFF 将作为曲线缓冲区地址,此时该部分变量地址不能被其他控键使用,其他控键地址使用范围为0x5000-0xFFFF,当某曲线通道不被使用时,那么其所对应的缓冲区地址可以做其他用途,曲线通道具体的地址分布如下图所示:

嵌入式羊圈 3135

Excle常用函数——if函数

一、单条件嵌套使用。 目的:判断成绩所属的等级。 方法: 在目标单元格中输入公式:=IF(D3=100,"满分",IF(D3>=95,"优秀",IF(D3>=80,"良好",IF(D3>=60,"及格","不及格"))))。 解读: 1、如果D3单元格的值为100,返回“满分”,如果不等于100,继续判断,如果>=95分,返回“优秀”……以此类推,如果有多个条件,公式会比较长,而且维护比较麻烦。 2、当有多层嵌套时,会使用替代函数Ifs。 方法: 在目标...

ZikM的博客 1507

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

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")

if函数的语法c语言并列,逻辑函数IF的各种使用方法

IF函数是工作中最常用的逻辑函数之一,函数语法:语法:=if(条件表达式, 条件成立时的结果,条件不成立时的结果)一、IF函数的入门使用方法1、单条件判断返回值=IF(A2>90,'完成任务','未完成')2、多重条件判断(嵌套用法)=IF(A1='101','现金',IF(A1='1121','应收票据',IF(A1=1403,'原材料')))注:多条件判断时,注意括号的位置,右括号都在最...

weixin_32553219的博客 7179

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

EXCEL的基本操作(七)

科普知识IF函数判断查找公式一、把公式产生的错误值显示为空,且把正确值正确显示1.1 公式表达=IFERROR(A2/B2,"")1.2...

xyl666666的博客 278

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Excel 中IF函数用法

函数格式:if(logical_test,value_if_true,value_if_false)。其中:“logical_test”表示设定的条件,“value_if_true”表示当目标单元格与设定条件相符时返回的函数值,“value_if_false”表示当目标单元格与设定条件不符时返回的函数值。 一、IF函数的语法结构       IF:是执行真假值判断,根据逻辑测试的真假值返回不同...

giveneye 478

计算机二级考试中Excel函数如何应用,计算机二级考试excle常用函数【计算机二级ms office中excel中必考函数有哪些?】...

计算机二级excel主要函数的用法AVERAGE 求出所有参数的术平均值。 数据计算COLUMN 显示所引用单元格的列标号值。 显示位置CONCATENATE 将多个字符文本或单元格中的数据连接在一起,显示在一个单元格中。 字符合并COUNTIF 统计某个单元格区域中符合指定条件的单元格数目。 条件统计DATE 给出指定数值的日期。 显示日期DATEDIF 计算返回两个日期参数的差值。 计算天数D...

weixin_39938875的博客 1117

excel if判断单元格是否为空否求和_含金量超高的If函数实用技巧,你确定都掌握吗?...

If函数应该是每位亲最先接触的Excel函数,除了单条件判断意外,你还知道它的那些用法或技巧?如果你只会使用单条件判断,那你就Out了,详情请看下文。一、单条件嵌套使用。目的:判断成绩所属的等级。方法:在目标单元格中输入公式:=IF(D3=100,"满分",IF(D3>=95,"优秀",IF(D3>=80,"良好",IF(D3>=60,"及格","不及格"))))。方法:在目标...

weixin_35817967的博客 1468

excel的if函数嵌套使用

Excel if函数嵌套多条件使用方法 =IF(C2=“a”,IF(E2>=80,IF(F2>800,“b”,“c”),“c”),“c”) Excel if函数用 And 与 OR 组合多个条件使用方法 =IF(AND(C2=“a”,E2>=80,F2>800),“b”,“c”) 4、用 * 代替 And A、把公式  =IF(AND(C2=“a”,E2>=80,F2...

今天菜里有肉 4666

数据分析/运营——常用EXCEL函数(IF、SUMIF、VLOOKUP)

列举几个常用的EXCEL函数 (1)IF函数 语法:IF(判断条件, “条件成立时的返回值”, “条件不成立时的返回值”) 示例:IF(1=2, “等式成立”, “等式不成立”),返回“等式不成立” 也可以多重嵌套 IF(判断条件1, “条件1成立时返回值”, F(判断条件2, “条件2成立时返回值”, IF(判断条件3, “条件3成立时返回值”, “条件3不成立时返回值”))) N = 95 IF(N<60, “不及格”, IF(N<70, “及格”, IF(N<80, “中等”, IF

qq_43019258的博客 9076

如何用计算机的if,if函数的使用方法(if函数的使用方法)

如果excel函数中的函数被广泛使用,尤其是在单条件判断中,那么很好地使用if函数可以帮助我们完成许多函数.最简单的excel if函数应用程序示例: 下图中的数据在d列中显示以下结果: 如果数据1大于60,则显示为合格,否则为不合格.然后在单元格d2中输入以下公式:= if(a2> 60,“通过”,“失败”)然后向下拖动以自动生成数据,如下面的D列所示.if函数的必要条件:每个excel,...

weixin_35964164的博客 1万+

Excel学习笔记:if({1,0})用法

一、if函数   判断是否满足条件,满足则返回第2个参数,不满足则返回第3个参数。   使用格式:=if(A1>0,"正","负") 二、if({1,0})用法   在if({1,0})中,根据两个条件,分别返回if的两个值,同时把两个结果组成一个数组。数组 1表示True,0表示False。   1.一般vlookup函数从右往左查找可以利用if{1,0};   2.if{...

weixin_30764771的博客 2706

Excel函数-IF函数的使用

Excel函数-IF函数的使用(测试时使用的软件版本:WPS 2019) 常规使用 =if(表达式,"真","假") 表达式为真,返回字符串"真",否则返回字符串"假" 可以返回字符串、数值、单元格值、函数,图片中返回的是字符串 返回的字符串必须加双引号(半角),不加或加单引号会报错 特殊情况: 情况 举例 说明 不加真值 IF(A1>0, ,“小于0”) 默认表达式为真时返回 0 不加假值 IF(A1>0,“大于0”) 默认表达式为假时返回FALSE

weixin_50380723的博客 3126

html可以用if函数吗,你真的会用If函数吗?

相信大家都知道IF是什么意思吧!它的意思就是:如果....一看就知道它和条件有关系。>>>相关阅读:Excel条件函数学起来在给大家讲解IF函数时,我们先来了解它的参数、语法等。IF函数三个参数,语法解释:IF(表达式,表达式正确返回的值,表达式错误返回的值)有很多教程会交大家三个偷懒的写法:省略第2个逗号和第3个参数,则表达式会错误时返回FALSE如:IF(1>2,"对"...

weixin_36070745的博客 745
上一篇: java输出一个空心菱形
下一篇: Java 编写坦克大战
向沙托夫问好
博客等级 码龄6年 2839粉丝 4056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