sql窗口函数 over

最新推荐文章于 2024-10-09 11:22:56 发布
最新推荐文章于 2024-10-09 11:22:56 发布
阅读量1.2k 收藏 25
点赞数 11
分类专栏： 代码知识素材 文章标签： sql r语言 java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_48485132/article/details/140670406
版权

over的功能是什么

@radix-vue

OVER 是 SQL 窗口函数的一个关键字，用于定义一个窗口或帧，窗口函数将在这个窗口或帧上进行计算操作。OVER 关键字与窗口函数一起使用，如 SUM(), AVG(), ROW_NUMBER(), RANK(), 等等。

功能和用途

OVER 允许您在不缩减结果集的情况下，对结果集进行计算。这与传统的聚合函数（如 SUM(), COUNT()）不同，后者会将结果集缩减成较少的行数。

语法

 

sql
 

 

复制代码
 

<窗口函数> OVER (
  [PARTITION BY <partition_col1>, <partition_col2>, ...]
  [ORDER BY <order_col1> [ASC|DESC], <order_col2> [ASC|DESC], ...]
  [ROWS|RANGE <frame_clause>]
)

 

子句
 

  1.  
    PARTITION BY：
     
  
    • 将结果集按一个或多个列分区。
    • 每个分区内独立进行窗口函数计算。
    • 类似于 GROUP BY，但不缩减结果集的行数。
     
    sql
     
    复制代码
     
    SUM(salary) OVER (PARTITION BY department_id)

     
  2.  
    ORDER BY：
     
  
    • 指定分区内的行顺序，有时结合 PARTITION BY 使用。
    • 确定窗口函数的计算顺序。
     
    sql
     
    复制代码
     
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date)

     
  3.  
    ROWS 或 RANGE：
     
  
    • 定义计算窗口的具体范围或帧。
    • ROWS 指定确切的行数范围，例如当前行的前两行和当前行。
    • RANGE 基于值范围，例如当前行和与当前行值相等的所有其他行。
     
    sql
     
    复制代码
     
    SUM(salary) OVER (ORDER BY hire_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)

     
 

示例和解释
 

基本示例：ROW_NUMBER()
 

 

sql
 

 

复制代码
 

SELECT 
    employee_id, 
    department_id, 
    salary, 
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY salary DESC) AS row_num
FROM employees;

 

在这个查询中：
 

  • PARTITION BY department_id 将数据按部门分组。
  • 在每个部门内，ORDER BY salary DESC 按薪水从高到低排序。
  • ROW_NUMBER() 为每个分区内的每一行分配唯一的行号。
 

聚合函数示例：SUM()
 

 

sql
 

 

复制代码
 

SELECT 
    employee_id, 
    salary, 
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS cumulative_salary
FROM employees;

 

在这个查询中：
 

  • PARTITION BY department_id 根据部门进行分区。
  • ORDER BY hire_date 指定部门内的排序规则。
  • SUM(salary) OVER (...) 计算每个部门内按雇佣日期排序的累计工资。
 

高级示例：移动平均
 

 

sql
 

 

复制代码
 

SELECT 
    order_id, 
    order_date, 
    amount, 
    AVG(amount) OVER (ORDER BY order_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM orders;

 

在这个查询中：
 

  • ORDER BY order_date 指定按订单日期排序。
  • ROWS BETWEEN 2 PRECEDING AND CURRENT ROW 定义窗口帧为当前行及其前两行。
  • AVG(amount) OVER (...) 计算指定窗口内的移动平均值。
 

总结
 

OVER 子句使得窗口函数变得非常强大和灵活，它允许在不缩减结果集的情况下进行各种复杂的计算和分析操作。通过使用 PARTITION BY、ORDER BY 和窗口帧定义，可以对数据进行详细且复杂的分析，适用于诸如累积总和、移动平均、行排名等各种场景。
 

了解和掌握 OVER 子句的使用，将大大提升您在SQL数据查询和分析中的能力。
 

请给我举几个例子
 

 

@radix-vue
 

当然，下面是一些使用OVER子句的常见窗口函数的例子。
 

1. ROW_NUMBER()
 

示例：为每个部门的员工分配一个唯一的行号。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY salary DESC) AS row_num
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY salary DESC 按薪水降序排列每个部门内的员工。
  • ROW_NUMBER() 为每个分区内的每一行分配唯一的行号。
 

2. RANK()
 

示例：为每个部门的员工分配排名，相同薪水的员工会有相同的排名。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY salary DESC 按薪水降序排列每个部门内的员工。
  • RANK() 为每个分区内的每一行分配排名，薪水相同的员工会有相同的排名，下一跳会跳过这些相同排名的行数。
 

3. DENSE_RANK()
 

示例：为每个部门的员工分配排名，相同薪水的员工会有相同的排名，不会跳跃。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    DENSE_RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS dense_rank
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY salary DESC 按薪水降序排列每个部门内的员工。
  • DENSE_RANK() 为每个分区内的每一行分配排名，薪水相同的员工会有相同的排名，且不会跳跃。
 

4. LAG()
 

示例：获取当前行员工的前一个员工的薪水（按雇佣日期排序）。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    LAG(salary, 1) OVER (ORDER BY hire_date) AS prev_salary
FROM employees;

 

解释：
 

  • ORDER BY hire_date 按雇佣日期排序。
  • LAG(salary, 1) 获取上一行的薪水。
 

5. LEAD()
 

示例：获取当前行员工的下一个员工的薪水（按雇佣日期排序）。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    LEAD(salary, 1) OVER (ORDER BY hire_date) AS next_salary
FROM employees;

 

解释：
 

  • ORDER BY hire_date 按雇佣日期排序。
  • LEAD(salary, 1) 获取下一行的薪水。
 

6. 聚合函数作为窗口函数
 

示例：计算每个部门每个员工的累计薪水。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS cumulative_salary
FROM employees;

 

解释：
 

  • PARTITION BY department_id 将结果集按部门分区。
  • ORDER BY hire_date 按雇佣日期排序。
  • SUM(salary) OVER (...) 计算每个分区内的累计薪水。
 

7. 移动平均
 

示例：计算过去三行的移动平均。
 

 

sql
 

 

复制代码
 

SELECT
    order_id,
    order_date,
    amount,
    AVG(amount) OVER (ORDER BY order_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM orders;

 

解释：
 

  • ORDER BY order_date 按订单日期排序。
  • ROWS BETWEEN 2 PRECEDING AND CURRENT ROW 确定窗口帧为当前行及其前两行。
  • AVG(amount) OVER (...) 计算在窗口帧内的移动平均值。
 

8. 使用 NTILE()
 

示例：将结果集按薪水分成4个等分的组，并分配一个组编号。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    salary,
    NTILE(4) OVER (ORDER BY salary DESC) AS salary_group
FROM employees;

 

解释：
 

  • ORDER BY salary DESC 按薪水降序排列员工。
  • NTILE(4) 将结果集分成四等分，并为每行分配一个组编号。
 

这些示例展示了使用OVER子句的各种窗口函数的强大功能和灵活性。通过这些查询，您可以在不缩减结果集的情况下执行复杂的分析和计算。
 

能不能给我一个带数据表的例子
 

 

@radix-vue
 

当然可以。让我们看一个具体的数据表和相关的SQL查询示例，以便更好地理解窗口函数和 OVER 子句的用法。
 

示例数据表
 

假设我们有一个表 employees，其中包含以下数据：
 

employee_iddepartment_idhire_datesalary
112020-01-015000
212020-02-016000
312020-03-015500
422020-01-158000
522020-02-207000
622020-03-107200
 

示例1：ROW_NUMBER()
 

目的：为每个部门的员工分配一个唯一的行号。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    hire_date,
    salary,
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY hire_date) AS row_num
FROM employees;

 

结果：
 

employee_iddepartment_idhire_datesalaryrow_num
112020-01-0150001
212020-02-0160002
312020-03-0155003
422020-01-1580001
522020-02-2070002
622020-03-1072003
 

示例2：RANK()
 

目的：在每个部门中，根据薪水为员工分配排名，相同薪水的员工会有相同的排名。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank
FROM employees;

 

结果：
 

employee_iddepartment_idsalaryrank
2160001
3155002
1150003
4280001
6272002
5270003
 

示例3：LAG()
 

目的：获取当前行员工的前一个员工的薪水（按雇佣日期排序）。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    LAG(salary, 1) OVER (ORDER BY hire_date) AS prev_salary
FROM employees;

 

结果：
 

employee_idhire_datesalaryprev_salary
12020-01-015000NULL
42020-01-1580005000
22020-02-0160008000
52020-02-2070006000
32020-03-0155007000
62020-03-1072005500
 

示例4：SUM() OVER (PARTITION BY ...)
 

目的：计算每个部门每个员工的累计薪水。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    department_id,
    salary,
    SUM(salary) OVER (PARTITION BY department_id ORDER BY hire_date) AS cumulative_salary
FROM employees;

 

结果：
 

employee_iddepartment_idsalarycumulative_salary
1150005000
21600011000
31550016500
4280008000
52700015000
62720022200
 

示例5：移动平均
 

目的：计算过去两行的移动平均薪水。
 

 

sql
 

 

复制代码
 

SELECT
    employee_id,
    hire_date,
    salary,
    AVG(salary) OVER (ORDER BY hire_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM employees;

 

结果：
 

employee_idhire_datesalarymoving_avg
12020-01-0150005000.00
42020-01-1580006500.00
22020-02-0160006333.33
52020-02-2070007000.00
32020-03-0155006166.67
62020-03-1072006566.67
 

这些示例展示了如何使用窗口函数来执行复杂的分析和计算。通过这些查询，可以在不缩减结果集的情况下，对数据进行详细的分析。

                

        

    

  



    



                



	

		

			

				
					
图解面试题：SQL存储过程有什么用？

				
			

			

				

					公众号（猴子数据分析）
				

				

					04-02
					
					1674
					
				

			

		

		

			
				
面试中有时候会问：存储过程有什么用？看了今天的知识，你就知道如何回答了。1.存储过程是什么？假如你每天要开车完成一些列重复的操作：车钥匙启动车，倒车。现在出现了一款新车，可以自动的完成...

			
		

	



                

            
              



	

		

			

				
					
深入理解SQL中的窗口函数

				
			

			

				

					码上飞扬的博客
				

				

					08-04
					
					1169
					
				

			

		

		

			
				
通过本文，我们详细介绍了SQL中窗口函数的基本概念、语法结构以及常见的应用场景。掌握窗口函数能够极大地丰富和优化SQL查询的能力，特别是在复杂的数据分析和报表生成中。希望本文能够帮助读者更好地理解和运用窗口函数，提升SQL技能水平。

			
		

	



              


  
              

                


	

		

			

				
					
SQL：窗口函数之OVER()

				
			

			

				

					qq_40178216的博客
				

				

					03-22
					
					3585
					
				

			

		

		

			
				
窗口函数 通用格式 “函数 OVER (PARTITION BY 分组 ORDER BY 排序依据 升降序)”。
这里记录下OVER()的使用方法




current row 当前行
n preceding:往前n行
n following:往后n行
unbounded： 起点，对应前面的n

			
		

	





	

		

			

				
					
SQL窗口函数OVER详细用法，一学就会

				
			

			

				

					扬帆天涯
				

				

					12-11
					
					5392
					
				

			

		

		

			
				
SQL窗口函数OVER详细用法，一学就会

			
		

	



		

			
		



	

		

			

				
					
SQL中的窗口函数	OVER窗口函数

				
			

			

				

					mfkpie的专栏
				

				

					11-17
					
					2万+
					
				

			

		

		

			
				
SQL中的窗口函数

SQL/OR
 

与聚集函数一样，窗口函数也针对定义的行集（组）执行聚集，但它不像聚集函数那样每组之返回一个值，窗口函数可以为每组返回多个值。实际上，DB2中称这种函数为联机分析处理OLAP函数，而Oracle把它们称为解析函数，但ISO SQL标准把它们称为窗口函数。窗口函数一般在OLAP分析、制作报表过程中会使用到。
窗口函数：
聚合函数 over()


			
		

	





	

		

			

				
					
SQL：Over 与 rank(),dense_rank(),row_number()

				
			

			

				

					weixin_30685029的博客
				

				

					10-16
					
					445
					
				

			

		

		

			
				
RANK ( ) OVER ( [query_partition_clause] order_by_clause )
            DENSE_RANK ( ) OVER ( [query_partition_clause] order_by_clau...

			
		

	





	

		

			

				
					
spark sql 窗口函数over partition by

				
			

			

				

					06-28
				

			

		

		

			
				
Spark SQL中的窗口函数over partition by是一种用于对数据进行分组计算的函数。它可以将数据按照指定的列进行分组，并在每个分组内进行计算。这种函数在数据分析和处理中非常常见，可以帮助我们更方便地进行数据聚合...

			
		

	





	

		

			

				
					
SQL2005 学习笔记 窗口函数(OVER)

				
			

			

				

					12-15
				

			

		

		

			
				
在SQL Server 2005中，窗口函数（Window Functions）是一个强大的工具，它扩展了SQL查询的能力，允许用户在单个查询中处理分组数据并进行复杂的统计计算。窗口函数通过OVER子句来实现，这使得它们可以与排名函数（如...

			
		

	





	

		

			

				
					
SQL窗口函数

				
			

			

				

					embelfe_segge的博客
				

				

					07-29
					
					325
					
				

			

		

		

			
				
SQL窗口函数为在线分析处理（OLAP）和商业智能（BI）提供了复杂分析和报表统计的功能，例如产品的累计销售额统计、分类排名、同比/环比分析等。这些功能通常很难通过聚合函数和分组操作来实现。窗口函数（WindowFunction）可以像聚合函数一样对一组数据进行分析并返回结果，二者的不同之处在于，窗口函数不是将一组数据汇总成单个结果，而是为每一行数据都返回一个结果。聚合函数和窗口函数的区别如下图所示。SELECTSUM(salary)AS"所有员工月薪总和"...

			
		

	





	

		

			

				
					
row_number() OVER(PARTITION BY)函数介绍

					
热门推荐

				
			

			

				

					631799的专栏
				

				

					04-01
					
					12万+
					
				

			

		

		

			
				
OVER(PARTITION BY)函数介绍




开窗函数          
     Oracle从8.1.6开始提供分析函数，分析函数用于计算基于组的某种聚合值，它和聚合函数的不同之处是：对于每个组返回多行，而聚合函数对于每个组只返回一行。

      开窗函数指定了分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变化而变化，举例如下：
1：over后的写法

			
		

	





	

		

			

				
					
SQL中over

				
			

			

				

					happyxzxin的专栏
				

				

					06-13
					
					2535
					
				

			

		

		

			
				
1.over不能单独使用，要和分析函数：rank(),dense_rank(),row_number()等一起使用。其参数：over（partition by columnname1 order by columnname2）含义：按columname1指定的字段进行分组排序，或者说按字段columnname1的值进行分组排序。例如：employees表中，有两个部门的记录：depar

			
		

	





	

		

			

				
					
SQL语句之Over

				
			

			

				

					VincEnt-1998的博客
				

				

					08-06
					
					1688
					
				

			

		

		

			
				
over不能单独使用，要和分析函数：rank(),dense_rank(),row_number()等一起使用。
其参数：over（partition by columnname1 order by columnname2）
含义：按columname1指定的字段进行分组排序，或者说按字段columnname1的值进行分组排序。
例如：employees表中，有两个部门的记录：department...

			
		

	





	

		

			

				
					
SQL中的开窗函数over()

				
			

			

				

					岁月静好
				

				

					07-30
					
					4305
					
				

			

		

		

			
				
上面我们额外介绍了聚合函数和排序函数的与OVER结合的使用方法，此外还有很多与OVER一起使用的函数，比如LEAD函数，LAG函数，STRING_AGG函数等等都会使用到开窗函数OVER，其使用方法也要务必掌握。ROW_NUMBER()是排序，当存在相同成绩的学生时，ROW_NUMBER()会依次进行排序，他们序号不相同，而Rank()则不一样。RANK()是1-1-3-3-5-6，而ROW_NUMBER()则还是1-2-3-4-5-6，这就是RANK()和ROW_NUMBER()的区别了。...

			
		

	





	

		

			

				
					
SQL高级知识——OVER

				
			

			

				

					SQL数据库开发
				

				

					04-02
					
					624
					
				

			

		

		

			
				
点击上方SQL数据库开发，关注获取SQL视频教程SQL专栏SQL数据库基础知识汇总SQL数据库高级知识汇总OVER的定义OVER用于为行定义一个窗口，它对一组值进行操作，...

			
		

	





	

		

			

				
					
SQL之什么是窗口函数OVER

				
			

			

				

					LP'S Blog
				

				

					10-09
					
					537
					
				

			

		

		

			
				
OVER 用于为行定义一个窗口，它对一组值进行操作，不需要使用 GROUP BY 子句对数据进行分组，能够在同一行中同时返回基础行的列和聚合列。

			
		

	





	

		

			

				
					
sql 操作：Over

				
			

			

				

					吃肉狐的博客
				

				

					04-27
					
					1072
					
				

			

		

		

			
				
一下内容为转载，作为笔记
RANK ( ) OVER ( [query_partition_clause] order_by_clause )
DENSE_RANK ( ) OVER ( [query_partition_clause] order_by_clause )
可实现按指定的字段分组排序，对于相同分组字段的结果集进行排序,
其中PARTITION BY 为分组字段，ORDER BY 指...

			
		

	





	

		

			

				
					
sql 分析函数 over

				
			

			

				

					weixin_33774615的博客
				

				

					08-19
					
					70
					
				

			

		

		

			
				
除了ORDER BY（按…排序）语句外，分析函数是一条查询被执行的操作。
所有合并、WHERE、GROUP BY、HAVING语句都是分析函数处理之前完成的。
因此，分析函数只出现在选择目录或ORDER BY（按…排序）语句中。

使用Over语句的情况 ：
A. 等级函数如，ROW_NUMBER, DENSE_RANK, RANK, NTILE 使用 OVER(ORDER BY)...

			
		

	





	

		

			

				
					
SQL 窗口函数-over

				
			

			

				

					u013725777的博客
				

				

					08-09
					
					830
					
				

			

		

		

			
				
1、over函数的写法：

　　over（partition by class order by sroce） 按照sroce排序进行累计，order by是个默认的开窗函数，按照class分区。

　　2、开窗的窗口范围：

　　over（order by sroce range between 5 preceding and 5 following）：窗口范围为当前行数据幅度减5加5后的范围内的。

　　over（order by sroce rows between 5 preceding and 5

			
		

	





	

		

			

				
					
OVER(PARTITION BY)使用方法

				
			

			

				

					sxb0103的博客
				

				

					11-06
					
					3086
					
				

			

		

		

			
				
原文出处：https://www.cnblogs.com/lcngu/p/5335170.html

简介
　　开窗函数，Oracle从8.1.6开始提供分析函数，分析函数用于计算基于组的某种聚合值，它和聚合函数的不同之处是：对于每个组返回多行，而聚合函数对于每个组只返回一行。

　　开窗函数指定了分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变化而变化。

　　下面的测试用例数据语句...

			
		

	





	

		

			

				
					
sql窗口函数over复杂用法

					
最新发布

				
			

			

				

					01-15
				

			

		

		

			
				
### 复杂的SQL窗口函数 `OVER` 用法示例及解析

#### 使用场景一：多列分区并排序后的累计求和
当需要基于多个维度进行数据分析时，可以利用 `PARTITION BY` 和 `ORDER BY` 来实现更精细的操作。例如，在销售记录表中按地区和地区内的不同产品类别分别统计销售额，并计算每个类别的累计金额。

```sql
SELECT 
    region,
    product_category,
    sale_amount,
    SUM(sale_amount) OVER (PARTITION BY region, product_category ORDER BY date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_sales
FROM sales_table;
```

此查询语句会按照区域和地区内不同的商品种类来划分数据集[^1]，并对每一部分中的日期顺序排列后执行累加操作，从而得到截至当前行为止的所有历史交易总额。

#### 场景二：获取前后若干条记录的信息
通过指定 `ROWS/RANGE BETWEEN ... PRECEDING/FOLLOWING` 可以访问相邻几行的数据项。这对于时间序列预测模型构建特别有用，因为能够方便地取得过去几天甚至未来一段时间的趋势变化情况作为特征输入给机器学习算法训练使用。

假设有一个股票价格日志表格，想要知道每一天收盘价相对于前一天的变化幅度：

```sql
WITH stock_prices AS (
    SELECT '2023-09-01'::date as trade_date, 100.5 as close_price UNION ALL
    SELECT '2023-09-02', 101.7 UNION ALL
    ...
)

SELECT 
    trade_date,
    close_price,
    LAG(close_price, 1) OVER (ORDER BY trade_date ASC) prev_close_price,
    ROUND((close_price - LAG(close_price, 1) OVER (ORDER BY trade_date ASC)) / LAG(close_price, 1) * 100, 2) change_percent
FROM stock_prices;
```

这里定义了一个CTE表达式模拟了一些简单的股价变动；主查询则应用了 `LAG()` 函数去检索上一日的价格，并据此算出了百分比增减量[^2]。

#### 场景三：动态调整窗口大小
有时可能希望随着遍历过程改变所考虑的历史长度范围。这可以通过设置可变边界条件达成目的。比如下面的例子展示了如何在一个订单明细表里找出最近三个月以来每个月份最高销量的产品型号及其对应的月度总销量:

```sql
SELECT DISTINCT ON (month)
    month,
    model_id,
    MAX(total_sold) OVER w max_monthly_sales,
    total_sold monthly_sales
FROM orders_detail
WINDOW w AS (DISTRIBUTION BY model_id PARTITION BY EXTRACT(MONTH FROM order_time), EXTRACT(YEAR FROM order_time) ORDER BY total_sold DESC RANGE BETWEEN INTERVAL '3 months' PRECEDING AND CURRENT ROW);
```

这段代码片段首先创建了一个名为 `w` 的窗口框架，它根据年份月份组合以及具体机型来进行分组聚合运算，同时指定了一个相对固定的滚动周期——即从当前时刻往前推移三个自然月的时间跨度内寻找最大值[^3]。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      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