用 python 和 java 实现线性代数计算（1）—— 矩阵基本操作

最新推荐文章于 2024-08-24 07:31:06 发布
最新推荐文章于 2024-08-24 07:31:06 发布
阅读量586 收藏 3
点赞数 1
分类专栏： # 线性代数 文章标签： python java 线性代数 矩阵
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/wxc971231/article/details/119939198
版权
本文详细介绍了如何在Python和Java中实现矩阵的基本操作，包括创建、加减、点乘、转置等。Python借助NumPy库简单便捷，Java则通过自定义数据结构和静态方法实现相同功能。此外，还展示了如何在Java中构造单位矩阵、合并及复制矩阵。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  • 参考：《机器学习算法框架实战：Java和Python实现》
  • python实现主要是调用 NumPy 库做的；java实现基本没有调库

文章目录

1. 说明

1.1 程序组织

  • python实现主要是调用 NumPy 库做的，不需要什么程序组织

  • java实现中，一共写三个类

    1. Main：程度入口，用于编写测试代码
    2. Matrix：矩阵类，实现矩阵的创建、修改、信息获取等方法
    3. AlgebraUtil：矩阵运算类，提供矩阵运算的静态方法，可以直接使用 AlgebraUtil.function的方式调用，而无需创建此类实例

    在 IDEA 环境中，组织如下
    在这里插入图片描述

1.2 数据结构

1.2.1 python实现

  • 直接使用 NumPy 提供的 ndarray 数组作为矩阵即可
    import numpy as np
def test_mat_basic():
	# 调用np.array直接创建矩阵
	mat1 = np.array([[1, 2, 3], [4, 5, 6]])
	print(mat1)
	# 调用np.zeros创建一个3行2列元素全为0的矩阵
	mat2 = np.zeros((3, 2))
	print(mat2)
	# 调用np.ones创建一个3行2列元素全为1的矩阵
	mat3 = np.ones((3, 2))
 	print(mat3)
	# 调用np.random.rand创建一个3行2列元素全为随机数的矩阵
	mat4 = np.random.rand(3, 2)
	print(mat4)

if __name__ == "__main__":
    test_mat_basic()
  • 更多构造方法如下
    方法名描述
    array将输入数据（列表、元组、数组及其他序列）转换为ndarray，如不显式指明数据类型，将自动推断；默认复制所有输入数据
    asarray将输入转换为ndarray，但若输入已经是ndarray则不再复制
    arangepython内置range函数的ndarray版本，返回一个ndarray
    ones根据给定形状和数据类型生成全1数组
    ones_like根据给定的数组生成一个形状一样的全1数组
    zeros根据给定形状和数据类型生成全0数组
    zeros_like根据给定的数组生成一个形状一样的全0数组
    empty根据给定形状生成一个没有初始化数值的空数组（通常是0，但也可能是一些未初始化的垃圾数值）
    empty_like根据给定的数组生成一个形状一样但没有初始化数值的空数组
    full根据给定形状和数据类型生成指定数值的数组
    full_like根据给定的数组生成一个形状一样但内容是指定数值的数组
    eye,identity生成一个 NxN 特征矩阵（对角线位置都是1，其余位置为0）

1.2.2 java实现

  • java中，矩阵的数据结构设计如下
    package LinearAlgebra;
import java.math.BigDecimal;

public class Matrix {
    private BigDecimal[][] mat; // 用一个二维数组存储矩阵的实体
    private int rowNum;         // 矩阵的行数
    private int colNum;         // 矩阵的列数

    // 构造函数
    public Matrix(int rowNum, int colNum) {
        this.rowNum = rowNum;
        this.colNum = colNum;

        mat = new BigDecimal[rowNum][colNum];
        initializeMatrix();
    }

    // 初始化矩阵
    private void initializeMatrix(){
        for (int i = 0; i < rowNum; i++) {
            for (int j = 0; j < colNum; j++) {
                mat[i][j] = new BigDecimal(0.0);
            }
        }
    }

    // getter & setter
    public void setValue(int x1,int x2,double value){
        mat[x1][x2] = new BigDecimal(value);
    }

    public void setValue(int x1,int x2,BigDecimal value){
        mat[x1][x2] = value;
    }

    public void setValue(BigDecimal[][] matrix){
        for (int i = 0; i < rowNum; i++) {
            for (int j = 0; j < colNum; j++) {
                mat[i][j] = matrix[i][j];
            }
        }
    }

    public void setValue(double[][] matrix){
        for (int i = 0; i < rowNum; i++) {
            for (int j = 0; j < colNum; j++) {
                mat[i][j] = new BigDecimal(matrix[i][j]);
            }
        }
    }

    public BigDecimal getValue(int x1,int x2){
        return mat[x1][x2];
    }

    public int getRowNum() {
        return rowNum;
    }

    public int getColNum() {
        return colNum;
    }

    // 格式化打印
    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < rowNum; i++) {
            for (int j = 0; j < colNum; j++) {
                sb.append(String.format("%15f",mat[i][j].doubleValue()));
            }
            sb.append('\n');
        }
        return sb.toString();
    }
}
  • 矩阵运算类示意如下
    package LinearAlgebra;
import java.math.BigDecimal;

// final修饰的方法，不能被子类覆盖定义；static表示这是静态方法，可以使用类名调用
public class AlgebraUtil {

	// 矩阵加法
    public final static Matrix add(Matrix a,Matrix b){
 		//...
    }
	
	//...
}

2. 矩阵基本操作

2.1 基本运算（加、减、叉乘、点乘、转置）

2.1.1 python实现

  • python中，矩阵相当于2维的 ndarray 数组，可以直接使用numpy库方法实现矩阵的全部基本运算
    import numpy as np

m1 = np.array([[1,2,3],
                [4,5,6],
                [7,8,9]])

m2 = np.array([[9,8,7],
                [6,5,4],
                [3,2,1]])

# 矩阵基本操作
result = m1 + m2            # 矩阵加法
result = m1 - m2            # 矩阵减法
result = m1 * m2            # 矩阵点乘
result = np.dot(m1,m2)      # 矩阵叉乘, 等价于 result = m1.dot(m2)
result = m1.T               # 矩阵转置

print(result)

2.1.2 java实现

  1. 在LinearAlgebra类中添加五个静态类，实现基本运算 加、减、叉乘、点乘、转置
    1. 矩阵加法：实现静态方法 LinearAlgebra.add，要求矩阵a和矩阵b尺寸相同
      public final static Matrix add(Matrix a,Matrix b){
    if(a==null || b==null ||
            a.getRowNum() != b.getRowNum() ||
            a.getColNum() != b.getColNum()) {
        return null;
    }

    Matrix mat = new Matrix(a.getRowNum(),a.getColNum());
    for (int i = 0; i < mat.getRowNum(); i++) {
        for (int j = 0; j < mat.getColNum(); j++) {
            BigDecimal value = a.getValue(i,j).add(b.getValue(i,j));
            mat.setValue(i,j,value);
        }
    }
    return mat;
}
    2. 矩阵减法：实现静态方法 LinearAlgebra.subtract，要求矩阵a和矩阵b尺寸相同
      public final static Matrix subtract(Matrix a,Matrix b){
    if(a==null || b==null ||
            a.getRowNum() != b.getRowNum() ||
            a.getColNum() != b.getColNum()) {
        return null;
    }

    Matrix mat = new Matrix(a.getRowNum(),a.getColNum());
    for (int i = 0; i < mat.getRowNum(); i++) {
        for (int j = 0; j < mat.getColNum(); j++) {
            BigDecimal value = a.getValue(i,j).subtract(b.getValue(i,j));
            mat.setValue(i,j,value);
        }
    }
    return mat;
}
    3. 矩阵叉乘：实现静态方法 LinearAlgebra.multiply，要求矩阵a的列数等于矩阵b的行数
      public final static Matrix multiply(Matrix a,Matrix b){
    if(a==null || b==null || a.getColNum() != b.getRowNum()) {
        return null;
    }

    Matrix mat = new Matrix(a.getRowNum(),b.getColNum());
    for (int i = 0; i < mat.getRowNum(); i++) {
        for (int j = 0; j < mat.getColNum(); j++) {
            BigDecimal value = new BigDecimal(0.0);
            for (int c = 0; c < a.getColNum(); c++) {
                value = value.add(a.getValue(i,c).multiply(b.getValue(c,j)));
            }
            mat.setValue(i,j,value);
        }
    }
    return mat;
}
    4. 矩阵点乘：实现静态方法 LinearAlgebra.dot，要求矩阵a和矩阵b尺寸相同
      public final static Matrix dot(Matrix a,Matrix b){
    if(a==null || b==null ||
            a.getRowNum() != b.getRowNum() ||
            a.getColNum() != b.getColNum()) {
        return null;
    }

    Matrix mat = new Matrix(a.getRowNum(),a.getColNum());
    for (int i = 0; i < mat.getRowNum(); i++) {
        for (int j = 0; j < mat.getColNum(); j++) {
            BigDecimal value = a.getValue(i,j).multiply(b.getValue(i,j));
            mat.setValue(i,j,value);
        }
    }
    return mat;
}
    5. 矩阵转置：实现静态方法 LinearAlgebra.transpose
      public final static Matrix transpose(Matrix a){
    if(a==null){
        return null;
    }

    Matrix mat = new Matrix(a.getColNum(),a.getRowNum());
    for (int i = 0; i < mat.getRowNum(); i++) {
        for (int j = 0; j < mat.getColNum(); j++) {
            BigDecimal value = a.getValue(i,j);
            mat.setValue(j,i,value);
        }
    }
    return mat;
}
  2. 测试代码
    package LinearAlgebra;

public class Main {
    public static void main(String[] args) {
        Matrix m1 = new Matrix(3,3);
        Matrix m2 = new Matrix(3,3);

        m1.setValue(new double[][] {{1,2,3},
                                    {4,5,6},
                                    {7,8,9}});
        m2.setValue(new double[][] {{9,8,7},
                                    {6,5,4},
                                    {3,2,1}});

        Matrix result;
        result = AlgebraUtil.add(m1,m2);        // 矩阵加法
        result = AlgebraUtil.subtract(m1,m2);   // 矩阵减法
        result = AlgebraUtil.dot(m1,m2);        // 矩阵点乘
        result = AlgebraUtil.multiply(m1,m2);   // 矩阵叉乘
        result = AlgebraUtil.transpose(m1);     // 矩阵转置

        System.out.println(result.toString());
    }
}

2.2 其他基本操作（生成单位阵、合并、复制）

2.2.1 python实现

  • python中，矩阵相当于2维的 ndarray 数组，可以直接使用numpy库方法实现矩阵的全部基本运算
    import numpy as np

m1 = np.array([[1,2,3],
                [4,5,6],
                [7,8,9]])

m2 = np.array([[9,8,7],
                [6,5,4],
                [3,2,1]])

# 矩阵其他操作
result = np.eye(3)          # 生成单位矩阵
result = np.vstack((m1,m2)) # 纵向合并
result = np.hstack((m1,m2)) # 横向合并
result = m1.copy()          # 复制矩阵

print(result)

2.2.2 java实现

  1. 在LinearAlgebra类中添加三个静态类，实现基本操作 生成单位矩阵、矩阵合并、矩阵复制
    1. 生成单位矩阵：实现静态方法 LinearAlgebra.identityMatrix，可以用类似的操作构造其他特殊矩阵
      public final static Matrix identityMatrix(int dimension){
    Matrix mat = new Matrix(dimension,dimension);
    for (int i = 0; i < mat.getRowNum(); i++) {
        mat.setValue(i,i,1.0);
    }
    return mat;
}
    2. 矩阵合并：实现静态方法 LinearAlgebra.mergeMatrix，使用参数direction决定合并方向（维度），要求合并维度长度一致
      public final static Matrix mergeMatrix(Matrix a,Matrix b,int direction){
	// direction=0纵向合并
    if(direction == 0){
        Matrix mat = new Matrix(a.getRowNum()+b.getRowNum(),a.getColNum());
        for (int r = 0; r < a.getRowNum(); r++) {
            for (int c = 0; c < a.getColNum(); c++) {
                BigDecimal value = a.getValue(r, c);
                mat.setValue(r,c,value);
            }
        }
        for (int r = 0; r < b.getRowNum(); r++) {
            for (int c = 0; c < b.getColNum(); c++) {
                BigDecimal value = b.getValue(r, c);
                mat.setValue(r+a.getRowNum(),c,value);
            }
        }
        return mat;
    // direction=1横向合并
    } else if (direction == 1){
        Matrix mat = new Matrix(a.getRowNum(),a.getColNum()+b.getColNum());
        for (int r = 0; r < a.getRowNum(); r++) {
            for (int c = 0; c < a.getColNum(); c++) {
                BigDecimal value = a.getValue(r, c);
                mat.setValue(r,c,value);
            }
        }
        for (int r = 0; r < b.getRowNum(); r++) {
            for (int c = 0; c < b.getColNum(); c++) {
                BigDecimal value = b.getValue(r, c);
                mat.setValue(r,c+a.getColNum(),value);
            }
        }
        return mat;
    } else {
        return null;
    }
}
    3. 矩阵复制：实现静态方法 LinearAlgebra.copy
      public final static Matrix copy(Matrix x){
    Matrix mat = new Matrix(x.getRowNum(),x.getColNum());
    for (int i = 0; i < mat.getRowNum(); i++) {
        for (int j = 0; j < mat.getColNum(); j++) {
            BigDecimal value = x.getValue(i,j);
            mat.setValue(i,j,value);
        }
    }
    return mat;
}
  2. 测试代码
    package LinearAlgebra;

public class Main {
    public static void main(String[] args) {
        Matrix m1 = new Matrix(3,3);
        Matrix m2 = new Matrix(3,3);

        m1.setValue(new double[][] {{1,2,3},
                                    {4,5,6},
                                    {7,8,9}});
        m2.setValue(new double[][] {{9,8,7},
                                    {6,5,4},
                                    {3,2,1}});

        Matrix result;
        result = AlgebraUtil.copy(m1);             // 复制矩阵
        result = AlgebraUtil.identityMatrix(3);    // 生成单位阵
        result = AlgebraUtil.mergeMatrix(m1,m2,0); // 纵向合并
        result = AlgebraUtil.mergeMatrix(m1,m2,1); // 横向合并

        System.out.println(result.toString());
    }
}
线性代数导引：抽象张量
AI天才研究院
06-20 1069
线性代数导引：抽象张量 1.背景介绍 线性代数是现代数学和计算机科学的基石之一。它不仅在理论上具有重要意义，而且在实际应用中也扮演着关键角色。无论是机器学习、计算机视觉还是物理模拟，线性代数的概念和工具都无处不在。本文将深入探讨线性代数中的一个重要概念——张量，并介绍其在计算机科学中的应用。
线性代数导引：二阶行列式
AI天才研究院
06-18 1400
线性代代数导引：二阶行列式 1.背景介绍 线性代数是数学的一个重要分支,它研究向量、矩阵、线性变换以及它们之间的运算规律。线性代数在科学计算、机器学习、图像处理、信号处理等诸多领域有着广泛的应用。其中,行列式是线性代数中一个非常重要的概念,它反映了一个矩阵的某些性质,是研究矩阵的一个强有力的工具。
java线性代数工具类
07-29
jama工具类,jar格式
java实现线性代数_用Java实现的代数计算工具
06-28 890
Java代数系统的 2.3.3118版本现在可用。 Java代数系统是一种面向对象的计算机代数多线程方法，它使用通用类型进行以Java编程语言实现的代数计算。 也可以通过Jython前端进行解释。 此版本增强了Javadoc注释并实现了零维理想。 有关这些更改的更多信息，请参见Changelog 。 翻译自: https://jaxenter.com/tool-for-algebraic...
java哪些线性代属性,线性代数整理
weixin_42470969的博客
03-12 240
向量线性代数是从研究一个数拓展到一组数一组数的基本表示方法——向量(Vector)向量是线性代数研究的基本元素一组数的作用：最基本的出发点：表示方向 在二维空间中，不同的方向表示不同的终点，比如同样走5000米 它的终点是(4,3) 而它的终点是(4.6,1)在三维空间中也是如此 在线性代数的世界里，起始点不重要 在这个图中，从(-1,-1)到(3,2)和从(0,0)到(4,3)是一样的。它们只是...
送书 | 《机器学习算法框架实战：Java和Python实现》
tongtongjing1765的博客
07-29 2142
送五本新书《机器学习算法框架实战：Java和Python实现》，感谢机械工业出版社赞助。小编导读随着科技的迅猛发展，短短的几十年间，互联网几乎将全球的人联系了起来，世界上所发生的事件都...
ArmadilloJava:纯基于 Java 的线性代数库
07-02
犰狳Java 4.000.0 提供基于纯 Java 的线性代数库，其接口类似于澳大利亚 NICTA 的 Conrad Sanderson 等人的 Armadillo C++ 代数库 (Armadillo)。 如何贡献 如果你想贡献，请阅读。 遵循这些准则将有助于使您的贡献更容易融入下一个版本。 如果您有任何其他问题，请随时。 4.000 的 API 参考 矩阵和向量类 Mat : 密集、实值、双精度矩阵 Col : 密集、实值、双精度列向量 Row : 密集、实值、双精度行向量 成员函数和变量 支持： attributes ， copy_size ， diag ， each_col ， each_row ， element access ， element initialisation ， eye ， fill ， i (inverse) ， insert_rows ， insert_
【python、java】纯手写单纯形表求解线性规划【附源码】
mazha12143的博客
01-16 1926
单纯形法实现代码Python版Java版，完整代码提供。
计算机视觉——入门级python安装环境配置和测试使用
Meteoraki的博客
02-23 1499
计算机视觉——入门级python安装环境配置和测试使用一、关于python二、python的下载安装1.python安装2.python环境配置三、载体配置（pycharm）四、库的导入（vlfeat+pcv+pillow）1.pcv库2.vlfeat库3.pil库（pillow）五、测试使用 一、关于python Python是一种计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于...
线性代数导引：闵可夫斯基空间
AI天才研究院
07-25 698
线性代数导引：闵可夫斯基空间 1. 背景介绍 1.1 问题的由来 线性代数作为数学的一个分支，其核心在于研究向量空间以及线性变换。然而，在物理和工程领域，尤其是在相对论和量子力学中，线性代数的概念被扩展到了更复杂的几何结构——闵可夫
Java线性代数库jblas.zip
07-16
jblas是一个快速的Java线性代数库。它是基于BLAS与LAPACK，上月矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。它实质上是围绕BLAS与LAPACK例程轻巧包装。这在Fortran的社区，这说明它们的起源古老的API包。另一方面，现代的实现是很难被击败的性能，明智的。 jblas旨在将这一功能提供给Java程序员，使他们不必担心写JNI的接口和调用Fortran代码公约。 标签：jblas
初级java笔试题-linear-algebra-library:线性代数库
06-03
初级java笔试题线性代数库 这个项目是关于从我在 MATH280 - 线性代数简介中学到的一切构建一个简单的线性代数。 这个库的关键点是能够轻松扩展。 您可以设计自己类型的矩阵条目，而无需更改矩阵的实现，反之亦然。 有了这个，您可以实现语言中不可用的数据类型的矩阵条目，如无理数、多项式、有理数等，只要它们匹配矩阵条目的预定义条件（例如使用接口）。 特征 矩阵和向量乘法 矩阵和向量加法 矩阵和向量标量乘法 矩阵的行缩减 基本行操作：乘以一行，将一行的倍数加到另一行，交换行。 求矩阵方程的解 矩阵变换 求矩阵的行列式 求矩阵的秩 可扩展性 Java 可扩展性是通过使用矩阵和每种类型的矩阵条目的接口来实现的。 文件 用 Java 编写的库位于 linear-algebra-library/java-lib 文件夹中。 在这个文件夹中，有： src/linear_algebra：包含源代码 接口/ MatrixEntry.java - 矩阵条目的接口 MatrixForm.java - 矩阵接口 VectorOperation.java - 向量接口 班级/ DoubleEntry.java
jblas:Java的线性代数
04-30
jblas是Java的矩阵库，它使用现有的高性能BLAS和LAPACK库（如ATLAS）。 版本1.2.5，2020年8月22日 版本1.2.4，2015年5月11日 版本1.2.3，2013年2月13日 版本1.2.2，2012年12月17日 版本1.2.1 版本1.2.0，2011年1月7日 版本1.1.1 1.1版，2010年8月16日 版本1.0.2，2010年2月26日 版本1.0.1，2010年1月14日 1.0版，2009年12月22日 版本0.3，2009年9月17日 0.2版，2009年5月8日 版本0.1，2009年3月28日 另请参阅文件RELEASE_NOTES 主页： ： 安装 原则上，您需要的只是类路径中的jblas-1.2.5.jar。 然后，jblas-1.2.5.jar会自动将依赖于平台的本机库提取到一个tempfile并从那里加载它。 您也可
java转python推荐算法_机器学习算法框架实战:Java和Python实现
weixin_39624360的博客
12-02 157
随着互联网技术的飞速发展，优选逐渐步入了大数据时代，智能化的趋势越来越明显，各行各业几乎都喊出了智能化的口号，机器学习作为人工智能的一个重要研究方向，在一定程度上成为了IT人才的必要技能。本书以一个自研机器学习算法框架的构建为主线，首先介绍了机器学习的相关概念和背景，然后按照代数矩阵运算层、很优化方法层、算法模型层和业务功能层的分层顺序对算法框架展开讲述，旨在通过理论和实践相结合的方式，帮助广大零...
用Java写一个有GUI界面的线性代数计算器
weixin_43725243的博客
10-02 660
Matrix-Calculator 完整代码地址：https://github.com/ArningWong/Matrix-Calculator 目录 Matrix-Calculator 一、项目介绍 二、功能介绍 1、矩阵的运算 2、求方阵的行列式 3、求方阵的逆矩阵 三、特性 四、输入规则 一、项目介绍 去年与@overflowzhang(他的github)一同参加了一个...
高性能Java线性代数库——Matrix Toolkits Java（MTJ）
gitblog_00059的博客
05-24 630
高性能Java线性代数库——Matrix Toolkits Java（MTJ） matrix-toolkits-java:rocket: High Performance Linear Algebra OOP项目地址:https://gitcode.com/gh_mirrors/ma/matrix-toolkits-java 1、项目介绍 Matrix Toolkits Java（简称MTJ）是...
java线性代数_jblas是一个快速的Java线性代数库
weixin_39802962的博客
02-24 836
jblas is a matrix library for Java which uses existing high performance BLAS and LAPACK libraries like ATLAS.Version 1.2.4, May 11, 2015Version 1.2.3, February 13, 2013Version 1.2.2, December 17, 2012...
efficient java_一个使用Java编写的快速且易于使用的线性代数库，用于密集，稀疏，实数和复杂矩阵...
weixin_36261487的博客
02-23 683
Efficient Java Matrix LibraryAuthor: Peter Abelespeter.abeles@gmail.comProject Website: http://ejml.org IntroductionEfficient Java Matrix Library (EJML) is a linear algebra library for manipulating re...
La4j：高效线性代数Java库
最新发布
gitblog_00934的博客
08-24 337
La4j：高效线性代数Java库 la4jLinear Algebra for Java项目地址:https://gitcode.com/gh_mirrors/la/la4j 项目介绍 La4j（Linear Algebra for Java）是一个专为Java设计的轻量级开源线性代数库。它提供了矩阵和向量的操作接口，支持多种存储机制（包括稀疏和密集矩阵），适用于高性能计算、数据分析和科学计算等...
Python入门与Numpy矩阵运算在机器学习中的应用
它支持广播、索引、切片、拼接等各种操作，并集成了大量的数学函数，能够进行线性代数、傅立叶变换以及随机数生成等任务。 此外，文档还提到了数据挖掘与机器学习的概念。数据挖掘是从大量数据中发现有价值信息的...
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

打赏作者

云端FFF

所有博文免费阅读，求打赏鼓励~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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