具有多个类别的Groupby熊猫
Groupby是pandas库中的一个函数，用于对数据进行分组操作。它可以根据指定的列或多个列对数据进行分组，并对每个分组进行聚合操作。
具体来说，Groupby熊猫的功能包括以下几个方面：
- 概念：Groupby是一种数据分组和聚合的操作，它将数据按照指定的列或多个列进行分组，然后对每个分组进行聚合操作，如求和、计数、平均值等。
- 分类：Groupby可以根据不同的分类变量对数据进行分组，常见的分类变量包括日期、地区、产品类别等。
- 优势：Groupby可以方便地对大规模数据进行分组和聚合操作，提高数据处理的效率和灵活性。它可以帮助我们快速了解数据的分布情况，发现数据中的规律和异常。
- 应用场景：Groupby广泛应用于数据分析、数据挖掘、统计分析等领域。例如，在销售数据中，可以使用Groupby对不同地区的销售额进行统计分析；在用户行为数据中，可以使用Groupby对不同用户的行为进行聚合分析。
- 推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供了一系列与数据处理和分析相关的产品，如云数据库 TencentDB、云数据仓库 Tencent Data Lake Analytics、云数据集成 Tencent Data Integration 等。这些产品可以帮助用户在云端快速搭建数据处理和分析的环境，提供高性能和可扩展的数据处理能力。
腾讯云产品介绍链接地址：
- 云数据库 TencentDB：https://cloud.tencent.com/product/cdb
- 云数据仓库 Tencent Data Lake Analytics：https://cloud.tencent.com/product/dla
- 云数据集成 Tencent Data Integration：https://cloud.tencent.com/product/di
相关·内容
3回答
我有一个这样的数据帧：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
df = pd.DataFrame({'category': list('XYZXY'), 'B': range(5,10),'sex': list('mfmff')})
我想从“类别”栏中绘制基于类别的男性或女性的性别计数。
我试过了：
df.groupby(['category','s
浏览 5提问于2019-01-02得票数 15
回答已采纳
2回答
我用这个简单的DataFrame玩了一会儿。
A B
0 123 abc
1 123 abc
2 123 def
3 456 def
4 456 def
我想检查B列的值对于A栏中的每个不同值是否总是相同的，例如A栏中的'123‘，必须始终与B栏中的'abc’完全对应。
以下是我到目前为止尝试过的：
df2 = df[['A','B']].drop_duplicates()
df[(df['A'] == df2['A']) & (df['B'] == df2
浏览 2提问于2019-03-22得票数 0
3回答
想象一下我有这样的数据：
name time
0 A 1
1 A 2
2 B 3
3 A 6
4 A 7
5 A 3
6 B 1
7 B 4
每个条目都有一个命名类别和一些其他信息。在上面的例子中，让我们花点时间。这是我唯一关心的。
我想要产生一个表，其中只有个别的唯一的name类别和最大的每一个。我可以这样做：
max_table = pd.DataFrame(
{
"name": data.name.unique(),
浏览 8提问于2022-08-04得票数 2
回答已采纳
3回答
我想将列中的所有负值按类别替换为平均值。我可以很容易地找到每个类别的平均值。就像train_df1.groupby(train_df1['item_category'])['item_cnt_day'].mean()。
item_category
Access 1.115664
Books 1.087056
CD 2.199036
CD games 1.361757
Card 1.421528
Consoles 1.2
浏览 0提问于2018-12-04得票数 0
回答已采纳
这是我的熊猫代码：
def calcObj(row):
d = dict(calc1 = iferror(row.Hours1.sum(), row.Hours2.sum(), 0, '+'))
if row.Process == 'A': # this doesn't work
d['ProcessKey'] = 700
else:
d['ProcessKey'] = 500
return pd.Series(d)
df.gr
浏览 1提问于2021-03-17得票数 0
3回答
我有一个数据帧 df_input = pd.DataFrame(
{
"col_cate": ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B'],
"target_bool": [True, False, True, False, True, False, True, False]
}
) 我想要计算一下独特类别的数量
浏览 13提问于2020-07-03得票数 2
回答已采纳
2回答
如何合并重复列和它们的值？
我所拥有的
A 30
A 40
B 50
我所需要的
A 70
B 50
此示例的DF
d = {'address': ["A", "A", "B"], 'balances': [30, 40, 50]}
df = pd.DataFrame(data=d)
df
浏览 0提问于2019-03-10得票数 11
回答已采纳
我有三栏
Level Status Id
0 Complete a1
1 Start c1
1 Complete c1
2 Start d1
2 Start d2
2 Fail d2
如果每个级别的id都是相同的，那么我希望筛选数据，其中每个级别只应该是开始和完成，或者是开始和失败。
Level Status Id
1 Start c1
1 Complete c1
2 Start d2
2 Fail d2
浏览 0提问于2021-02-14得票数 2
回答已采纳
2回答
我有一个有三个级别的数据帧，让我们称它们为类->组->值： Class Group Value Fail
A 1 0 False
A 1 1 True
A 2 0 False
A 2 1 True
A 2 2 True
A 3 2 True
A 3 5 True
B 4 2 False
浏览 29提问于2020-06-14得票数 2
回答已采纳
1回答
我有一个dataframe，其中有一个包含类别的列，另一个包含单词的列。单词可以在不同的类别中重复，因此可以存在重复。但是，我想将这些副本放在一个字典中，如下所示： 数据帧 category | word | score
happy | tolerance | 0.91
unhappy | tolerance | 0.12
angry | kill | 1.0
confident | tolerance | 0.56
friendly | tolerance | 0.70
happy | kill | 0.01
浏览 8提问于2020-09-19得票数 0
回答已采纳
2回答
当我将峰度函数应用于熊猫数据名时，我总是会得到以下错误：
AttributeError:无法访问“DataFrameGroupBy”对象的可调用属性“kurt”，请尝试使用“应用”方法
下面的示例代码适用于所有其他统计函数(均值()、斜率()、.)，但不适用于峰度。
df = pd.DataFrame([[0,1,1,0,0,1],[0,1,2,4,5]]).T
df.columns = ['a','b']
df.groupby('a').kurt()
你知道我怎么才能在小组会议后应用峰度吗？谢谢！
浏览 0提问于2016-05-20得票数 21
回答已采纳
你好，我有以下数据：
>df1
code item01 item02 item03 item04 item05
0 1111 nan nan nan nan 440
1 1111 nan nan nan 650 nan
2 1111 nan nan nan nan nan
3 1111 nan nan nan nan nan
4 1111 32 nan nan nan nan
5 1111 nan nan nan nan nan
6 1111 nan nan nan nan nan
7 11
浏览 1提问于2018-01-16得票数 1
回答已采纳
1回答
我有一个大致如下的数据格式：
category value
1 A 2
2 B 5
3 A 3
4 A 2
5 B 1
现在，我想添加一个列，它告诉我当前值是高于还是低于其类别中的介质，但是我不知道如何。对于总平均值，我可以只使用df["above_mean"] = (df["value"] > df["value"].mean())，但是如何将这些值与它们各自类别的平均值进行比较呢？
这就是我想要达到的
浏览 1提问于2017-04-18得票数 2
回答已采纳
1回答
熊猫多索引布尔索引
、、、、
因此，给定多索引数据，我只返回满足多个索引中较低索引的所有级别的条件的行。下面是一个小的工作示例：
df = pd.DataFrame({'a': [1, 1, 2, 2], 'b': [1, 2, 3, 4], 'c': [0, 2, 2, 2]})
df = df.set_index(['a', 'b'])
print(df)
退出：
c
a b
1 1 0
2 2
2 3 2
4 2
现在，我想返回c > 1的条目。例如，我想做这样的事情
df[df[c > 1]
浏览 4提问于2015-10-20得票数 1
回答已采纳
1回答
我想知道是否有可能为对象实现熊猫api访问器(作为GroupBy )。
使用以下代码，我可以将访问器应用于组项：
import pandas as pd
import numpy as np
@pd.api.extensions.register_dataframe_accessor("geo")
class GeoAccessor:
def __init__(self, pandas_obj):
self._obj = pandas_obj
@property
def center(self):
# return t
浏览 4提问于2021-11-05得票数 1
回答已采纳
6回答
我有两个"a“和"b”列的DataFrame。如何找到给定特定"b“的"a”的条件概率？
df.groupby('a').groupby('b')
不管用。假设我在a列中有3个类别，对于每个特定的类，我有5个类别的b。我需要做的是为a的每个类找到b类的总数量。我尝试了应用命令，但我想我不知道如何正确地使用它。
df.groupby('a').apply(lambda x: x[x['b']] == '...').count()
浏览 0提问于2015-11-02得票数 8
回答已采纳
1回答
如何绘制熊猫的年龄分布图
、、、
我有数据框，其中包含2列:年龄和性别。
sex,age
1,30
2,29
1,34
1,27
2,28
2,28
1,40
1,30
1,27
2,31
1,37
1,31
2,28
2,30
2,27
2,27
2,29
2,32
1,28
1,27
1,28
1,28
1,29
1,33
1,32
1,30
如何绘制每个性别的年龄分布？
浏览 2提问于2016-07-01得票数 8
回答已采纳
1回答
我有用户的数据，谁已经离开明星评级(1，2或3星)的项目在不同的类别，其中每个项目可能属于多个类别。在我当前的dataframe中，每一行表示一个评等，并且类别是一个热编码的，如下所示：
import numpy as np
import pandas as pd
df_old = pd.DataFrame({
'user': [1, 1, 2, 2, 2],
'rate': [3, 2, 1, 1, 2],
'cat1': [1, 0, 1, 1, 1],
'cat2': [0, 1, 0, 0
浏览 1提问于2017-03-13得票数 0
回答已采纳
2回答
熊猫-两项活动
、、
我一直在试着按对象得到一只熊猫的累加。我需要将累积和移为1，这是通过shift()实现的。但是，在单个groupby对象上执行这两个函数会产生一些不想要的结果：
df = pd.DataFrame({'A': [1, 1, 1, 2, 2, 2],
'B': [2, 3, 5, 2, 3, 5]})
df.groupby('A').cumsum().shift()
这意味着：
B
0 NaN
1 2.0
2 5.0
3 10.0
4 2.0
5 5.0
也就是说，第1组累积
浏览 0提问于2018-10-15得票数 3
回答已采纳
我有一个数据文件，看起来像这样：
我想找到的贡献，每个类别的价格(美元)栏一天一天。到目前为止，我已经尝试了用时间戳和类别进行聚合，并使用了价格(美元)之和：
df3 = df.groupby(["Timestamp", "Category"]).sum()
获取下列数据集：
在此之后，我无法对每一行应用一个函数，将每个Price(美元)除以每天所有不同类别的总和，并创建一个具有这些值的新列。
理想情况下，新列“百分比”应包括：
百分比
0.3/(0.3+0.2+0.1)
0.2/(0.3+0.2+0.1)
0.1/(0.3+0.2+0.1
浏览 10提问于2022-06-15得票数 0
回答已采纳
1回答
我的数据如下所示。这是一个包含两个索引级别的系列。它来自于groupby操作和排序。
CUISINE DESCRIPTION CAMIS
American 40916695 88
41709379 70
41706342 69
50000543 69
41164678 68
Asian 40402428 167
浏览 1提问于2016-07-19得票数 0
回答已采纳
我有一个DataFrame，其中多个列包含相同的数据，存储方式不同。
例如，一列中充满了运营商名称(美国航空公司的AA等)，而另一列则充满了承运人ID。
如何快速检查这两列是否实际填充了相同的信息(每个运营商确实只有一个ID ?)目标是安全丢弃两列中的一列？
到目前为止，我得到了以下信息：
#for each carrier
for carrier in data.CARRIER.unique():
#print all the different AIRLINE_ID that appear when we subset the data for this carrier
p
浏览 0提问于2018-10-02得票数 1
回答已采纳
1回答
我正在做一些教程，我有一个带有不同专栏的DataFrame。
我已经准备好了小组的目标：
country_grp = df.groupby(['Country'])
哪一种更适合使用？
country_grp['Some Column Name'].value_counts().loc['United States'] orcountry_grp.get_group('United States')['Some Column Name'].value_counts()
还有别的吗？
浏览 3提问于2022-08-01得票数 1
回答已采纳
1回答
我有一个具有1mi行和分层索引(国家、州、城市，按此顺序)的pandas数据帧，每行都有一个产品的价格观察。我如何计算每个国家、州和城市的均值和标准差(请记住，由于我的df很大，我正在避免循环)？对于每个级别的均值和标准差，我希望将值保存在此数据框中的新列中，以供将来访问。
浏览 16提问于2017-06-23得票数 1
回答已采纳
3回答
熊猫系列地图
、、、、
我有一个包含很多类别的DataFrame，但我只想使用两个。我设法得到了我想要的结果，但在我的项目中没有被接受(‘有更好的方法去做’)。使用两列-性别(M/F)并显示(1/0)，我试图提取4个变量: male1、male0、female1、female0，用它们创建条形图。
我被告知要使用pd.series.map函数，但我到处找遍了，找不到一个很好的例子--也不知道如何从中提取4个变量。
谢谢你的帮助。
浏览 0提问于2018-09-28得票数 0
回答已采纳
3回答
DF：
fruits date amount
0 Apple 2018-01-01 100
1 Orange 2018-01-01 200
2 Apple 2018-01-01 150
3 Apple 2018-01-02 100
4 Orange 2018-01-02 100
5 Orange 2018-01-02 100
创建以下代码的代码：
f = [["Apple","2018-01-01",100],["Orange","2018-01-
浏览 3提问于2018-10-11得票数 0
回答已采纳
1回答
BUILDING UNITS
0 01 ONE FAMILY DWELLINGS 168.0
1 02 TWO FAMILY DWELLINGS 269.0
2 03 THREE FAMILY DWELLINGS 234.0
3 04 TAX CLASS 1 CONDOS 0.0
浏览 0提问于2019-10-15得票数 3
回答已采纳
3回答
熊猫:合并重复指标值
、、、、
我有一个熊猫系列，我想用三种不同的方式组合。该系列内容如下：
import pandas as pd
timestamps = [1,1,1,2,3,3,3,4]
quantities = [10,0,2,6,7,2,8,0]
series = pd.Series(quantities, index=timestamps)
显然，时间戳有3 values of 1、1 value of 2、3 values of 3和1 value of 1。我想生成以下系列：
1.重复索引值之和：
pd.Series([12,6,17,0], index=[1,2,3,4])
2.重复索引值的中位数：
pd
浏览 2提问于2019-03-12得票数 1
回答已采纳
2回答
我需要用熊猫写一个函数，其中有两个系列作为论据:一个是几个学生的成绩，另一个是他们的性别。作为回报，我需要一本字典，字典上有“男性”或“女性”的键和价值观，这是成绩高于性别的手段。举个例子，如果
grades = pd.Series([5, 4, 3, 5, 2])
和
genders = pd.Series(["female", "male", "male", "female", "male"])
函数必须返回字典。
{'male': 3.0, 'female': 5.0}
我
浏览 0提问于2018-03-17得票数 0
回答已采纳
1回答
不确定是否可以使用熊猫。然而，我想做一个DataFrame，如下所示。
除了我只想在索引中有月份和日期，而不是年份。
import pandas as pd
import numpy as np
df2 = pd.DataFrame(np.random.randn(12, 4), index=pd.date_range('1-1', periods=12, freq='M'), columns=['2007', '2008', '2009', '2010'])
只是为了提供更多的信息。我做了以下工
浏览 1提问于2014-02-19得票数 1
2回答
我有dataframe rounds (它是从另一个dataframe中删除一个列的结果)，具有以下结构(不能发布图片，对不起)：
----------------------------
|type|N|D|NATC|K|iters|time|
----------------------------
rows of data
----------------------------
我使用groupby，这样我就可以得到组的平均值，如下所示：
rounds = results.groupby(['type','N','D','NATC
浏览 5提问于2015-04-14得票数 2
回答已采纳
我一直在努力改变这个
| row_id | col_id |
|--------|--------|
| 1 | 23 |
| 4 | 45 |
| ... | ... |
| 1 | 23 |
| ... | ... |
| 4 | 45 |
| ... | ... |
| 4 | 45 |
| ... | ... |
投入到这个
| row_id | col_id | count |
|--------|--------|---------|
|
浏览 1提问于2015-01-29得票数 1
回答已采纳
python 3.6.5
经验丰富的蟒蛇老手，刚接触过熊猫和熊猫。
给定的
d = {'time':['2021-08-12 14:59:15.230','2021-08-12 14:59:15.230','2021-08-12 14:59:15.230']
, 'dayy':['14:59:15.231818','14:59:15.231330','14:59:15.232206']
, 'catg':['40B0',&#
浏览 4提问于2021-08-13得票数 1
回答已采纳
1回答
我被困在一个与熊猫消费有关的问题上：
代码如下所示：
df = pd.DataFrame({"IDs": [1, 1, 1, 2, 2, 2, 3, 3, 3],
"Month": ["01", "02", "01", "01", "02", "01", "01", "02", "01"],
"column1": [0.9, 0.
浏览 4提问于2022-07-23得票数 2
回答已采纳
2回答
一般建议不要使用熊猫申请。我在这里有一种情况，我感兴趣的是，是否有更有效的办法来替代申请的办法。
import numpy as np
import pandas as pd
df = pd.DataFrame({'year': [1990,1990,1990,1992,1992,1992,1992,1993,1993,1993],
'item': list('abcdefghij'),
'value': [100,200,300,400,500,600,
浏览 0提问于2019-04-09得票数 0
回答已采纳
1回答
如何使用熊猫来为每一个类别的用户创建频率计数。我想这样做，这样我就可以创建一个实用矩阵了。
|--|**author** | **category**|
0| A | movies
1| B | games
2| C | pics
4| A | movies
5| C | movies
6| B | games
|--|**author** | **category count**|
A | movies |2 |
B | games |2 |
C | movies |1 |
C | pics |1 |
浏览 1提问于2017-03-27得票数 0
回答已采纳
2回答
熊猫群忽略栏
、、
下面是我的groupby函数和操作前的数据集。然而，书面陈述不会产生任何变化。我希望这是一个单独的行，包含每个类别的和。
ichiro_df.groupby('playerID')['AB', 'HBP', 'SF'].sum()
playerID AB HBP SF
81816 suzukic01 692 8.0 4.0
83144 suzukic01 647 5.0 5.0
84474 suzukic01 679 6.0 1.0
85829 suzukic01 704 4
浏览 10提问于2022-03-09得票数 1
回答已采纳
2回答
我有这个：
df = pd.DataFrame({'sku_id' : ['A','A','A','B','C','C'],
'order_counts' : [1,2,3,1,1,2],
'order_val' : [10,20,30,10,10,20]})
这就产生了：
一个简单的groupby() of sku_id使用df.groupby('sku_id&
浏览 4提问于2022-03-26得票数 2
回答已采纳
1回答
DataFrame：
df = pd.DataFrame([['CategoryA', 400], ['CategoryA', 600],
['CategoryB', 1000], ['CategoryB', 2000]],
columns = ['Category', 'ItemTotal'])
我使用以下方法为按类别分列的美元总额创建了一个groupby by：
df = df.groupby('Category')
df = df['ItemTotal'].s
浏览 0提问于2020-11-02得票数 2
回答已采纳
2回答
我试图在一列中使用字符串分类数据来创建一个组：
ID cat_1 cat_2
11 'OG' 'ASD'
11 'LOL' 'ASD'
11 'OG' 'DFG'
22 'LOL' 'DFG'
22 'OG' 'DFG'
我试图按ID进行分组，并将字符串数据聚合为一个数字特性，即每个类别的出现数。因此，结果将是：
ID OG LOL ASD DFG
11 2 1
浏览 5提问于2021-08-17得票数 0
回答已采纳
2回答
熊猫每组特定值的频率
、、、
假设我有5万名购物者和他们购买的产品的数据。我想数一下每个用户购买"a“产品的次数。value_counts似乎是为熊猫分组数据框架计算这类数字的最快方法。然而，我感到惊讶的是，使用agg或apply计算一个特定产品(例如"a")的购买频率要慢得多。我可以从使用value_counts创建的数据框架中选择一个特定的列，但是对于拥有大量产品的非常大的数据集来说，这可能是相当低的效率。
下面是一个模拟例子，每个客户从一套三种产品中购买10次。在这种大小下，您已经注意到apply和agg与value_counts相比的速度差异。是否有更好/更快的方法从熊猫分组数据框架中提取这
浏览 3提问于2020-11-30得票数 2
回答已采纳
1回答
让我们考虑一下熊猫DataFrame的定义如下：
from decimal import Decimal
from pandas import Timestamp
dic={'volume': {('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCF7'): Decimal('13'),
('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCG7'): Decimal('6
浏览 6提问于2017-08-05得票数 1
回答已采纳
1回答
熊猫成群不工作怎么了？
、、、、
我有df所以：
col1 col2 col3
0 a x 1
1 a x 2
2 a y 3
3 b x 4
4 b x 5
5 c y 6
现在col1使用groupby col2，但错误是
AttributeError: 'DataFrameGroupBy' object has no attribute 'groupby'.
Did you mean: 'groups'?
我能做些什么来修理呢？我需要ax=3，ay
浏览 6提问于2022-10-24得票数 0
3回答
我试图删除多层次，但无法做到这一点。
import pandas as pd
k = pd.DataFrame([['x',2], ['y',4],['x',6]], columns=['name','value'])
agg_item={'value': [('n', 'count')]}
k=k[['name','value']].groupby(['name'],dropna=False).ag
浏览 6提问于2022-01-29得票数 1
回答已采纳
4回答
我有这个数据集。您可以看到有一个用于Product Wheat的null Value。我想通过该产品的类别来填充这个空的Value。所以对于小麦来说，这是A类别，意思是5+8/2=6.5。 Product Value Category
0 Rice 5 A
1 Corn 8 A
2 Milk 17 B
3 Wheat NaN A
4 Ice cream 3 B 这是我尝试过的方法。 df[Value].fillna(df.groupby('Catego
浏览 69提问于2020-07-05得票数 0
回答已采纳
1回答
层次化操作熊猫
、、、
显然，我遗漏了一些简单的东西，但我不知道是什么。我想按组传播操作。让我们说一些简单的事情，我有一个简单的多指数序列(假设有两个水平)，我想取平均值并减去平均值到正确的指数水平。 极简主义示例代码： a = pd.Series({(2,1): 3., (1,2):4.,(2,3):4.})
b = a.groupby(level=0).mean()
r = a-b # this is the wrong line, b doesn't propagate to the multiindex of a 我期望的结果是： 2 1 -0.5
1 2 0
2 3 .5
浏览 19提问于2021-09-02得票数 1
回答已采纳
1回答
我想创造一个级别的一年(所以在2012年，经理B是1，在2011年，经理B是1再次)。一段时间以来，我一直在与熊猫的排名函数做斗争，我不想求助于for循环。
s = pd.DataFrame([['2012','A',3],['2012','B',8],['2011','A',20],['2011','B',30]], columns=['Year','Manager','Return'])
Out[1]:
浏览 2提问于2013-07-11得票数 18
我有个关于熊猫多重聚集的问题。
最初，我有一个数据集，其中显示了石油价格，详情如下：
数据集的头如下：
我在这里要做的是得到2014年每个季度的平均值和标准差。理想的产出如下：
在我的脚本中，我已经通过这样做创建了季度信息。
然而，，这里我不明白的一件事是：
如果我试图使用此命令来执行此操作
brent[brent.index.year == 2014].groupby('quarter').agg({"average_price": np.mean, "std_price": np.std})
我犯了以下错误：
浏览 3提问于2021-06-03得票数 1
回答已采纳
1回答
当仪器发生故障并记录全天的重复测量时，我需要从数据集中删除全天。在下面的示例中，我希望删除2020-08-27的所有行，并保留2020-08-28的所有行。 dates = ['2020-08-27', '2020-08-27', '2020-08-27', '2020-08-28', '2020-08-28', '2020-08-28']
values = [100, 100, 100, 200, 201, 200]
df = pd.DataFrame({"date": date
浏览 7提问于2020-08-29得票数 1
回答已采纳
设置
import pandas as pd
import numpy as np
from string import ascii_lowercase
tidx = pd.date_range(end='2016-04-30', freq='M', periods=3)
tidx2 = tidx + pd.offsets.MonthBegin(-1) + pd.offsets.Day(15) + pd.offsets.BDay(-1)
np.random.seed([3,1415])
df1 = pd.DataFrame(np.random.rand(9
浏览 0提问于2016-05-26得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
