大熊猫DataFrame.div和DataFrame.divide的差异
大熊猫（Pandas）是一个流行的Python数据处理库，提供了丰富的数据结构和数据分析工具。在Pandas中，DataFrame是一种二维数据结构，类似于表格，可以进行数据操作和分析。
DataFrame.div和DataFrame.divide是Pandas中用于进行除法运算的两个函数。它们的功能相同，都用于对DataFrame对象进行元素级别的除法运算。它们的差异在于函数名称的不同，但可以互换使用。
这两个函数的参数包括：
- other：除数，可以是标量、Series对象或DataFrame对象。
- axis：指定按行（axis=0）或按列（axis=1）进行运算，默认为按列。
- level：用于多级索引的级别。
这两个函数的返回结果是一个新的DataFrame对象，其中的元素是原始DataFrame对象的对应元素相除的结果。如果除数是一个标量，则会将整个DataFrame对象的每个元素都除以该标量；如果除数是一个Series对象或DataFrame对象，则会按照索引进行对齐后再进行运算。
这两个函数的应用场景包括：
- 数据清洗和预处理：可以使用这两个函数对DataFrame对象中的数据进行归一化或标准化处理。
- 数据分析和计算：可以使用这两个函数进行数据的加权平均、百分比计算等。
- 特征工程：可以使用这两个函数进行特征之间的比值计算，生成新的特征。
腾讯云提供了一系列与云计算相关的产品，其中包括云服务器、云数据库、云存储等。具体推荐的腾讯云产品和产品介绍链接地址如下：
- 云服务器（CVM）：提供弹性计算能力，支持按需购买和预付费模式。产品介绍链接
- 云数据库MySQL版（CDB）：提供高可用、可扩展的MySQL数据库服务。产品介绍链接
- 云对象存储（COS）：提供安全、稳定、低成本的对象存储服务。产品介绍链接
请注意，以上推荐的腾讯云产品仅作为示例，其他云计算品牌商也提供类似的产品和服务。
相关·内容
1回答
我用熊猫来获得分组平均值，而且基本原理也很好。例如,
d = np.array([[1,4],[1,1],[0,1],[1,1]])
m = d.mean(axis=1)
p = pd.DataFrame(m,index='A1,A2,B1,B2'.split(','),columns=['Obs'])
pprint(p)
x = p.groupby([v[0] for v in p.index])
pprint(x.mean('Obs'))
x = p.groupby([v[1] for v in p.index])
pp
浏览 3提问于2022-09-09得票数 2
1回答
我有以下数据格式df
period remaining_et_months property_id beds
0 0 0 329 1
1 1 0 329 1
2 2 1 329 1
3 3 2 329 1
4 3 2
浏览 2提问于2017-09-07得票数 0
回答已采纳
1回答
对于每个组ID，我有一个带有n行的数据，其中只有一个标签是1，其余的都是0。示例：
ID, Feature_1; Feature_2; Feature_3; label
1, 10, 3, 4, 1
1, 9, 1, 2, 0
...
2, 100, 30, 40, 1
2, 90, 10, 20, 0
我希望按ID对每个ID组进行分组，并将每个label=0的特性转换为一个diff(Feat
浏览 5提问于2022-11-30得票数 0
1回答
我正在使用Movielens数据集，我想对男性和女性用户的平均评分值进行t检验。
import pandas as pd
from scipy.stats import ttest_ind
users_table_names= ['user_id','age','gender','occupation','zip_code']
users= pd.read_csv('ml-100k/u.user', sep='|', names= users_table_names)
rating
浏览 1提问于2020-06-13得票数 1
回答已采纳
1回答
我被困在以下，无法得到预期的产出。
我用熊猫来阅读json的数据。
代码:
import pandas as pd
dt = pd.read_json('/content/sample_data/abc.json')
mycolumns = ['A','B']
dt[mycolumns ]
下面是我用熊猫看过的资料：
0 {'$date': '2020-12-02T12:32:57.781Z'} {'$date': '2020-12-02T13:32:57.781Z'}
1
浏览 1提问于2022-04-07得票数 0
回答已采纳
1回答
我试着用一个“群比”来列出状态的变化，但是我很困惑，希望得到任何的指导。我有一个数据框架如下：
SUBJECT TYPE
1 1
1 2
1 2
2 1
2 1
3 1
3 3
3 5
我想要生成一个声明，列出任何积极的变化，忽略任何负面的变化，并生成每一个主题的变化计数。例如，上面的输出将是：
Subject TYPE
1 1
2 0
3 2
我是否需要使用熊猫创建if/else子句，
浏览 2提问于2016-06-13得票数 1
回答已采纳
2回答
我有一个dataframe，需要对距离不超过1的元素进行分组。
group_number val
0 1 5
1 1 8
2 1 12
3 1 13
4 1 22
5 1 26
6 1 31
7 2 7
8 2 16
9 2 17
10 2 19
11
浏览 0提问于2018-01-05得票数 3
回答已采纳
1回答
我拿到了那本书。数据文件：
region country Season stage statistic value ps ps_vals
alabama usa 2000 1 median 135.53 0 46.153846
alabama usa 2001 1 median 138.75 0 30.769231
alabama usa 2000 3 median 151 91.11 0
浏览 3提问于2016-10-29得票数 1
回答已采纳
我正在学习用于数据分析的Python，在第2章中，有一些我正在研究的介绍性示例。在第27页，它显示了以下代码：
import pandas as pd
users = pd.read_table('ml-1m/users.dat', sep='::', header=None,
names=unames)
下面是指向github .dat文件的链接：
当运行此代码时，我会得到以下错误：
(base) C:\Users\d.kelly\Desktop\Python\PforDA>pforda.py
C:\Users\d.kelly\Desktop\Pytho
浏览 0提问于2018-12-04得票数 2
回答已采纳
2回答
我有个记录
raw_data = {
'subject_id': ['1', '2', '2', '3', '3'],
'name': ['A', 'B', 'B', 'C', 'D'],
'age_group' : [1, 2, 2, 1, 1]}
df = pd.DataFrame(raw_data, columns = ['su
浏览 6提问于2017-05-23得票数 2
回答已采纳
2回答
大熊猫群间行差异
、、、、
Dataframe：
col1 col2
a 50
b 40
a 40
a 30
b 20
a 20
b 30
b 50
我需要根据col1对它们进行分组，并根据每个组的col2从最高到最低对它们进行排序，并查找组中连续行之间的差异。日期：
col1 col_entity col2 diff
a a1 50 10
b a2 40 10
a a3 30 10
浏览 2提问于2020-10-09得票数 0
回答已采纳
我正在尝试将一个复杂的函数应用于熊猫DataFrame，我想知道是否有更快的方法可以做到这一点。我的数据的简化版本如下所示：
UID,UID2,Time,EventType
1,1,18:00,A
1,1,18:05,B
1,2,19:00,A
1,2,19:03,B
2,6,20:00,A
3,4,14:00,A
我想要做的是，对于UID和UID2的每个组合，检查是否同时有一行( EventType =A和EventType = B )，然后计算时差，然后将其添加回一个新列。因此，新的数据集是：
UID,UID2,Time,EventType,TimeDiff
1,1,18:00,A,5
1
浏览 3提问于2016-08-03得票数 2
回答已采纳
2回答
堆叠溢出的人，救命！
我对你们来说有个密码风格的问题。
想象一个场景，其中你有2个二维数组，更具体地说，2个数据处理与熊猫。
我需要比较这两个Dataframes和突出所有的差异，但有一个陷阱。这些数据帧中可能缺少行，这就使得这本身就更加困难，同时也会丢失单元格。我来举个例子。
import pandas as pd
x = [[0, 1, 2, 3],[4, 5, 6, 7],[8, 9, 10, 11],[12, 13, 14, 15]]
y = [[nan, 1, 2, 3],[4, 5, 6, nan],[12, 13, 14, 15]]
df1 = pd.DataFrame(x)
浏览 3提问于2022-09-09得票数 -1
我有一个熊猫dataFrame的日期，时间和股票价格如下：
+------------+-------+-------+-------+
| | 08:01 | 08:02 | 08:03 |
+------------+-------+-------+-------+
| 01/01/2016 | 50 | 50.5 | 50.7 |
+------------+-------+-------+-------+
| 02/01/2016 | 49.6 | 49.5 | 49.6 |
+------------+-------+-------+------
浏览 5提问于2016-05-31得票数 0
回答已采纳
1回答
我有关于熊猫的资料
ID date no start end
1 01-01-2019 10 101.23 112.23
2 02-01-2019 10 112.23 120.43
3 03-01-2019 10 121.23 130.23
4 04-01-2019 10 130.23 140.43
5 01-01-2019 11 101 112
浏览 0提问于2019-03-08得票数 1
回答已采纳
1回答
我决定比较熊猫和scipy.stats的斜度和峰度函数，也不明白为什么我在图书馆之间得到了不同的结果。
据我从文档中得知，两个峰度函数都使用Fisher的定义来计算，而对于倾斜，似乎没有足够的描述来判断它们的计算方法是否有任何重大差异。
import pandas as pd
import scipy.stats.stats as st
heights = np.array([1.46, 1.79, 2.01, 1.75, 1.56, 1.69, 1.88, 1.76, 1.88, 1.78])
print "skewness:", st.skew(heights)
pri
浏览 7提问于2015-10-13得票数 18
回答已采纳
1回答
我在用Python和熊猫库。我有DataFrame如下所示
slope decision
Date
2019-10-31 20:38:00 -0.000062 1
2019-10-31 20:39:00 -0.000411 0
2019-10-31 20:40:00 -0.000901 0
2019-10-31 20:41:00 -0.001053 1
2019-10-31 20:42:00 -0.001213 1
... ... ...
2019-10-31 23:54:00 -0.000103
浏览 0提问于2019-12-02得票数 1
回答已采纳
4回答
我有一个大的csv表，其数据如下：
Loop_3_OP Loop_3_PV Line1_Cleaning Line2_Cleaning time date
59.17 29.63 0 0 18:00:33.239000 2015-11-01
59.17 29.63 0 0 18:00:34.231000 2015-11-01
在整个表中，Line1_Cleaning和Line2_Cleaning在0到1
浏览 3提问于2015-11-02得票数 2
回答已采纳
1回答
这是我的熊猫资料。
import pandas as pd
df = pd.DataFrame([
['2017-01-01 19:00:00','2017-01-01 19:00:00','2017-01-02 17:00:00','2017-01-01 17:00:00',
'2017-01-02 19:00:00','2017-01-02 19:00:00'],
['RUT','RUT','RUT
浏览 3提问于2017-10-27得票数 2
回答已采纳
2回答
我有一个样本数据框架：
df = pd.DataFrame({
'year': [1987, 1987, 1988, 1988, 1989, 1989],
'product':['p1', 'p2', 'p1', 'p2', 'p1', 'p2'],
'price': [25, 30, 28, 29, 27, 30],
})
在特定年份的产品价格高于(或低于)前一年的价值时，提取行的最佳方法是什么？例如，1988年p1的价格
浏览 2提问于2021-06-26得票数 2
回答已采纳
1回答
我有一个名为pricecomp_df的数据，我想比较一下“市场价格”栏目的价格，以及“苹果价格”、“芒果价格”、“西瓜价格”等其他栏目的价格，但根据条件将差异排序：(第一优先是西瓜价格，第二优先是芒果价格，第三栏是苹果价格)。输入数据如下：
code apple price mangoes price watermelon price market price
0 101 101 NaN NaN 122
1 102 123 123
浏览 3提问于2016-04-13得票数 11
我正在用熊猫阅读一个充满数字数据的文本文件。我需要在两个列中搜索用户指定的值(一个指定的常量整数值和一个近似的浮点值)，以返回唯一标识每个数据集的行。当前，我可以使用以下方法返回包含指定列整数值的行：
import pandas as pd
integer = some integer
df = pd.read_csv("...")
array = df[(df[i] == integer)]
这将成功地返回包含特定整数值的所有行，并将其分配给名为"array“的dataframe。
但是，我无法使用相同的方法返回包含指定浮点值的行。它只是返回一个空数组，尽管我知道
浏览 3提问于2014-12-03得票数 1
回答已采纳
1回答
我有一个数据集，其中包含每个ID的时间戳和值。每个ID的行数是不同的，我需要一个双for循环，如下所示：
for ids in IDs:
for index in Date:
现在，我想通过以下方式找出每个ID的时间戳之间的区别：
2天之间的数值
7天之间的数值
特别是，对于每个ID
如果从第一个值开始，在接下来的2天内至少比第一个值OR增加0.3
如果从第一个值开始，在接下来的7天内有一个值等于1.5*第一个值
我将该ID存储在dataframe中，否则将该ID存储在另一个dataframe中。
现在，我的代码如下：
yesDf = pd.DataFrame(
浏览 1提问于2019-07-17得票数 0
回答已采纳
2回答
我有两只熊猫DataFrames装满了Timestamps。我想在5天内把这些事件交叉起来。如果我要将df1与df2交叉匹配，我想要一个大小len(一般意义上的)列表( df1 )，其中每个元素都包含df1中元素索引的列表，这些索引位于df2中相应元素的指定时限内。我还想要一个类似的结构，它不是指数，而是包含事件之间的天数。
例如：
df1 = pd.DataFrame({'date_1': ['2016-10-10', '2016-10-11', '2016-10-18', '2016-10-29']})
df2
浏览 0提问于2019-07-19得票数 1
回答已采纳
1回答
我有一个很小的测试数据集，供不同专业的学生使用。
0 35377 female Chemistry False
1 56105 male Physics True
2 31441 female Chemistry False
3 51765 male Physics True
4 53714 female Physics True
shape is 500,4
我需要获得女性的录取率，现在以三种不同的方式解决这个问题。他们每一个都返回正确的结果。
DONE
用组
f
浏览 3提问于2020-04-04得票数 3
回答已采纳
2回答
我需要检查从一个DataFrame更改到另一个的记录。它必须在所有列上匹配。
一个是excel文件(new_df)，一个是SQL (sql_df)。形状约为20,000行，宽39列。我觉得这对来说是个好工作
目前，我使用的方法如下：
import pandas as pd
import numpy as np
new_df = pd.DataFrame({'ID' : [0 ,1, 2, 3, 4, 5, 6, 7, 8, 9],
'B' : [1,0,3,5,0,0,np.NaN,9,0,0],
浏览 1提问于2017-10-12得票数 1
回答已采纳
下面是指向我的最小数据集值的链接
我的timedeltah64s函数给了我错误的答案，有人能解释我哪里出了问题吗？
z =(data.iloc[1,8:9]-data.iloc[2,8:9]).astype('timedelta64[s]')
print(z)
结果我得到了
Time -177.0
dtype: float64
而不是3秒
浏览 7提问于2022-05-04得票数 -1
我的数据如下：
01.02.2019 0:00
这是Date.Month.Year hours:minutes的格式
当我试图在几分钟内找到时间的变化时：
df['DateTime']=pd.to_datetime(df['DateTime'],infer_datetime_format=True,errors='coerce', format="%d.%m.%Y %H:%M")
df['dt'] = (df['DateTime']-df['DateTime'].shift(1)).
浏览 2提问于2019-10-15得票数 0
回答已采纳
我有这样的数据帧
import pandas as pd
raw_data = {'ID': ['101', '101', '101','101', '101', '101', '102', '102', '102', '102','102', '103', '103', '103', '103','102', '1
浏览 0提问于2019-03-11得票数 0
1回答
基于条件选择大熊猫数据行
、、、
我有以下代码：
import pandas as pd
import random
a = [random.randint(0, 1) for i in range(30)]
b = [random.randint(0, 1) for i in range(30)]
print(a)
print(b)
df = pd.DataFrame([a, b])
df = df.T
columns = ['column1', 'column2']
df.columns = columns
print(df)
这将创建一个存储在变量'df‘中的数据。它由2
浏览 2提问于2020-05-01得票数 0
回答已采纳
3回答
大熊猫、蟒蛇的数据解析
、、、、
我有一个包含许多列的excel文件，其中之一，“Column3”是日期，其中包含一些文本，基本上如下所示：
26/05/20
XXX
YYY
12/05/2020
数据是用DD/MM/YY格式写的，但是熊猫和excel一样，认为2020年12月5日是2020年5月12日。(我的窗口设置为美国日期格式)
注意:当我打开excel文件时，12/05/2020的单元格已经是日期类型，试图将它转换为文本--它给我44170，如果我将它重新格式化为DD/MM/YY，它会给我错误的日期。
我添加了这一行代码：
iport pandas as pd
dateparse = lambda x: pd
浏览 8提问于2020-06-20得票数 2
回答已采纳
1回答
我正在使用重采样函数将每日数据更改为熊猫数据的每月数据。阅读文档，我发现我可以定义规则=‘M’或规则=‘MS’。第一个是“日历月结束”，第二个是“日历月开始”。这两者有什么区别呢？
浏览 1提问于2022-04-08得票数 0
为了在我的代码中有一个更通用的表示法，我想把我最初的时间序列表示为一个移动平均值。出乎意料的是，使用熊猫pd.rolling_mean函数，两者并不完全相同：
import pandas as pd
import numpy as np
np.random.seed(1)
ts = pd.Series(np.random.rand(1000))
mavg = pd.rolling_mean(ts, 1)
(ts - mavg).describe()
Out[120]:
count 1.000000e+03
mean 6.284973e-16
std 3.877
浏览 1提问于2016-03-24得票数 1
回答已采纳
2回答
我有一个熊猫数据栏的可变数量。我想对数据的每一列进行数值积分，这样我就可以计算从0行到n行的定积分。我有一个在一维数组上工作的函数，但是是否有更好的方法在熊猫数据中实现，这样我就不必在列和单元格上进行迭代了？我正在考虑使用applymap的一些方法，但我看不出如何使它工作。
这是在一维数组上工作的函数：
def findB(x,y):
y_int = np.zeros(y.size)
y_int_min = np.zeros(y.size)
y_int_max = np.zeros(y.size)
end = y.siz
浏览 0提问于2017-05-10得票数 2
回答已采纳
1回答
我有一个具有数千行数据的数据，类似于以下内容：
Time Fix
0 2020-10-30 00:12:00 UMEKO
0 2020-10-30 00:26:00 PASOV
0 2020-10-30 00:30:00 KUPMA
1 2020-10-30 23:32:00 RASKI
1 2020-10-30 23:52:00 VAXIM
1 2020-10-30 00:21:00 BORER
2 2020-10-30 23:56:00 RAGMA
2 20
浏览 2提问于2021-03-24得票数 1
回答已采纳
2回答
大熊猫指数拟合
、、
我有这样的数据：
puf = pd.DataFrame({'id':[1,2,3,4,5,6,7,8],
'val':[850,1889,3289,6083,10349,17860,28180,41236]})
数据似乎呈指数曲线。让我们看看情节：
puf.plot('id','val')
我想要拟合一个指数曲线($$ y = Ae^{Bx} $$，A乘以e到B*X)，并将它作为一个列添加到Pandas中。首先，我尝试记录这些值：
puf['log_val'] =
浏览 12提问于2022-06-10得票数 3
回答已采纳
4回答
大熊猫的大小和数量有什么不同？
、、、、
这就是熊猫的groupby("x").count和groupby("x").size的区别吗？
大小是否排除了nil？
浏览 48提问于2015-10-26得票数 120
回答已采纳
我有一个数据框架，按月销售和每个月的价格观察。有没有办法将这些价格按照价格本身分成10个相等的组，那么第1组的价格最低，第10组的价格是最高的10%？
我尝试了pd.cut，但是我需要知道10%的裁剪点在哪里是正确的，当我有超过30K的数据行时，我不知道如何获得这个值。我还需要在每一组中观察相同数量的数据。
以下是一些测试数据：
from scipy.stats import poisson
import pandas as pd
data = poisson.rvs(mu=42.73, size=10000)
data_ = pd.DataFrame(data, columns=['
浏览 1提问于2022-08-29得票数 0
回答已采纳
2回答
大熊猫
、、
假设我有一个数据
df = pd.DataFrame({"SKU": ["Coke", "Coke", "Coke", "Bread", "Bread", "Bread", "cake", "cake", "cake"],
"campaign":["buy1get1","$19", "event", "buy1get1",
浏览 2提问于2021-01-28得票数 2
回答已采纳
1回答
原始数据如下：
df=pd.DataFrame({'A': [1]*3 + [2]*3 + [1]*4 + [3]*5,
'B': [1.5]*2 + [2]*4 + [1.5]*5 + [3.2]*4})
如何将列A和B转换为：
A_con和B_con的规则是：
A_con=0；if(Ai>Ai-1，A_coni=True，if(Ai=Ai-1& A_coni-1==True，A_coni=True，A_coni=False)
days_A和days_B的规则是：
如果(A_coni==True，days_
浏览 5提问于2016-12-07得票数 3
回答已采纳
我一直试图从tradingviews方法中得到同样的结果，但我不知道如何实现它
在他们的页面中，RMA被计算为：
plot(rma(close, 15))
//the same on pine
pine_rma(src, length) =>
alpha = 1/length
sum = 0.0
sum := na(sum[1]) ? sma(src, length) : alpha * src + (1 - alpha) * nz(sum[1])
plot(pine_rma(close, 15))
为了测试我使用的输入及其结果，这是在应用tradingview
浏览 4提问于2021-07-04得票数 2
1回答
请举例说明pd.read_excel(“名称”、“header=number”、“skiprows=number”)的语法中头和头之间的区别。
浏览 3提问于2020-07-28得票数 2
回答已采纳
2回答
我有以下数据
import pandas as pd
from pandas import Timestamp
foo = pd.DataFrame.from_dict(data={'id': {0: '1',
1: '1',
2: '1',
3: '2',
4: '2'},
'session': {0: 3, 1: 2, 2: 1, 3: 1, 4: 2},
'start_time': {0: Timestamp('2021-09-02
浏览 5提问于2021-09-22得票数 2
回答已采纳
1回答
大熊猫就位
、、、
我有一个大数据帧df和一个小数据帧df_right，其中包含2列a和b。我想在a上做一个简单的左连接/查找，而不复制df。
我想出了这段代码，但我不确定它有多健壮：
dtmp = pd.merge(df[['a']], df_right, on = 'a', how = "left") #one col left join
df['b'] = dtmp['b'].values
我知道当有重复的键时，它肯定会失败：
有更好的方法吗？
相关信息：
浏览 0提问于2018-06-14得票数 3
回答已采纳
2回答
Cumsum，直到值超过一定数目为止：
假设我们有两个数据帧A，B，如下所示：
A = pd.DataFrame({"type":['a','b','c'], "value":[100, 50, 30]})
B = pd.DataFrame({"type": ['a','a','a','a','b','b','b','c','c','c',&
浏览 5提问于2016-07-04得票数 1
回答已采纳
1回答
我有这样一个数据集：-
S.No.,Year of birth,year of death
1, 1, 5
2, 3, 6
3, 2, -
4, 5, 7
在那之前，我需要计算人口，让我们说：-
year,population
1 1
2 2
3 3
4 3
5 4
6 3
7 2
8 1
我怎样才能在熊猫身上解决这个问题？因为我对熊猫不好。任何帮助都会很感激的。
浏览 0提问于2019-08-06得票数 1
回答已采纳
3回答
如果有一个包含多列的熊猫数据，我希望获得列'high'和后续值列'low'之间的最大差异，而不是n观察。
close high low open
0 12.65 13.16 12.63 12.80
1 12.46 12.84 12.28 12.70
2 13.14 13.25 12.63 13.16
3 12.92 13.14 12.79 12.98
4 12.95 13.05 12.69 13.00
5 13.40 13.71 13.03
浏览 16提问于2022-09-23得票数 1
2回答
我有一个表格的DataFrame：
我想要实现的是一个DataFrame，它有唯一的组和每个列1-9的非零计数。看起来会像下面这样。
我对此几乎不知所措。我看到了的问题，但这并不涉及分组方面。我怎样才能用熊猫来达到这个目的呢？
浏览 0提问于2017-03-28得票数 3
回答已采纳
1回答
大熊猫CSV
、、
上一篇文章的续篇。以前，我帮助使用Pandas在dataframe中创建了一个新列，每个值都表示一个基于另一个列的值的分解后的或唯一的值。我在一个测试用例上使用了它，它成功地工作了，但我在处理更大的日志和htm文件时遇到了问题，无法对其执行相同的过程。我有12个日志文件(每个月)，在合并它们之后，我得到一个17 get的文件来处理。我想要分解它上的每个用户名。我一直在研究使用Dask，然而，我不能复制sort和factorize的功能来为Dask数据帧做我想要的事情。是尝试使用Dask，继续使用Pandas，还是尝试使用MySQL数据库来操作17 or的文件？
import pandas as
浏览 0提问于2017-06-13得票数 1
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
