五、Python数据类型--整数

【基础教程】Python整数类型(int)详解 整数就是没有小数部分的数字,Python 中的整数包括正整数、0 和负整数。 有些强类型的编程语言会提供多种整数类型,每种类型的长度都不同,能容纳的整数的大小也不同,开发者要根据实际数字的大小选用不同的类型。例如C语言提供了 short、int、long、long long 四种类型的整数,它们的长度依次递增,初学者在选择整数类型时往往比较迷惑,有时候还会导致数值溢出。 而 Python 则不... 阅读详情

1.数字

        ①整数

        python2中分为整型、长整型,python3中统称为整型。

                python2中:

                        

                python3中:

                        

        二进制:0b11                转换函数bin()

                        ​​​​​​​        

       八进制:0o11                转换函数oct()

                                

       十六进制:0x11             转换函数hex()

                                

                ps:以上三种函数均接收一个int变量,输出一个str变量。

     

                

        十进制11                       转换函数int()

                ps:接收一个int/str变量,输出一个int变量。

  *两个数相加的实现?

        

                ②浮点数-float

                       : 带有小数点的数字,也可用科学计数法表示

             

                        ps:可以看出float是不精确的,我们可以使用Decimal来构造精确小数

                                

                ③复数

                        :实数和虚数的统称

                        complex = x+yj

                                

Python 数字专题:全方位解析整数 整数(Integer)是没有小数部分的数字。在 Python 中,可以表示正整数、负整数和零。整数可以是任意大小,Python 的int类型没有固定的限制,这得益于其自适应的存储机制。在本文中,我们全面分析了 Python 中的整数,包括其基本概念、操作、内置函数、性能优化和实际应用。这些知识将为日后的编程实践打下坚实的基础。希望读者在学习和应用 Python 的过程中,能够灵活运用整数相关的知识,解决实际问题。 阅读详情

相关推荐

【Python】常见的 数据类型:整数类型 | 计算机考研复试:是否熟悉常用的编程语言?能否列举并说明其特点和应用领域?

先导知识 代码 # 整数类型:正数、负数、0 n1 = 66 n2 = -20 n3 = 0 print(n1) print(n2) print(n3) 输出: 可以通过type()函数输出其数据类型: # 整数类型:正数、负数、0 n1 = 66 n2 = -20 n3 = 0 print(n1,type(n1)) # 可以通过type函数输出其数据类型 print(n2,type(n2)) print(n3,type(n3)) # 整数可以表示为二进制、十进制、八进制、十六进制。默认是十进

追光者♂:记录、分享、总结、提升,现象级专栏《Python从入门到人工智能》作者,无惧黑暗,坚信曙光 1621

python基本数据类型--整型(int)

整型就是数学当中的整数如:1,-1,0,10,-10等等,属于不可迭代对象。整型是不可变的数据类型,在内存中每个整型数据只存在唯一的地址。经常参与到各种的计算当中,所以我们需要知道与整型相关的运算符,主要有算数运算符、比较运算符、赋值运算符、位运算符、身份运算符。

爆笑蛙的博客 2万+

PCB设计实践(三十二)PCB设计遇到大电流时的设计技巧

本文系统阐述10A至数百安培PCB设计的六大关键技术。载流能力优化强调铜厚选择(2-4oz)、线宽计算及并联结构;热管理提出散热孔阵列、铜基板嵌入等方案;布局策略包括功率分区和低阻抗路径设计;材料工艺推荐铝基板、陶瓷基板等高效解决方案;安全设计涵盖电气隔离与保护电路;验证环节需结合热仿真与实测。典型150A电机驱动板案例显示,通过4oz铝基板、散热孔阵列等设计,可实现温升≤45℃的稳定运行。核心在于铜厚线宽协同、主动散热及严格验证。

致力于硬件设计、人工智能知识及技术的分享,不断鞭策自己成长,共同进步! 4239

python 基本数据类型之整数

准备花点时间学习下python,今天学习下python的基本数据类型, 数字 在python中表示数字就是整数和小数,整数用int。小数使用float , 但不像java中那样我定义一个整数是使用 int a = 10; 这个在python中编译器会报错的,因为python也是解释性语言,这点跟JavaScript很像,是在运行时期去查看这个变量是什么才能决定它是什么类型数据,在pyth...

zhouguizhi 6061

TLV320AIC3204音频CODEC硬件设计与调试实战

本文深入解析了TLV320AIC3204音频CODEC的硬件设计与调试实战。文章从芯片功能定位入手,详细阐述了电源时钟设计、模拟输入电路等关键硬件设计要点,并提供了软件驱动配置与分层调试方法,帮助工程师有效规避常见陷阱,解决底噪、失真等典型音频调试问题。

zero1的博客 1141

单相PWM整流器的数学模型、工作原理

单相PWM整流器的数学模型、工作原理

weixin_58670090的博客 1万+

python字符串可以混合使用正整数和负整数_可以玩的Python数据类型,一起成就“王者荣耀”的五杀...

本文阅读时间大概为5分钟,文中最后附有实现“五杀”代码数据类型Python常见数据类型有三种:字符串(str)、整数(int)、浮点数(float)1.字符串字符串英文string,简写str(不仅学python还可以学英文)只要被引号(单/双/三引号)括起来,就是字符串类型。无论引号里面是中文还是甲骨文实例#将字符串赋值给变量game = '1+1'company = "数仁信息"datetim...

weixin_39610085的博客 383

边缘计算【智能+安全检测】系列教程--使用OpenCV+GStreamer实现真正的硬解码,完全消除马赛克

通过现有博客的GStreamer的解码方式解码,大多情况应该存在上图马赛克的问题,请勿紧张,其实上述url并没有调用硬件解码,后面有调用硬件解码的ULR,我们来在接下来的介绍中释获。通过RTSP协议连接海康威视摄像头将图片送入AI推理,发现OpenCV的VideoCapture使用的是软解码大量消耗了cpu的资源,并无法做到实时数据处理存在5秒钟的延时。只能把解码这部分送到硬件解码器去处理分摊掉cpu的压力,

Starry-SkyJing的博客 2431

python王者战斗_可以玩的Python数据类型,一起成就“王者荣耀”的五杀

该楼层疑似违规已被系统折叠隐藏此楼查看此楼“本文阅读时间大概为5分钟,知识点很多建议收藏”文中最后附有实现“五杀”代码数据类型Python常见数据类型有三种:字符串(str)、整数(int)、浮点数(float)1.字符串字符串英文string,简写str(不仅学python还可以学英文)只要被引号(单/双/三引号)括起来,就是字符串类型。无论引号里面是中文还是甲骨文实例#将字符串赋值给变量ga...

weixin_39559804的博客 163

A2B音频总线在智能座舱中的应用

车载A2B链路音频是智能座舱的核心功能,涵盖车载音响、语音识别、e-Call、消噪及回声消除等应用,随着汽车智能网联化的发展,对音频的开发要求也越来越高,需要加入更先进、功能丰富的信息娱乐功能以满足消费者的用户体验。但传统的模拟并行音频信号传输方式,难以在功能增加与整车轻量化(线缆的重量及成本减少)之间取得均衡。这时候就需要A2B音频总线了。A2B音频总线用于连接车辆中的音频设备,如麦克风(MIC)、功放(AMP)、多媒体主机(Head Unit)和T-BOX等。通过一条低成本的非屏蔽双绞线UTP,进行跨距

怿星科技的博客 3937

1小时读完100篇文献的正确打开方式

各位同仁好,我是七哥。一个在高校里从事人工智能 相关领域研究,钻研用大模型AI实操的学术人。可以和七哥交流学术写作或Gemini、GPT、Claude 等大模型 学术实操相关问题,多多交流,相互成就,共同进步。文献阅读与整理一般都是最先开始、却也最容易被低估的一步。很多学术同仁一开始就陷入越读越多、越读越乱的状态:论文下载了一大堆,但真正能用来支撑自己观点的内容却始终难以提炼出来。一方面,我们需要通过文献了解该研究领域的整体发展脉络,把握当前学界已经讨论到什么程度;

智能AI让学术科研更容易 51

python datetime 拼接_可以玩的Python数据类型,一起成就“王者荣耀”的五杀

本文阅读时间大概为5分钟,文中最后附有实现“五杀”代码数据类型Python常见数据类型有三种:字符串(str)、整数(int)、浮点数(float)1.字符串字符串英文string,简写str(不仅学python还可以学英文)只要被引号(单/双/三引号)括起来,就是字符串类型。无论引号里面是中文还是甲骨文实例#将字符串赋值给变量 game = '1+1' company = "数仁信息" dat...

weixin_36204727的博客 450

hadoop 切片机制详解

hadoop切片机制详解

congge 1万+

5. Python 数据类型之整数

1.整数简写为int。 2.整数就是没有小数点的数。 3.整数不能和字符串进行拼接。

weixin_63986098的博客 828

STM32CubeMX之SDIO+FatFS读写SD卡

“SD卡/TF卡的读写是嵌入式系统中常用的功能。而SD卡的本质是一种flash存储器,通过单片机可以直接读写,但若要被电脑识别,则需要文件系统的支持。本篇文章主要介绍通过单片机的SDIO...

zhang062061的专栏 1899

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

整数是python的数据类型吗_什么是Python的字符串、整数和浮点数

现实世界中最常见的数字,文字,符号在python世界就是:【数据】。不同的数据类型,【长相】也不一样,各司其职。只有认清各类型数据的【长相】,了解它们的功能,才能在镜像世界里实现现实世界的任务。一、数据类型在现实世界的镜像——python里,最常用的数据类型有三种——字符串(str)、整数(int)和浮点数(float)。字符串首先,我们来认识一下字符串,字符串英文string,简写str。字符串...

weixin_39638105的博客 821

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

python中的整数表达方式_Python中数据类型

计算机顾名思义就是可以做数学计算的机器,因此,计算机程序理所当然地可以处理各种数值。但是,计算机能处理的远不止数值,还可以处理文本、图形、音频、视频、网页等各种各样的数据,不同的数据,需要定义不同的数据类型。在Python中,能够直接处理的数据类型有以下几种:一、整数Python可以处理任意大小的整数,当然包括负整数,在Python程序中,整数的表示方法和数学上的写法一模一样,例如:1,100,-...

weixin_39605463的博客 5715

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

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")

python 数据类型 char_(Python基础教程之五)Python中的数据类型

数据类型定义变量的类型。由于所有内容都是Python中的对象,因此数据类型实际上是类。变量是类的实例。在任何编程语言中,可以对不同类型的数据类型执行不同的操作,其中某些数据类型与其他数据类型相同,而某些数据类型非常特定于该特定数据类型。1. Python中的内置数据类型Python默认具有以下内置数据类型。CategoryData types / Class namesText/Stringstr...

weixin_39921023的博客 2377

在python中、int表示的是数据类型是_python基础数据类型一(整数类型和布尔值)

整型(int)整型在Python中的关键字用int来表示; 整型在计算机中是用于计算和比较的在python3中所有的整数都是int类型. 但在python2中如果数据量比较大. 会使用long类型.在python3中不存在long类型 整数可以进行的操作:1.1 整数的加a = 10b = 20print(a + b)结果:301.2 整数的减a = 10b = 20print(b - a)结果1...

weixin_39755625的博客 3042

为什么整数在python中表示d_python 数据类型和变量

1.整数Python可以处理任意大小的整数,当然包括负整数,在程序中的表示方法和数学上的写法一模一样,例如:1,100,-8080,0,等等。计算机由于使用二进制,所以,有时候用十六进制表示整数比较方便,十六进制用0x前缀和0-9,a-f表示,例如:0xff00,0xa5b4c3d2,等等。print(0x00000001)2.浮点数浮点数也就是小数,之所以称为浮点数,是因为按照科学记数法表示时,...

weixin_39962285的博客 936

python得到数组前几行_Python 教程(五)Python的数据类型

数据类型,就是用于指定数据在计算机是如何进行存储的。毕竟不同的数据类型存储所占的字节都大不相同。就好比现在的excel表格,word,ppt,聊天软件,都是由数据组成的。那这些数据表明上看上去都没啥区别,但是计算机在存储和表示这些数据在计算机内部是通过不同的存储结构来进行存储的,比如整数占多少比特位,字符串占多少比特位。再者不同的数据类型可以进行不同的操作。就好比要比较两个值的大小,2&...

weixin_39776817的博客 2841

整数不是python的数据类型_不是python数据类型的是 判断python中哪些数据是只读数据类型...

python哪个数据类型不1.整数:根据字面的意思俩理解就没有小数点的数 2.长整数:就是很长的整数 3.浮点型:就是带小数点的数字 4.布尔型:True与False(1和0) 5.复数: 复数有实数部分和虚数部分组成,一般形式为x+yj,其中x是复数的实数部分,y是复数的虚数部分。判断python中哪些数据是只读数据类型int [ ] list [ ] str [ ] bytearray [ ]...

weixin_39762001的博客 343

python数据类型可以分为整数、长整数_第19 p,了解Python中的数据类型,了解整数与浮点数...

大家好,我是杨数Tos,这是《从零基础到大神》系列课程的第19篇文章,第二阶段的课程:Python基础知识:Python中的数据类型介绍及整数、浮点数的讲解。学习本课程,建议先看一遍:【计算机基础知识】课程。一、Python中的数据类型在Python中主要使用的数据类型包括:整数int 、浮点数float、字符串str、列表list、元组tuple、字典dict、集合set 、布尔值bool 。二...

weixin_39655160的博客 463

numpy浮点数转化整数 python_NumPy 数据类型

NumPy提供的数值类型,数值范围比Python提供的数值类型更大。NumPy的数值类型,如下表所示:上述所有数值类型,都可由dtype描述。NumPy 数据类型对象(dtype)数据类型对象/dtype,是描述数组中元素数据类型的对象。具体内容包括:数据类型(整数、浮点数或Python对象)数据长度字节顺序(小端或大端)在结构化类型中,字段名称、字段数据类型等。如果数据类型是子数组,则会包含其形...

weixin_39965514的博客 6520
上一篇: 四、Python--编码风格
下一篇: 六、python数据类型--字符串(上)
七粒花生米
博客等级 码龄7年 47粉丝 113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