开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

R:根据具有相同键的其余行的值和平均值有条件地选择行

根据具有相同键的其余行的值和平均值有条件地选择行，这是一个数据处理的问题。下面是对这个问题的完善且全面的答案：

这个问题涉及到数据处理和筛选的操作，可以通过编程语言和相关的库或工具来实现。以下是一个可能的解决方案：

首先，我们需要将数据加载到内存中进行处理。可以使用各种编程语言中的文件读取操作，如Python中的open()函数或Java中的FileReader类。
接下来，我们需要解析数据并将其存储在适当的数据结构中，如字典、列表或数组。这取决于数据的格式和大小。例如，如果数据是以逗号分隔的值（CSV）格式，可以使用逗号作为分隔符将每一行拆分为字段，并将其存储在字典或列表中。
然后，我们需要根据具有相同键的其余行的值和平均值来选择行。这可以通过使用循环遍历数据并进行条件判断来实现。对于每个键，我们可以计算其余行的值的平均值，并与当前行的值进行比较。如果满足条件，则选择该行。
最后，我们可以将选择的行输出到一个新的文件或数据结构中，以供后续使用或分析。

在云计算领域，可以使用各种云计算平台和相关的服务来实现上述操作。以下是腾讯云相关产品和产品介绍链接地址的推荐：

数据存储：腾讯云对象存储（COS）（https://cloud.tencent.com/product/cos）
数据处理：腾讯云数据处理（CDP）（https://cloud.tencent.com/product/cdp）
数据库：腾讯云数据库（https://cloud.tencent.com/product/cdb）
服务器运维：腾讯云云服务器（CVM）（https://cloud.tencent.com/product/cvm）
云原生：腾讯云容器服务（TKE）（https://cloud.tencent.com/product/tke）
网络通信：腾讯云私有网络（VPC）（https://cloud.tencent.com/product/vpc）
网络安全：腾讯云安全产品（https://cloud.tencent.com/solution/security）
音视频：腾讯云音视频处理（VOD）（https://cloud.tencent.com/product/vod）
多媒体处理：腾讯云多媒体处理（MPS）（https://cloud.tencent.com/product/mps）
人工智能：腾讯云人工智能（AI）（https://cloud.tencent.com/product/ai）
物联网：腾讯云物联网（IoT）（https://cloud.tencent.com/product/iot）
移动开发：腾讯云移动开发（https://cloud.tencent.com/product/mobdev）
存储：腾讯云云硬盘（CDS）（https://cloud.tencent.com/product/cds）
区块链：腾讯云区块链（https://cloud.tencent.com/product/baas）
元宇宙：腾讯云元宇宙（https://cloud.tencent.com/solution/metaverse）

请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。

相关搜索:R-删除具有相同值的行和具有相同值组合的行选择具有相同ID的行，折叠具有null /非null值的行如何有条件地减去r中的行值选择具有不同条件的行，同时所有行共享相同的键列 SQL -如何选择具有相同多个值的行根据月份和列的值有条件地计数行根据另一列的行值有条件地返回某些行值的向量是否选择两列具有相同值的所有行？如何使用IN根据值列表选择具有空值的行？如何根据某些条件删除行或过滤具有相同列值的行？对R中具有条件的行中的值求和通过R中的连续波删除具有相同值的行 Laravel关系-选择刀片中具有相同列值的行 SQL:只选择一行具有相同值的表根据行中的另一个变量删除具有相同值的行 R根据其他列有条件地添加指定数量的新行选择具有相同列值(1或更多)的行的“组”如何从不同的表中选择具有相同值的行根据用户选择，需要有条件地呈现X个行的部分获取具有相同值的行，并在R中创建不同的列

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

APAP论文阅读笔记

然而，正如我们在第4节中所显示的，在图像拼接中，视图之间可能存在较大的旋转和平移差异，由于刚性约束，他们的方法插值不够灵活。...第4行和第5行（第二行）显示，虽然该方法可以灵活插值，但它在外推区域产生高度扭曲的结果，在该区域没有数据来引导局部变形，并且扭曲恢复为全局亲和性；图1（b）提供了1D类比。...将Eq.(1)重写为隐式条件03×1= x ’ ×Hx ‘并线性化只有两行是线性无关的。设ai∈R2×9为第i个数据{xi,xi ‘}的(3)的前两行。...在实际应用中，异常值的误差比内部偏差大几个数量级，因此RANSAC可以有效地使用。分裂成细胞。求解（9）所有像素位置x∗ 在源图像中，I是浪费的，因为相邻位置产生几乎相同的H估计值∗....给定两个以上的图像，我们首先选择一个中心图像来初始化全景。然后，我们通过APAP将其他图像逐渐扭曲到全景图上。关于结果，请参考补充材料，我们只是简单地将像素平均值与之混合，以突出所建议扭曲的准确性。

1.3K4 0

阿里开源新一代人机对话模型 ESIM：准确率打破世界纪录，提升至 94.1%！

首先，由于 ESIM 不需要使每个话语具有相同的长度，因此它具有较少的零填充，可以比基于层级信息的方法更具计算效率。...「端到端的回复选择」赛道提供了一系列具有相似结构的子任务，但在输出部分和可用于对话部分的任务各不相同。在图 1 中，「√」表示在标记的数据集上评估任务，「×」表示未在该数据集上进行任务评估。 ?...BiLSTM2 的输出隐藏向量通过集成的操作转换为固定长度向量，并馈送到最终的分类器以确定整体关系；其中最大值和平均值将被使用并连接在一起，来获得一个固定长度的向量；最后一个矢量被送入有一个隐藏层、TANH...对于 Lowe 的 Ubuntu 数据集，上下文序列和回复序列的最大值分别为 400 和 150；对于电子商务数据集，对应最大值为 300 和 50；其余数据集分别为 300 和 30。...挑战排名考虑了 recall@10 效果和平均倒数排名（Mean Reciprocal Rank，简称 MRR，是一种用于衡量搜索之类的指标）的平均值，在 advising 数据集上，因为测试用例 1（

8643 0

阿里开源新一代人机对话模型 ESIM：准确率打破世界纪录，提升至 94.1%！

首先，由于 ESIM 不需要使每个话语具有相同的长度，因此它具有较少的零填充，可以比基于层级信息的方法更具计算效率。...「端到端的回复选择」赛道提供了一系列具有相似结构的子任务，但在输出部分和可用于对话部分的任务各不相同。在图 1 中，「√」表示在标记的数据集上评估任务，「×」表示未在该数据集上进行任务评估。...BiLSTM2 的输出隐藏向量通过集成的操作转换为固定长度向量，并馈送到最终的分类器以确定整体关系；其中最大值和平均值将被使用并连接在一起，来获得一个固定长度的向量；最后一个矢量被送入有一个隐藏层、TANH...对于 Lowe 的 Ubuntu 数据集，上下文序列和回复序列的最大值分别为 400 和 150；对于电子商务数据集，对应最大值为 300 和 50；其余数据集分别为 300 和 30。...挑战排名考虑了 recall@10 效果和平均倒数排名（Mean Reciprocal Rank，简称 MRR，是一种用于衡量搜索之类的指标）的平均值，在 advising 数据集上，因为测试用例 1（

1.1K2 0

在Python和R中使用交叉验证方法提高模型性能

(101) # 设置种子，以便将来可以复制相同的样本 #现在从数据的总共“ n”行中选择50％的数据作为样本 sample <- sample.int(n = nrow(data), size = floor...现在，最常见的问题之一是：“如何选择正确的k值？”。 k的值越低，偏差越大。另一方面，较高的K值偏差较小，但可能会出现较大的可变性。准确地说，LOOCV等效于n倍交叉验证，其中n是训练的数量。..., "Validation:", val_index) R代码： #折是根据因变量创建的 folds <- createFolds(factor(data$target), k = 10, list...10) 使用步骤4中计算出的概率对训练集进行排序，并选择前n％个样本/行作为验证组（n％是要保留在验证组中的训练集的分数）val_set_ids 将从训练集中获取ID，这些ID将构成最类似于测试集的验证集...我们从一个训练集开始，该训练集具有最小拟合模型所需的观测值。逐步地，我们每次折叠都会更改训练和测试集。在大多数情况下，第一步预测可能并不十分重要。在这种情况下，可以将预测原点移动来使用多步误差。

1.6K1 0

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测|附代码数据

如果时间的当前值和状态变量可以准确地描述下一时刻的系统状态，则可以说这样的系统是确定性的。另一方面，如果时间和状态变量的当前值仅描述状态变量的值随时间变化的概率，则将动力学系统视为随机系统。...它是度量时间序列差异的度量，该时间序列的定义是给定持续时间_（T）_的均值范围，除以该持续时间的标准偏差 [ R / S = k * T（H） ]； _ķ 是一个取决于时间序列的常数。...对数收益率在这里被视为本文的每日收益率。原始价格和对数收益率的直观显示清楚地证明了以几乎恒定的均值，使用对数收益率是合理的。收益率序列图显示了高和低变化周期。...我将按照以下步骤进行操作：通过ARIMA（p，d，q）模型的组合进行迭代，以拟合最优时间序列。根据具有最低AIC的ARIMA模型选择 GARCH模型。...检查模型残差和平方残差进行自相关因此，我们在这里发现，最好的模型是 ARIMA（2,0,2）。现在，我们对残差进行绘图，以确定它们是否具有条件异方差。

1.3K0 0

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测|附代码数据

如果时间的当前值和状态变量可以准确地描述下一时刻的系统状态，则可以说这样的系统是确定性的。另一方面，如果时间和状态变量的当前值仅描述状态变量的值随时间变化的概率，则将动力学系统视为随机系统。...它是度量时间序列差异的度量，该时间序列的定义是给定持续时间_（T）_的均值范围，除以该持续时间的标准偏差 [ R / S = k * T（H） ]； _ķ 是一个取决于时间序列的常数。...对数收益率在这里被视为本文的每日收益率。原始价格和对数收益率的直观显示清楚地证明了以几乎恒定的均值，使用对数收益率是合理的。收益率序列图显示了高和低变化周期。...我将按照以下步骤进行操作：通过ARIMA（p，d，q）模型的组合进行迭代，以拟合最优时间序列。根据具有最低AIC的ARIMA模型选择 GARCH模型。...检查模型残差和平方残差进行自相关因此，我们在这里发现，最好的模型是 ARIMA（2,0,2）。现在，我们对残差进行绘图，以确定它们是否具有条件异方差。

9453 0

数据结构和算法

它可以具有最少的零个节点，这在节点具有NULL值时发生。 ? image 二进制搜索树：二叉搜索树（BST）是二叉树。左子树包含其键小于节点键值的节点，而右子树包含其键大于或等于节点键值的节点。...二叉搜索树可以有效地检索数据。 ? image 矩阵：矩阵是一个双维数组。它使用两个索引行和列来存储数据。 ? image 图：图包含一组节点和边。节点也称为顶点。边缘用于连接节点。...Hashtable提供其键的枚举。它不允许null作为键或值。请注意，由于HashMap是在稍后创建的，因此它是Hashtable的高级版本和改进版。Hashtable是同步的，速度较慢。...image 递归：递归是一种函数或算法自称的计算机编程技术。它应包括具有终止条件的步骤。当条件满足时，每个重复的其余部分从最后一个被调用到第一个重复处理。通过递归解决的最着名的问题是因子数。...这些半部分中的每一部分都应用了相同的排序算法。最终，它合并了两个单元素数组。O（nlogn）平均值和最差值。 ?

2K4 0

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测|附代码数据

如果时间的当前值和状态变量可以准确地描述下一时刻的系统状态，则可以说这样的系统是确定性的。另一方面，如果时间和状态变量的当前值仅描述状态变量的值随时间变化的概率，则将动力学系统视为随机系统。...它是度量时间序列差异的度量，该时间序列的定义是给定持续时间_（T）_的均值范围，除以该持续时间的标准偏差 [ R / S = k * T（H） ]； _ķ 是一个取决于时间序列的常数。...对数收益率在这里被视为本文的每日收益率。原始价格和对数收益率的直观显示清楚地证明了以几乎恒定的均值，使用对数收益率是合理的。收益率序列图显示了高和低变化周期。...我将按照以下步骤进行操作：通过ARIMA（p，d，q）模型的组合进行迭代，以拟合最优时间序列。根据具有最低AIC的ARIMA模型选择 GARCH模型。...检查模型残差和平方残差进行自相关因此，我们在这里发现，最好的模型是 ARIMA（2,0,2）。现在，我们对残差进行绘图，以确定它们是否具有条件异方差。

6130 0

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测

如果时间的当前值和状态变量可以准确地描述下一时刻的系统状态，则可以说这样的系统是确定性的。另一方面，如果时间和状态变量的当前值仅描述状态变量的值随时间变化的概率，则将动力学系统视为随机系统。...它是度量时间序列差异的度量，该时间序列的定义是给定持续时间_（T）_的均值范围，除以该持续时间的标准偏差 [ R / S = k * T（H） ]； _ķ 是一个取决于时间序列的常数。...对数收益率在这里被视为本文的每日收益率。原始价格和对数收益率的直观显示清楚地证明了以几乎恒定的均值，使用对数收益率是合理的。收益率序列图显示了高和低变化周期。...我将按照以下步骤进行操作：通过ARIMA（p，d，q）模型的组合进行迭代，以拟合最优时间序列。根据具有最低AIC的ARIMA模型选择 GARCH模型。...检查模型残差和平方残差进行自相关因此，我们在这里发现，最好的模型是 ARIMA（2,0,2）。现在，我们对残差进行绘图，以确定它们是否具有条件异方差。

3.2K1 0

图像降噪有哪些方法？

它的工作原理与平均滤波器相似，都以滤波器窗口中像素的平均值作为输出。二维高斯核模板或卷积核： ? 标准化： ? 窗口模板的系数不同于平均滤波器，平均滤波器的模板系数与1相同。...d（P，Q）表示两个块之间的欧几里得距离。通过积分相似块获得的最终矩阵是流程图第1步左下角的蓝色R矩阵。 ? 由噪声分组的块的说明由白高斯噪声（均值为零和标准偏差为15）降级的图像。...参考块标有“ R”，其余块与之匹配。第二步，协同过滤：在形成几个三维矩阵之后，首先对每个三维矩阵中的二维块进行二维变换，可以使用小波变换或DCT变换等。 ?...这里的二维变换通常使用DCT变换以获得更好的结果。使用维纳滤波来缩放由噪声图形成的三维矩阵的系数。该系数是从根据基准和噪声强度估算的三维矩阵的值中获得的。此过程也可以用以下公式表示： ?...自适应地设置滤波参数具有明显的好处，在平滑细节细节风险较低的平滑区域中，去噪强度可以更高；而在噪声很少可见的高纹理区域中，降噪强度可以更低。

2.7K2 2

哪些数据库是行存储？哪些是列存储？有什么区别？

字段是列和行的交集：某种类型的单个值。属于同一列的字段通常具有相同的数据类型。例如，如果我们定义了一个包含用户数据的表，那么所有的用户名都将是相同的类型，并且属于同一列。...它的布局非常接近表格的数据表示方法，即其中每一行都具有相同的字段集合。...02 面向列的数据布局面向列的数据库垂直地将数据进行分区（即通过列进行分区），而不是将其按行存储。在这种数据存储布局中，同一列的值被连续地存储在磁盘上（而不是像前面的示例那样将行连续地存储）。...如果你显式地执行此操作，则需要每个值都必须持有一个键，这将导致数据重复并增加存储的数据量。...另外，将具有相同数据类型的值存储在一起（例如，数字与数字在一起，字符串与字符串在一起）可以提高压缩率。我们可以根据不同的数据类型使用不同的压缩算法，并为每种情况选择最有效的压缩方法。

3.3K3 1

来瞧瞧webp图像强大的预测算法

WebP 有损压缩 WebP 有损压缩使用的图像编码方式与 VP8 视频编解码器 WebM 格式压缩视频关键帧的方法相同，WebP 格式的图片本质就是 WebM 文件中被压缩的帧。...WebP 编码器四种帧内预测模式： H_PRED（水平预测）：用宏块左边的列 L 的填充块的每一列； V_PRED（垂直预测）：用宏块上边的行 A 的填充宏块的每一行； DC_PRED（DC预测）：用行...A 和列 L 的像素的平均值作为宏块唯一的值来填充宏块； TM_PRED（TrueMotion预测）：除了行 A 和列 L 之外，用宏块上方和左侧的像素P、A（从P开始）中像素块之间的水平差异以列 L...预测变换有 13 种不同的模式，使用较多的是左、上、左上以及右上的像素预测模式，其余为左、上、左上和右上组合的平均值预测模式。颜色变换借助颜色变换去除每个像素的 R，G 和 B 值。...彩色变换时保持绿色（G）值原样，根据绿色（G）值变换红色（R）值，再根据绿色值转换蓝色（B）值，最后根据红色（R）值进行转换。

2.9K2 1

「R」数据可视化3 : 热图

在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。本系列文章将介绍多种基于不同R包的作图方法，希望能够帮助到各位读者。...当然，R中也有很多具有heatmap功能的包，比如ggplot2,gplots。今天我们介绍含有heatmap.2功能的gplots包。...如果直接使用默认的heatmap.2功能我们可以看到： ? 和平时看到的heatmap有些不一样，中间的这些蓝色的线我们称作“trace”：虚线表示这一列平均值，实线表示与平均值的偏离程度。...默认是按照列计算平均等，也可以改为行。但是我们这里的数据是做相关性，所以这些线的意义就不是那么大。图例中也类似，展示了不同颜色对应的值大小，而蓝色的实线是根据数据分布做的密度曲线，虚线是平均值。...当然也可以按照相同顺序把相关性系数换成pvalue。颜色也可以根据情况进行修改。其他的也可以进一步调整。

1.8K1 0

ICLR 2021｜一种端到端的基于双重优化的分子构象生成框架ConfVAE

这种基于距离几何的方法有效地考虑了分子构象的旋转和平移不变性，因此获得了不错的性能。然而，两阶段的方法仍然有很大的局限性，它们分别预测距离和构象：预测的距离可能无法适当地保留保持真实原子的邻接关系。...2 背景 2.1 体内毒物基因组学（TGx）数据集每一个分子被表示为具有特征的图 G=，其中V代表原子的节点集，每一个点v都有对应的原子类别，E代表共价键的边的集合，每一条边 e_uv 都有对应的化学键类别...在每个信息传递层中，通过聚合来自相邻节点的信息来更新原子编码。对于编码器 q(z|R,G) 和先验 p(z|G)，我们使用相同的MPNN 框架。...则依据定义可以写出超梯度的公式：其中，对于公式（13）第二行对于R的求导，由公式（12）迭代而成。...表1 构象生成的比对数据图4 构象生成的可视化比较在距离分布建模中，选取 ISO17 数据集进行学习，使用最大均值差异 MMD 作为评判指标，其值越小表明模型对距离的建模越精确。

6211 0

Flux脚本语言入门教程

例如： ["foo","bar","baz","quz"] Dictionaries：是具有相同类型的键和相同类型的值的键值对的集合。...创建一个函数 topN，返回 N 列中具有最高值的 _value 。...常见的数据调整包括按列值或按时间重新分组数据或将列值转换为行。...import "influxdata/influxdb/sample" sample.data(set: "airSensor") |> range(start: -1h) 3、用 filter() 根据列值过滤行...在此示例中，仅返回包含字段值co的行。

9653 0

python数据分析——数据的选择和运算

Python的Pandas库为我们提供了强大的数据选择工具。通过DataFrame的结构化数据存储方式，我们可以轻松地按照行或列进行数据的选择。...例如，使用.loc和.iloc可以根据行标签和行号来选取数据，而.query方法则允许我们根据条件表达式来筛选数据。在数据选择的基础上，数据运算则是进一步挖掘数据内在规律的重要手段。...merge()是Python最常用的函数之一,类似于Excel中的vlookup函数,它的作用是可以根据一个或多个键将不同的数据集链接起来。...：四、数据运算 pandas中具有大量的数据计算函数,比如求计数、求和、求平均值、求最大值、最小值、中位数、众数、方差、标准差等。...sort_values()方法可以根据指定行/列进行排序。

1701 0

【22】进大厂必须掌握的面试题-30个Informatica面试

或者，您也可以使用SQL Override执行相同的操作。 ? 您可以使用Aggregator并选择所有端口作为键来获取不同的值。...其背后的想法是向记录添加序列号，然后从记录中获取前1名和后1名。将端口从源限定符拖放到两个秩转换。 ? 创建一个具有起始值1的可重用序列生成器，并将下一个值连接到两个秩转换。 ?...源表： COL1 COL2 COL3 a b c x y z a b c r f u a b c v f r v f r 目标表1：包含所有唯一行的表 COL1 COL2 COL3 a b c x y...z r f u v f r 目标表2：包含所有重复行的表 COL1 COL2 COL3 a b c a b c v f r 将源拖动到映射，并将其连接到聚合器转换。...事实表中有维键，例如time_key，item_key，branch_key和location_keys，度量值是untis_sold，已售美元和平均销售额。

6.6K4 0

30 个小例子帮你快速掌握Pandas

这些方法根据索引或标签选择行和列。 loc：带标签选择 iloc：用索引选择先创建20个随机indices。...df.isna().sum().sum() --- 0 9.根据条件选择行在某些情况下，我们需要适合某些条件的观察值（即行）。例如，下面的代码将选择居住在法国并且已经流失的客户。...我们可以看到每组中观察值（行）的数量和平均流失率。 14.将不同的汇总函数应用于不同的组我们不必对所有列都应用相同的函数。例如，我们可能希望查看每个国家/地区的平均余额和流失的客户总数。...method参数指定如何处理具有相同值的行。first表示根据它们在数组（即列）中的顺序对其进行排名。 21.列中唯一值的数量使用分类变量时，它很方便。我们可能需要检查唯一类别的数量。...29.根据字符串过滤我们可能需要根据文本数据（例如客户名称）过滤观察结果（行）。我已经将虚构名称添加到df_new DataFrame中。 ? 让我们选择客户名称以Mi开头的行。

10.7K1 0

目标检测的中的指标的含义及其实现

Rank代表第几次预测，计算第3行的精度和收回值。精度是TP = 2/(2 + 1) = 2/3 = 0.67的比例。召回率是TP在可能的阳性结果中所占的比例2/(2 + 3)= 2/5 = 0.4。...在召回值(0、0.1、0.2、……、0.9和1.0)找到最高精度值。AP(平均精度)计算为以下11个召回级别的最高精度平均值: 这接近于求出橙色曲线下的总面积并除以11。下面是更精确的定义。...但是，如果检测到同一物体的多次检测，则将第一次检测为阳性，其余为阴性。PASCAL VOC中的mAP与上文讨论的AP相同。 COCO 的AP 最新的研究论文倾向于只给出COCO数据集的结果。...通过设置同一超类别中的所有对象与所讨论的类具有相同的类标签并将它们的忽略标志设置为1来计算Sim。注意，该人是单例超类别，因此其Sim结果与Loc完全相同。 5）Oth：所有类型混乱被移除后的PR值。...计算Oth的方法是将所有其他对象设置为与所讨论的类具有相同的类标签，并将忽略标志设置为1。 6）BG：所有背景误报（和类混乱（class confusion））被移除后的PR。

5262 1

Science: 位于人类听觉皮层的语调编码

然后作者又探究了语句编码是否是由音位选择性驱动的，如图3所示将语句里的音位进行归类分成四组，并根据这四组音位计算音位选择性指数（PSI），发现PSI确实只与语句所能解释的方差呈正相关。...（C）每一个显著性电极的语句编码和平均音位选择性指数之间的散点图（r=0.64，p0.05）。...感受野显示哪个刺激特征驱动更大的神经反应——在这里，是相对音高具有更高的值。颜色指回归权重（任意单位）。（E）原始刺激集的音高轮廓。（F）原始刺激集中男性和女性说话人在各个语调间的平均音高轮廓。...有颜色的点表示具有显著性的电极（置换检验；R2>零分布的95%）相对和绝对音高编码分别位于上下图。

1.1K8 0

点击加载更多

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

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭