dtype=datetime64[ns]和date之间的比较无效
dtype=datetime64[ns]是一种数据类型，用于表示日期和时间。它是NumPy库中的一种数据类型，用于处理时间序列数据。
date是Python中的一个日期类型，用于表示日期。
在进行dtype=datetime64[ns]和date之间的比较时，可能会出现比较无效的情况。这是因为它们是不同的数据类型，无法直接进行比较操作。
要解决这个问题，可以将date转换为dtype=datetime64[ns]类型，或将dtype=datetime64[ns]转换为date类型，以使它们具有相同的数据类型。可以使用NumPy库中的函数进行类型转换，例如使用numpy.datetime64()函数将date转换为dtype=datetime64[ns]类型。
在云计算领域中，可以使用dtype=datetime64[ns]和date来处理时间序列数据，例如在分析和预测股票价格、气象数据、交通流量等方面应用广泛。
腾讯云提供了多个与时间序列数据处理相关的产品和服务，例如腾讯云数据库TDSQL、腾讯云数据仓库CDW、腾讯云时序数据库TSDB等。这些产品和服务可以帮助用户存储、管理和分析时间序列数据。您可以访问腾讯云官方网站，了解更多关于这些产品和服务的详细信息。
请注意，本回答不涉及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等品牌商。
相关·内容
在我的dataframe中有一个时区感知列，当我运行dtypes时，得到输出datetime64[ns, pytz.FixedOffset(60)]。
在将列数据添加到数据库之前，我正在编写一个脚本，以确保列数据的类型为datatime64[ns]。
但是，当我使用以下if语句检查列dtype时：
df['date'].dtypes != 'datetime64[ns, pytz.FixedOffset(60)]'
我收到以下错误消息：TypeError: Invalid datetime unit in metadata string "[ns, py
浏览 3提问于2019-05-13得票数 2
回答已采纳
我有一个类似的问题：和我想把像'12/7/21‘这样的字符串转换成'2021-07-12’作为一个日期对象。我相信上述答案是错误的，原因如下：
# The suggested solution on Stackoverflow
>>> import pandas as pd
>>> df = pd.DataFrame({'Date':['15/7/21']})
>>> df['Date']
0 15/7/21
Name: Date, dtype: object
>
浏览 7提问于2022-09-01得票数 1
回答已采纳
1回答
使用Pandas，我可以通过mySeries.dt.date将日期序列转换为日期序列。
对于一个矮胖的专栏，同样的情况会是什么样子呢？示例：
import pandas as pd
df = pd.DataFrame({"a": ["31.12.1999 23:59:12", "31.12.1999 23:59:13", "31.12.1999 23:59:14"], "b": [4, 5, 6]})
df["datetime"] = pd.to_datetime(df.a)
df["dat
浏览 0提问于2018-12-28得票数 2
回答已采纳
我有一个名为date的列，它的值为
> DatetimeIndex(['2014-02-19'], dtype='datetime64[ns]', freq=None)
> DatetimeIndex(['2013-02-29'], dtype='datetime64[ns]', freq=None)
> DatetimeIndex(['2018-04-15'], dtype='datetime64[ns]', freq=None)
如何修改该列，以只提取日期值，并去掉诸如Date
浏览 8提问于2021-05-28得票数 2
回答已采纳
4回答
df = pd.DataFrame({'date': ['2021-08-20']}, dtype="datetime64[ns]")
df["date"] = df["date"].astype("object")
>>> df
date
0 2021-08-20 00:00:00
我想删除00:00。
def date_func(value)
print(type(value))
#TODO: delete 00:00:0
浏览 3提问于2021-08-26得票数 1
回答已采纳
我想创建一只熊猫的df，比如：
df = pd.DataFrame(
{
"group": ["A", "A", "A", "A", "A"],
"date": ["2020-01-02", "2020-01-13", "2020-02-01", "2020-02-23", "2020-03-05"],
"value": [10, 2
浏览 1提问于2021-08-18得票数 3
回答已采纳
1回答
我想将以下日期和时间列合并为1 date_time列：
casinghourly[['Date','Time']].head()
Out[275]:
Date Time
0 2014-01-01 00:00:00
1 2014-01-01 01:00:00
2 2014-01-01 02:00:00
3 2014-01-01 03:00:00
4 2014-01-01 04:00:00
我使用了以下代码：
casinghourly.loc[:,'Date_Time'] = pd.to_datetime(casinghou
浏览 0提问于2018-11-16得票数 0
回答已采纳
1回答
我一直在玩日期和时间戳，我遇到了一些我无法理解的东西。
import pandas as pd
import datetime
year_month = pd.DataFrame({'year':[2001,2002,2003], 'month':[1,2,3]})
year_month['date'] = [datetime.datetime.strptime(str(y) + str(m) + '1', '%Y%m%d') for y,m in zip(year_month['year'],
浏览 8提问于2015-07-17得票数 1
回答已采纳
1回答
我有一只熊猫，上面有一个解析的时间戳。这是什么类型的？我试着用以下规则与之相匹配：
dtype_dbg = df[col].dtype # debugger shows it as 'datetime64[ns]'
if isinstance(df[col].dtype,np.datetime64) # no luck
if isinstance(df[col].dtype,pd.Timestamp) # ditto
if isinstance(df[col].dtype,[all other timestamps I could think of]) # nothing
如
浏览 2提问于2020-01-08得票数 2
回答已采纳
这是一个非常快的问题：
我正在从q迁移到熊猫，我试图在数据帧“间谍”的日期列中的每一个条目中添加一个nano。
>>> spy
<class 'pandas.core.frame.DataFrame'>
Int64Index: 126 entries, 0 to 125
Data columns (total 6 columns):
Date 126 non-null values
Open 126 non-null values
High 126 non-null values
Low 126 n
浏览 4提问于2013-11-14得票数 4
回答已采纳
根据这个，我在比较一个亚型datetime64ns，US/Central和np.datetime64
columns = self._obj.columns
for dtype in self._obj.dtypes:
print("testing:", dtype)
if np.issubdtype(dtype, np.datetime64):
...
testing: datetime64[ns, US/Central]
----------------------
浏览 1提问于2020-03-16得票数 4
我在pandas中创建了一个TimeSeries：
In [346]: from datetime import datetime
In [347]: dates = [datetime(2011, 1, 2), datetime(2011, 1, 5), datetime(2011, 1, 7),
.....: datetime(2011, 1, 8), datetime(2011, 1, 10), datetime(2011, 1, 12)]
In [348]: ts = Series(np.random.randn(6), index=dates)
In [349]: ts
浏览 0提问于2015-03-23得票数 97
回答已采纳
2回答
我有个问题。我想计算两个日期之间的工作日数。示例：
import numpy as np
pokus = {"start_date" : "2022-01-01 10:00:00" , "end_date" : "2022-01-01 17:00:00" }
df = pd.DataFrame(pokus, index=[0])
cas_df["bus_days"] = np.busday_count(pd.to_datetime(df["start_date"]) , pd.to_datetim
浏览 15提问于2022-08-25得票数 0
回答已采纳
我有一只熊猫DateTimeIndex。我想把每一次约会加十五天。
import pandas as pd
tidx = pd.date_range(end='2016-04-30', freq='M', periods=2)
tidx
DatetimeIndex(['2016-03-31', '2016-04-30'], dtype='datetime64[ns]', freq='M')
我要：
DatetimeIndex(['2016-04-15', '20
浏览 2提问于2016-05-26得票数 4
回答已采纳
3回答
我试图编译这段代码，但是我得到了一个错误：
NameError: name 'dtype' is not defined
下面是python代码：
# -*- coding: utf-8 -*-
from __future__ import division
import pandas as pd
import numpy as np
import re
import missingno as msno
from functools import partial
import seaborn as sns
sns.set(color_codes=True)
if dtype
浏览 0提问于2018-05-17得票数 4
回答已采纳
我想要传递一个datetime数组给一个Numba函数(它不能被矢量化，否则会非常慢)。我知道Numba支持numpy.datetime64。然而，它似乎支持datetime64，但不支持datetime64 (我通过艰苦的方式了解到这一点:它有文档吗？)。
我试图从datetime64ns转换到datetime64D，但似乎找不到一种方法！有什么想法吗？
我已经用下面最少的代码总结了我的问题。如果您运行的是datetime64D的testdf(mydates)，它会工作得很好。如果你运行testdf(dates_input)，它是datetime64ns，注意这个例子只是把日期传递给Numb
浏览 11提问于2015-08-10得票数 33
回答已采纳
我尝试计算datetime64类型熊猫序列的floor，以获得'1D'，'1H'，'15min'，'5min'，'1min‘间隔的pandas.Timestamp.round('15min')等价物。
如果我直接将datetime64转换为pandas时间戳，我就可以做到：
pd.to_datetime(df.DATA_CZAS.to_numpy()).floor('15min')
但如何做到这一点，而不转换为熊猫(这是相当慢)？
注意，我不能将datetime64ns转换为整数，因为：
d
浏览 2提问于2020-09-08得票数 0
1回答
dateindex = pd.date_range(pd.datetime.today(), periods=4, freq='W', dtype='datetime64[ns]')
生成一些日期。
我能不能得到这样的东西来生成过去的日期。我试了-4，但没有joy。
干杯凯文
浏览 0提问于2017-09-05得票数 1
回答已采纳
1回答
这个问题的目的是让人们更好地理解.dt 和 pd.to_datetime之间微妙的差异。
我想知道哪一种方法是合适的/首选的，如果一种方法可以用作两者之间的事实上的和其他的区别。
values = {'date_time': ['20190902093000','20190913093000','20190921200000'],
}
df = pd.DataFrame(values, columns = ['date_time'])
df['date_time
浏览 3提问于2021-01-10得票数 1
回答已采纳
2回答
我是熊猫的新手，我正试图在一个特定的专栏中找出前两名的约会对象。我有一个名为“测试”的excel表格，我正在连接到使用熊猫。以下是该列的数据：
date_col
1/1/2018
2/1/2018
2/1/2018
2/1/2018
1/1/2018
1/1/2018
1/1/2018
2/1/2018
2/1/2018
2/1/2018
2/1/2018
1/1/2018
1/1/2018
1/1/2018
2/1/2018
2/1/2018
3/1/2018
3/1/2018
但是，当我运行以下代码时：
print(test['date_col'].nlargest
浏览 1提问于2018-02-22得票数 2
回答已采纳
2回答
我在数据类型推断方面遇到了问题，因此我决定手动映射数据类型，但是我发现我无法像预期的那样识别Pandas数据类型。 import pyarrow as pa
import pyarrow.parquet as pq
import pandas as pd
pd_to_pa_dtypes = {"object": pa.string(), "string": pa.string(), "double": pa.float64(),
pd.Int32Dtype(): pa.int32(), "
浏览 30提问于2021-04-30得票数 1
回答已采纳
熊猫的date_range()功能表现出一种奇怪的行为，当开始日期和结束日期之间的时间不匹配，频率设置为数月。
>>> pd.date_range("2020-05-31 22:00:00", "2020-08-29 21:00:00", freq="1M")
DatetimeIndex(['2020-05-31 22:00:00', '2020-06-30 22:00:00'], dtype='datetime64[ns]', freq='M')
在本例中，我预
浏览 0提问于2020-08-26得票数 0
回答已采纳
3回答
我正在尝试从日期时间数组中获取月份的第一天，即将所有日期更改为1，将所有小时更改为0。
import pandas as pd
z1 = [datetime(2025, 10, 1, 3, 0),datetime(2025, 1, 6, 7, 0)]
pd.DatetimeIndex(z1).normalize()
DatetimeIndex(['2025-10-01', '2025-01-06'], dtype='datetime64[ns]', freq=None)
我希望能实现
DatetimeIndex(['2025-10-01&
浏览 3提问于2016-07-17得票数 2
回答已采纳
我试图指定我想要评估csv数据的时间框架。
我认为使用datetime64将输入的日期转换为numpy.datetime64可以解决这个问题，但datetime64[ns, UTC]似乎是另一种格式。
这就是我尝试过的，我得到了上面的错误：dtype=datetime64[ns, UTC]和datetime64之间的无效比较。
如何将dtype转换为datetime64[ns UTC]或相反的方式？
这是代码：
df = pd.read_csv('/Users/youruser/Desktop/0b13c0f751243fda1229b7601db2c51c.csv', nam
浏览 9提问于2022-02-09得票数 0
我正在Python pandas上进行两个csv文件的比较，但是在有5个日期列的csv文件中，我已经在read_csv方法中使用了parse_ date =' dateofbirth '，'lastupdates'，'dateofjoin'，'dateofresign，'endoftrade‘，但它只解析出生日期，而不是csv文件中的所有列。
代码：
csv_pandas=pd.read_csv("path of the csv file",parse_date=['dateofbirth',
浏览 1提问于2021-07-14得票数 1
3回答
dRan1 = pd.date_range(start ='1-15-2018',
end ='8-1-2018', freq ='M')
上面的代码生成以下序列：
DatetimeIndex(['2018-01-31', '2018-02-28', '2018-03-31', '2018-04-30',
'2018-05-31', '2018-06-30', '2018-07-31'
浏览 0提问于2019-09-11得票数 2
我从我的django应用程序中提取了一些日期时间数据： data = list(MyModel.object.values_list("date1", "date2"))
# >>>
[
(
None,
datetime.datetime(2020, 4, 9, 15, 43, 59, 433515, tzinfo=<UTC>)
),
(
datetime.datetime(2020, 4, 9, 15, 44, 27, 328075, tzinfo=<UTC>),
date
浏览 8提问于2021-08-24得票数 0
假设我有一个datetimeindex。(在本例中，我手动设置了日期范围，但实际上，有很多日期索引，并且我不能手动指定开始日期。)
date_idx = pd.DatetimeIndex(pd.date_range("2000-1-1",periods=3))
DatetimeIndex(['2000-01-01', '2000-01-02', '2000-01-03'], dtype='datetime64[ns]', freq='D')
我想将索引扩展到3天前，如下所示。
DatetimeI
浏览 6提问于2018-02-22得票数 2
回答已采纳
2回答
我想提到一个日期(例如，2016-10-27)和一个持续时间(例如，5天)，我希望从最古老的一天开始，从过去的5天开始。
示例：2016-10-22 2016-10-23 2016-10-24 2016-10-25 2016-10-26
我试过这个
pd.date_range('2016-10-27', freq='D', periods=5)[::-1]
但这给了我错误的和相反的秩序。
DatetimeIndex(['2016-10-31', '2016-10-30', '2016-10-29', '20
浏览 3提问于2017-08-17得票数 4
回答已采纳
我有一堆数据，如下所示，我只需要2019年的条目。 +----------+
| Date |
+----------+
| 20190329 |
| 20180331 |
| 20190331 |
| 20180331 |
| 20190401 |
+----------+ 日期类型为datetime64[ns]。我在检查类型之前尝试了df = df[df['Date'].str.contains('2019')]，它给出了AttributeError: Can only use .str accessor with string values, w
浏览 15提问于2019-06-05得票数 1
回答已采纳
1回答
我的数据格式中有一列：
2013-01-25 00:00:00+00:00
非空datetime64ns
我想把它转换成日常格式，如：
2013-01-25
我尝试过这种方法，但一直收到一个错误：
df['date_column'].date()
AttributeError：“串联”对象没有属性“日期”
错误消息对我来说并不十分清楚，因为根据df.info()，对象应该是一个datetime对象。
有人能提出如何做到这一点的方法吗？
浏览 0提问于2019-07-08得票数 1
回答已采纳
创建dataframe子集并将datetime列更改为1天bt，而不是以秒为单位递增。为每个值显示一个值。下面是我编写的代码：
st= Timestamp('2018-06-18 07:59:20')
startDate = st
for labour in range(2):
for trip in range(np.random.randint(5,7)):
# np.random.seed(42)
temp_df = redf[:3000].copy()
temp_df['labor_id'] =
浏览 1提问于2022-11-15得票数 0
回答已采纳
1回答
在熊猫中，我试图每个月使用data_range函数在给定的日期范围之间获取数据。但是，如果我将结束日期设置为一个月的最后一个日期，它将为我多返回一个月。我怎么才能解决这个问题？
[In]: pd.date_range(*(pd.to_datetime(['01/01/2020', '03/30/2020']) + pd.offsets.MonthEnd()), freq='M')
这没有问题：
[Out]: DatetimeIndex(['2020-01-31', '2020-02-29', '2020-0
浏览 3提问于2020-10-22得票数 0
回答已采纳
我有一个每日的netcdf数据，其中包含一个点数据单拉特和隆。var.shape的形状是('time', 'z')，这里z是海洋中的深度。我想选择和绘制在指定的日期范围内(2019-01-01至2020-12-31)和深度范围(100至1500)的变幅。我知道如何选择深度范围，但不能做同样的时间。我如何选择一个时间范围？
我尝试了以下代码，但是时间索引在这里不起作用
import warnings
warnings.filterwarnings('ignore')
import os
import numpy as np
import xarr
浏览 3提问于2022-06-22得票数 0
1回答
我有一个dataframe，每个30 minutes都有meteorological数据。对于我的datetime索引，我需要用timestamps创建一个列，但它必须是decimal格式的。示例如下：
In [134]: df.index[0:3]
Out[134]:
DatetimeIndex(['2016-01-01 00:30:00', '2016-01-01 01:00:00',
'2016-01-01 01:30:00'],
dtype='datetime64[ns]
浏览 15提问于2018-02-27得票数 5
回答已采纳
1回答
我想生成基于任意两个日期的日期范围。例如： start_date = "2021-01-15"
end_date = "2021-04-15"
pd.date_range(start_date, end_date, freq="M") 这将导致DatetimeIndex(['2021-01-31', '2021-02-28', '2021-03-31'], dtype='datetime64[ns]', freq='M')。 我想更新这个，以获得所有月份，包括那些在
浏览 2提问于2021-07-09得票数 1
回答已采纳
1回答
我有一个dateframe，它有一个名为" date“的列，其中包含格式为:年、月、日的日期。一些月份和日期是零值，这意味着这些日期是无效的，所以我需要用NaT (而不是时间)替换这些值的数据。我尝试了以下方法： df"date“= df"date".replace(0，np.nan)，也尝试了: df"date”= df"date".replace({'0':np.nan，0:np.nan})也尝试: df"date“= df"date".replace('0'，0，np.nan
浏览 26提问于2020-07-23得票数 3
我不确定这是否是预期的行为，但下面是一个示例dataframe。
df = pd.DataFrame([['2020-01-01','2020-06-30','A'],
['2020-07-01','2020-12-31','B']],
columns = ['start_date', 'end_date', 'field1'])
在升级到1.3.4版本之前，我相信
浏览 1提问于2021-11-14得票数 0
回答已采纳
2回答
我想对一系列的日期进行3个月的补偿。
示例输入
0 2001-01-03
1 2000-07-08
2 2004-12-30
dtype: datetime64[ns]
示例输出
0 1 2 3 4
0 2001-01-31 2001-04-30 2001-07-31 2001-10-31 2002-01-31
1 2000-07-31 2000-10-31 2001-01-31 2001-04-30 2001-07-31
2 2004-12-31 2005-03-31 2005-06-3
浏览 7提问于2022-04-26得票数 0
我的DataFrame中有一列是dtype: datetime64ns，UTC。当我在该列中添加带有None或NaT的行时，该列的dtype将更改为“object”。这种情况不会发生在dtype: datetime64ns的列中。
下面是一个演示：
# Test pandas with datetime columns
import pandas as pd
from datetime import datetime, timezone
df = pd.DataFrame([{'D': datetime.utcnow()}])
df_wtz = pd.DataFrame([{&
浏览 1提问于2019-08-13得票数 0
回答已采纳
我需要在pandas中将dataframe colmun转换为datetime。但是，它的数据类型并不是我所期望的。
>>> df = pd.DataFrame(['2009-11-27'], columns = ['my_col'])
>>> df.dtypes['my_col']
dtype('O')
>>> pd.to_datetime(df['my_col'], format='%Y-%m-%d', errors = 'coer
浏览 2提问于2019-04-17得票数 0
3回答
在面对NaT时，我正在尝试取两个包含datetime64数据的Pandas Series对象的最小值和最大值。如果数据类型是float64，那么np.minimum和np.maximum的工作方式就是我想要的。也就是说，一旦比较中的任何元素为NaN，该比较的结果就是NaN。例如：
>>> s1
0 0.0
1 1.8
2 3.6
3 5.4
dtype: float64
>>> s2
0 10.0
1 17.0
2 NaN
3 14.0
dtype: float64
>>> np.maxim
浏览 0提问于2018-11-03得票数 4
我正在将日期时间格式的数据导出到csv。当我将其导入回时，我需要能够在没有任何列名或列号引用的情况下以日期形式读取数据。
看起来Pandas read_csv有自动将日期解析为日期时间格式的选项，但在这里似乎不起作用。
# Create date data
df_list = [['2014-01-01','2014-02-01'],['2015-01-01','2015-02-01']]
df = pd.DataFrame(df_list,columns=['date1','date2'])
#
浏览 4提问于2016-01-05得票数 7
回答已采纳
我有这样的数据：
import pandas as pd
import sqlalchemy
con = sqlalchemy.create_engine('....')
df=pd.DataFrame({'user_id':[1,2,3],'start_date':pd.Series(['2022-05-01 00:00:00','2022-05-10 00:00:00','2022-05-20 00:00:00'],dtype='datetime64[ns]'),
浏览 3提问于2022-09-09得票数 0
有谁能解释为什么在Pandas (0.18.0)中这一结果为真：
>>> import pandas as pd
>>> pd.DatetimeIndex(['1971-10-01'], dtype='datetime64[ns]',
freq=None).equals(pd.Index([u'100171'], dtype='object'))
True
这些索引对象具有不同的元素和不同的dtype。通过什么机制他们是一样的？
(我看到1971-10-01年的日期可以用mm
浏览 3提问于2016-05-25得票数 2
回答已采纳
我试图为参数freq在pandas.date_range中寻找一个解决方案。我已经看到默认值是D，它是用于每日的。所以，我想几分钟内可以使用M。但我有每月的输出数据。
我已经看过了文档中的示例，但是我看不到任何与分分钟date_range相关的内容。见以下内容：
>>> pd.date_range(start='1/1/2018', periods=5, freq='M')
DatetimeIndex(['2018-01-31', '2018-02-28', '2018-03-31', '
浏览 0提问于2018-07-13得票数 0
回答已采纳
我有两个问题，我相信两者都是发布到日期格式。
我有一个有日期和值的cvs：
2012-01-03 00:00:00 95812
2012-01-04 00:00:00 101265
...
2016-10-21 00:00:00 93594
在用read_csv加载它之后，我尝试用以下方法解析日期：
X.Dated = pd.to_datetime(X.Dated, format='%Y-%m-%d %H:%M:%S', errors='raise')
我也尝试过：
dateparse = lambda x: pd.dateti
浏览 2提问于2016-10-24得票数 1
回答已采纳
我有MS格式的数据上传。
该文件有一个列，其日期为"dd.mm.yyyy 00:00:00“格式。用代码读取文件：
df = pd.read_excel('data_from_db.xlsx')
我收到一个框架，其中dates列具有"object“类型。此外，我还通过命令将该列转换为日期格式：
df['Date_Column'] = pd.to_datetime(df['Date_Column'])
这给了我"datetime64ns“的类型。
但是，这个命令每次都不能正常工作。我遇到了一排排混乱的数据：
行格式为&#
浏览 1提问于2018-11-20得票数 1
我试图将列类型从object更改为datetime64，但希望它只显示小时:分钟形式的时间。
该列是格式为13:45:00的字符串。当我将数据类型更改为datetime64时，它现在会打印带有虚构日期(1900-01-01 13:45:00)的数据。
我希望列数据类型为datetime64类型(以便稍后可以进行比较和操作)，但只希望它以小时:分钟格式显示时间，不带秒和日期。示例- 13:45
我在谷歌中找到的所有东西都是关于显示和维护datetime64数据类型的日期，这是我能够做到的。
我已尝试处理pd.to_datetime().dt.strftime('%H:%M')。它
浏览 426提问于2019-04-08得票数 2
我从一些随机的日期创建了一个系列
import pandas as pd
from datetime import datetime
pd.Series([datetime(2012, 8, 1), datetime(2013, 4, 1), datetime(2013, 8, 1)])
Out[49]:
0 2012-08-01
1 2013-04-01
2 2013-08-01
dtype: datetime64[ns]
但是，如果我使用datetime.max创建一个序列，那么该序列的数据类型突然变成了一个对象
pd.Series([datetime(2012, 8, 1
浏览 12提问于2017-08-27得票数 2
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
云直播
即时通信 IM活动推荐
腾讯云开发者
