请教大神 python可以批量进行时间序列分析吗 [问题点数:50分]

Bbs1
本版专家分:0
结帖率 0%
Bbs1
本版专家分:15
x13as.exe时间序列季节调整
<em>python</em><em>进行</em><em>时间序列分析</em>的x13季节调整时,必定要用到的exe文件x13as.exe
时间序列的几种平滑方法及Python实现与Python库
目录 Python中已有的轮子: 参考文献: 概念解释: Python中已有的轮子: 这是Python库:http://www.statsmodels.org/stable/index.html,<em>可以</em>通过Table of Contents查看自己需要的内容。其中,指数平滑所处的位置如下: 这边先占个坑,等论文写完了,再针对时间序列写系列博客。 参考文献: JASON<em>大神</em>...
Excel在统计分析中的应用—第十三章—时间序列分析-季节变动的测定(季节虚拟变量回归法)
这个例子也比较有意思,使用了11个虚拟变量<em>进行</em>多元回归。 除了采用趋势消除法获得季节比率对趋势值<em>进行</em>调整外,还<em>可以</em>采用设置虚拟变量<em>进行</em>回归,获得包含季节变动因素的回归方程。 添加虚拟变量<em>进行</em>回归是研究经济问题中经常采用的方法,虚拟变量有称为变量,是一个值为0或1的变量,如果该虚拟变量对应的事件发生,则变量值为1,否则,改变量值为0。添加虚拟变量后,如果该变量的系数显著,则说明该虚拟变量代表
时间序列--去除季节性因素
时间序列数据集<em>可以</em>包含季节性成分。这是一个随时间重复的周期,如每月或每年。这种重复的循环可能会模糊我们在预测时希望建模的信号,从而可能为我们的预测模型提供一个强大的信号。 <em>可以</em>看出有很强的季节性成分 第一个方法:差分 用上一年的数据剪去这一年的数据 from pandas import Series from matplotlib import pyplot series = Ser...
利用 Python 进行时间序列分析
<em>时间序列分析</em>在数据挖掘与统计分析中具有举足轻重的地位,它帮助人们从已有的时间序列数据中挖掘规律、预测未知,尤其是在金融量化分析领域,这绝对是不可不提、不可不用的利器,他是一切模型和策略的构建基础。 在 Python 中,时间序列通常使用 0 Pandas 中的 Series 或 Dataframe 结构来表示,与一般数值型的 Series 或 Dataframe 结构本质上是一样的,但是有一个重要...
python进行时间序列分析(一)
<em>时间序列分析</em>相关概念一、用<em>python</em>生成时间序列1.几种常见的时间序列2.data_range()函数—创建时间序列3.truncate()过滤函数4.时间戳<em>可以</em>转化为时间周期二、数据重采样三、pandas滑动窗口1.制作pandas滑动窗口2.数据可视化四、数据平稳性与差分法1.平稳性2.差分法五、ARIMA模型1.ARIMA(p,d,q)模型 一、用<em>python</em>生成时间序列 首先,需要导入p...
如何使用python进行时间序列分析
n 运用实际案例讲解如何使用Python编程的方式<em>进行</em><em>时间序列分析</em>,包括:nnn n 自回归移动平均(ARMA)建模方法n n n 自回归差分移动平均(ARiMA)建模方法n n n 时间序列分解方法(趋势与季节性分析)n n n 授课内容简洁明了,突出重点,强调实用性。n n
Python时间序列分析
什么是时间序列 时间序列简单的说就是各时间点上形成的数值序列,<em>时间序列分析</em>就是通过观察历史数据预测未来的值。在这里需要强调一点的是,<em>时间序列分析</em>并不是关于时间的回归,它主要是研究自身的变化规律的(这里不考虑含外生变量的时间序列)。
季节趋势分解
w x    #必须转化为时间序列格式 (1)用stl函数直接做季节分解 bstl plot(bstl) (2)用HoltWinters函数做指数平滑或季节分解(这里趋势和水平结合起来相当于stl中的趋势项) (b Holt-Winters exponential smoothing with trend and additive seasonal component. Call: Holt
X12季节调整在matlab上的实现
原理 http://www.haoedb.com/?p=133 数据集 中国2004年1月-2014年12月旅游外汇收入数据,单位:亿美元。 matlab代码 需要x12季节调整matlab代码请根据文章最后面的信息联系我。 运行结果     备注:承接模型代码实现(支持<em>python</em>、matlab、excel vba),有意请联系QQ947943645 ,非诚勿扰...
时间序列季节调整与PBC版X-12-ARIMA方法(软件)介绍
这个文档对于接触<em>时间序列分析</em>的人还是很有有用的,<em>可以</em>先了解一下!
时间序列分析笔记(待整理)
时间序列有三种基本模式:平稳性 / 随机性(Stationarity):当数据没有明显的模式特征的话,我们认为它是平稳的,Y值在一个范围内随着时间上下浮动。趋势性(Trend):当Y值在一段时间内随着时间有明显的向上或者向下的趋势的时候,我们认为有趋势性。季节性(Seasonarity):当Y值在某个固定的时间内,有明显的波动,我们认为存在季节性。举个例子,降雨量大的时间通常在春夏两季,而在秋冬两...
时间序列预测全攻略(附带Python代码)
http://www.36dsj.com/archives/44065 介绍 时间序列(简称TS)被认为是分析领域比较少人知道的技能。(我也是几天前才知道它)。但是你一定知道最近的小型编程马拉松就是基于时间序列发展起来的,我参加了这项活动去学习了解决时间序列问题的基本步骤,在这儿我要分享给大家。这绝对能帮助你在编程马拉松中获得一个合适的模型。 文章之前,我极力推荐大家
python 时间序列分析
import os import tensorflow as tf from PIL import Image import matplotlib.pyplot as plt import numpy as np import csv import pandas as pd 取数据 增加时间序列 filename3=pd.read_csv(“D:/Users/Ljx/Pycharm...
python利用LSTM进行时间序列分析预测
关键词:<em>python</em>、Keras、LSTM、Time-Series-Prediction      关于理论部分,<em>可以</em>参考这两篇文章(RNN、LSTM),本文主要从数据、代码角度,利用LSTM<em>进行</em>时间序列预测。(1)原始时间序列数据(只列出了18行)1455.219971 1399.420044 1402.109985 1403.449951 1441.469971 1457.599976 14
spss进行时间序列分析
导入因变量 这里一预测人口数量为例,<em>可以</em>直接导进excel也可直接输入,这里只以少量数据举例。 输入年份 打开spss,菜单栏中找到数据—&gt;定义日期和时间 假设我们导入的时间为2012-2017,因为只用到年份,所以选择个案年,输入2012 设置完成后的表格就变成了时间序列: <em>进行</em>时间序列预测 点击分析—&gt;时间序列预测—&gt;创建传统模型 将人口数量导入因变量,年份导入自变...
R语言进行时间序列分析
利用R语言对化学浓度读数数据<em>进行</em><em>时间序列分析</em>,建立了ARMA模型。附有全部代码以及相关数据集。
python 可以与C语言进行混合编程吗?
最近用<em>python</em>在做一个图像识别项目,用<em>python</em>实现了,但是性能非常低,想用C语言对部分模块<em>进行</em>改写,是用C语言编译成模块么? <em>python</em><em>可以</em>和C与汇编一样<em>进行</em>混合编程不?
python时间序列按频率生成日期
有时候我们的数据是按某个频率收集的,比如每日、每月、每15分钟,那么我们怎么产生对应频率的索引呢?pandas中的date_range可用于生成指定长度的DatetimeIndex。 我们先看一下怎么生成日期范围:pd.date_range(startdate,enddate) 1.生成指定开始日期和结束日期的时间范围: In:import pandas as pd index = pd.dat...
Python手册(Machine Learning)--statsmodels(TimeSeries)
TimeSeries时间序列 Python手册(Machine Learning)–statsmodels(Quickstart) Python手册(Machine Learning)–statsmodels(Regression) Python手册(Machine Learning)–statsmodels(TimeSeries) Python手册(Machine Learning)–stat...
27、python时间序列预测(ARIMA模型案例代码)
目录 1、模型识别 01 主要的模型 02 截尾和拖尾 03 如何判断拖尾和截尾 2、时间序列算法公式 3、详细步骤 01 平稳性检验(adf检验) 02 对数据<em>进行</em>差分构造平稳序列 03 平稳性监测 04 白噪声检验 05 定阶 06 模型预测 4、案例代码 1、模型识别 01 主要的模型 AR(P)模型(Autoregressive Model)     自回...
基于Python3 使用ARIMA进行时间序列预测
引言:    在本文章中,我们将提供可靠的时间序列预测。我们将首先介绍和讨论自相关,平稳性和季节性的概念,并继续应用最常用的时间序列预测方法之一,称为ARIMA。 简介:     时间序列提供了预测未来价值的机会。 基于以前的价值观,<em>可以</em>使用时间序列来预测经济,天气和能力规划的趋势,其中仅举几例。 时间序列数据的具体属性意味着通常需要专门的统计方法。 在本教程中,我们将针对时间序列产生可靠...
如何将数据转换为时间序列数据
如何将数据转换为时间序列数据       生活中股票、金融等数据是随着时间的变化的序列数据。这些数据是根据预定义的变量并在固定的间隔时间采集的。时间序列数据最主要的特征就是其顺序是非常关键的。        为了对这些数据<em>进行</em>分析和可视化,方法主要如下:       (1)加载数据:读取文本或者其他格式数据,本例中用到一个包含4列的文本文件,其中第一列表示年,第二列表示月,第三列和第四列表示数据,...
时间序列分析 时间序列分析时间序列分析
<em>时间序列分析</em>,内容不完整,请见谅。。<em>时间序列分析</em>
时间序列分析之ARIMA上手-Python
概念时间序列 时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。<em>时间序列分析</em>的主要目的是根据已有的历史数据对未来<em>进行</em>预测。 <em>时间序列分析</em> <em>时间序列分析</em>是根据系统观察得到的时间序列数据,通过曲线拟合和参数估计来建立数学模型的理论和方法。<em>时间序列分析</em>常用于国民宏观经济控制、市场潜力预测、气象预测、农作物害虫灾害预报等各个方面。 组成要素构成要素:长期趋势,季节
Python数据分析与机器学习-Python时间序列分析
源码下载地址: http://download.csdn.net/download/adam_zs/10224873 from __future__ import absolute_import, division, print_function # http://www.lfd.uci.edu/~gohlke/<em>python</em>libs/#xgboost import sys im
时间序列分析 时间序列分析
<em>时间序列分析</em> <em>时间序列分析</em> <em>时间序列分析</em> <em>时间序列分析</em> <em>时间序列分析</em>
[python] 时间序列分析之ARIMA
时间序列建模基本步骤 1. 获取被观测系统时间序列数据; 2. 对数据绘图,观测是否为平稳时间序列;对于非平稳时间序列要先<em>进行</em>**d阶差分运算**,化为平稳时间序列; 3. 经过第二步处理,已经得到平稳时间序列。要对平稳时间序列分别求得其**自相关系数ACF** 和**偏自相关系数PACF** ,通过对自相关图和偏自相关图的分析,得到最佳的**阶层 p **和**阶数 q** 4. 由以上得到的$d、q、
如何使用 Python 进行时间序列预测?
建立基线对于任何时间序列预测问题都是至关重要的。 性能基准让您了解所有其他模型如何在您的问题上实际执行。 在本教程中,您将了解如何开发持久性预测,以便用Python计算时间序列数据集的性能基准级别。 完成本教程后,您将知道:Python学习交流群:1004391443 计算时间序列预测问题的性能基线的重要性。 如何在Python中从头开发一个持久化模型。 如何评估来自持久性模型的预测,...
怎样通过历史数据预测未来?
很多人或许都看过火影忍者,你是否对蛤蟆丸口中的预言之子感到很神奇,这个老蛤蟆预言了很多事情,他在梦里<em>可以</em>预见未来。如果我们在现实生活中也能预测未来该有多好,每天坐等买彩票就<em>可以</em>致富了(笑醒)。当然彩票因为其随机性,肯定是不能预测的,不过有些事情倒是<em>可以</em>预测,只是现有的技术还做不到百分百正确。那么哪些事情是<em>可以</em>预测的呢,比如预测天气、预测股票,预测世界杯或NBA,预测疾病,事故,公司明年的销量,未来...
如何根据现有数据对未来数据进行预测和分析?
rt
python数据分析:携程出行产品预测未来14个月销量
数据挖掘入门与实战 公众号: datadw 原文:https://www.kesci.com/apps/home/#!/forum/postdetail/59194c685d9f204ee315ed90 回复公众号“携程预测”获取本文数据分析<em>python</em>源码. 调查发现,在出行产品业务中,不同区域的产品需求量级不一样,不同时段需求量会有高低起伏,相同区域相同时段各产品的需求量因产品特性不同又...
(Python)时序预测的七种方法
云栖君导读:大多数人都听说过关于Cryptocurrency,许多人也许会投资他们的加密货币。但是,投资这种不稳定的货币安全吗?怎样才能确保现投资这些硬币未来一定能带来稳定的收益呢?我们不能确定,但肯定能根据以前的价格产生一个近似值。时序模型是预测的一种方法。除了加密货币,还有许多重要的应用时序预测的领域,例如:销售预测,呼叫中心的通话量,太阳的活动,海潮,股市行为等等。目录:理解问题描述和数据集
python时间序列分析常用函数
http://quant.10jqka.com.cn/platform/html/article.html#id/87141839/q/mindgo_59547376_312
Python时间序列分析视频教程
rn rnrnrn rn 20周年限定:唐宇迪老师一卡通!可学唐宇迪博士全部课程,仅售799元(原价10374元),还送漫威正版授权机械键盘+CSDN 20周年限量版T恤+智能编程助手!rn rn rn 点此链接购买:rn rn rn rn rn rn https://edu.csdn.net/topic/teachercard?utm_source=jsk20xqyrnrn rn rn rn rn&nbsp;rnrn购买课程后,可扫码进入学习群,获取唐宇迪老师答疑rnrn rnrnrn Python<em>时间序列分析</em>视频培训教程,该课程以Python为核心工具,使用Pandas库<em>进行</em>时间序列的预处理与分析。详解时间序列中常用模型ARIMA原理以及其参数选择。对时间序列平稳性以及模型评估方法展开分析讨论,基于真实数据集<em>进行</em>时间序列建模与分析实战!rn
使用R语言进行时间序列分析
一、时间序列的定义 时间序列是将统一统计值按照时间发生的先后顺序来<em>进行</em>排列,<em>时间序列分析</em>的主要目的是根据已有数据对未来<em>进行</em>预测。一个稳定的时间序列中常常包含两个部分,那么就是:有规律的时间序列+噪声。所以,在以下的方法中,主要的目的就是去过滤噪声值,让我们的时间序列更加的有分析意义。二、时间序列的预处理1、平稳性检验:拿到一个时间序列之后,我们首先要对其稳定性<em>进行</em>判断,只有非白噪声的稳定性时间序列...
请教,哪位大神可以帮帮忙
-
根据历史销售数据如何预测 未来几个月的销售数据
根据历史销售数据如何预测 未来几个月的销售数据 比如:知道 1,2,3,4 月份 A,B,C,D的销售数据,如何预测 5月份的销售数据
时间序列数据聚类方法python代码(k-means)
时间序列数据聚类方法<em>python</em>代码(k-means) import numpy import matplotlib.pyplot as plt from tslearn.clustering import TimeSeriesKMeans from tslearn.datasets import CachedDatasets from tslearn.preprocessi...
kmeans++ python 对时间序列聚类/pandas列索引
estimator =KMeans(n_clusters=3,init = 'kmeans++') #构造一个聚类数为5的聚类器,初始质心选取方式改为kmeans++ estimator.fit(data1) #聚类 label_pred = estimator.labels_ #获取聚类标签 centroids = estimator.cluster_centers_ #获取聚类中心 ...
python数据分析和数据挖掘》——时间序列分析学习笔记
<em>时间序列分析</em> 给定一个已被观测了的时间序列,预测该序列的的未来值。 重点介绍AR模型、MA模型、ARMA模型和ARIMA模型 1、时间序列的预处理 拿到一个观察值序列后,首先要对它的纯随机性和平稳性<em>进行</em>检验,称之为预处理。在此区别纯随机序列、平稳非白噪声序列、非平稳序列。 纯随机序列(白噪声序列),序列的各项之间没有任何相关关系,序列有着完全无序的随机波动,<em>可以</em>终止对该序列的分析。白...
Python可以多继承吗??
继承面向对象的编程带来的主要好处之一是代码的重用,实现这种重用的方法之一是通过继承机制。继承完全<em>可以</em>理解成类之间的父与子的关系。
时间序列分析
<em>时间序列分析</em>,arma等,各种自回归模型。mckinney_time_series.pdf
python时间序列分析
<em>时间序列分析</em>之ARIMA上手-Python          
通俗易懂看时间序列,大神是怎么在python中使用它的?
http://blog.itpub.net/31509949/viewspace-2199388/   作者:Arnaud Zinflou 时间序列是日常生活中遇到的最常见的数据类型之一。股票价格、销售数据、气候数据、能源使用、甚至个人体重都是<em>可以</em>定期收集的数据。几乎每个数据科学家都会在工作中遇到时间序列,能够有效地处理这些数据是数据科学工具箱中的一项重要技能。   本文简要介绍了如...
时间序列分析 - python实现
<em>python</em>的statsmodels模块(http://www.statsmodels.org/dev/tsa.html)提供了<em>时间序列分析</em>相关的内容: acf() 计算自相关 statsmodels.tsa.stattools.acf plt_acf() 画自相关系数 statsmodels.graphic...
三、用python实现平稳时间序列的建模
一、平稳序列建模步骤     假如某个观察值序列通过序列预处理<em>可以</em>判定为平稳非白噪声序列,就<em>可以</em>利用ARMA模型对该序列<em>进行</em>建模。建模的基本步骤如下: (1)求出该观察值序列的样本自相关系数(ACF)和样本偏自相关系数(PACF)的值。 (2)根据样本自相关系数和偏自相关系数的性质,选择适当的ARMA(p,q)模型<em>进行</em>拟合。 (3)估计模型中位置参数的值。 (4)检验模型的有效性。如果模...
python数据分析:时间序列分析(Time series analysis)
何为<em>时间序列分析</em>: 时间序列经常通过折线图绘制。时间序列用于统计,信号处理,模式识别,计量经济学,数学金融,天气预报,地震预测,脑电图,控制工程,天文学,通信工程,以及主要涉及时间测量的任何应用科学和工程领域。 <em>时间序列分析</em>包括用于分析时间序列数据的方法,以便提取有意义的统计数据和数据的其他特征。时间序列预测是使用模型根据先前观察到的值预测未来值。虽然回归分析通常采用的方式是测试理论,即一个或多个...
python 实现时间序列预测
采用<em>python</em><em>进行</em>简易的时间序列预测流程 这篇文章主要作为自己的学习笔记,温习一下采用Python<em>进行</em>时间序列预测的一般步骤。 时间序列可视化——&amp;amp;gt;序列平稳——&amp;amp;gt;acf,pacf寻找最优参——&amp;amp;gt;建立模型——&amp;amp;gt;模型检验——&amp;amp;gt;模型预测 涉及到的工具包如下: 代码块语法遵循标准markdown代码,例如: # -*- coding:utf-8 -*- impor...
[python] 时间序列分析-ARIMA
前言:我用的是<em>python</em>3.6版本。这篇博客参考了以下两篇博文,根据自己的理解重新整合,稍作修改代码,希望能够帮到大家。如果在过程中发现错误或者有更好的方式实现,欢迎大家发表评论。        参考1:   https://blog.csdn.net/u010414589/article/details/49622625        参考2:   https://blog.csdn.net/...
Python时间序列数据分析--以示例说明
本文的内容主要来源于博客:本人做了适当的注释和补充。https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-<em>python</em>/ 英文不错的读者<em>可以</em>前去阅读原文。在阅读本文之前 ,推荐先阅读:http://www.cnblogs.com/bradleon/p/6827109.html导读本文主要分为四个部分:用...
Python时间序列分析--从线性模型到GARCH模型
四级渣渣看个英文文章简直就是自虐,一天只能看一点,还只能看个半懂。唉,写下来以后慢慢理解改正吧。目录一、Motivation 二、基础知识 1.平稳性 2.序列相关(自相关) 3.为什么我们关心序列相关性? 三、白噪声和随机游动 四、线性模型 五、对数线性模型 六、AR模型(P) 七、移动平均模型MA(q) 八、自回归滑动平均模型ARMA(p,
python--时间序列预测(time series prediction)
题外话:前段时间做了一点时间序列预测,积累了一点经验,写出来与大家分享一下。能力有限,若是有错误,请指正。本文理论内容不会特别多。 1.时间序列预测 时间序列预测,主要就是依靠过去和现在的数据,分析两者之间的关系,然后利用得到的这个关系去预测未来的数据。现在主要运用在股票和人口等的预测上。个人觉得时间序列预测与其他预测不同的,通常时间序列预测只有1维数据,所以很多机器学习方法不能直接使用。 ...
利用python进行数据分析-时间序列3
1.时期的频率转换 Period和PeriodIndex对象都<em>可以</em>通过其asfreq方法被转换成别的频率。假设我们有一个年度时期,希望将其转换为当年年初或年末的一个月度时期 p=pd.Period('2007',freq='A-DEC') print p.asfreq('M',how='start') print p.asfreq('M',how='end') 结果为: 2007-01
Python_Statsmodels包_时间序列分析_ARIMA模型
基础库: pandas,numpy,scipy,matplotlib,statsmodels : from __future__ import print_function import pandas as pd import numpy as np from scipy import  stats import matplotlib.pyplot as plt import stat
《利用python做数据分析》第十章:时间序列分析
import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline //anaconda/lib/<em>python</em>2.7/site-packages/matplotlib/font_manager.py:273: UserWarning: Matplotlib is building
pandas小记:pandas时间序列分析和处理Timeseries
http://blog.csdn.net/pipisorry/article/details/52209377pandas 最基本的时间序列类型就是以时间戳(TimeStamp)为 index 元素的 Series 类型。其它时间序列处理相关的包[P4J 0.6: Periodic light curve analysis tools based on Information Theory][p4
如何根据4月至7月的数据,用xgboost的回归来预测8月的数据?
-
用XGBoost做时间序列预测—forecastxgb包
文章来源:https://zhuanlan.zhihu.com/p/24236567 注:复制的文档中,图片没能复制过来,如需了解详情,请看原文。 作为forecast包与xgboost包的重度依赖者,最近看到整合两家之长的forecastxgb包甚是兴奋,便忍不住翻译forecastxgb包的一些时间序列预测例子与大家交流。 一.安装 目前forecastxgb包还在
R+python︱XGBoost极端梯度上升以及forecastxgb(预测)+xgboost(回归)双案例解读
            XGBoost不仅仅<em>可以</em>用来做分类还<em>可以</em>做时间序列方面的预测,而且已经有人做的很好,<em>可以</em>见最后的案例。           应用一:XGBoost用来做预测       ——————————————————————————————————————————————————   一、XGBoost来历     xgboost的全称是eXtreme...
XGBoost应用于“时间序列预测问题”实战与疑问(包含dump model的booster分析)
XGboost疑问使用源码疑问池 使用源码 https://github.com/Jenniferz28/Time-Series-ARIMA-XGBOOST-RNN 感谢作者。 疑问池 XGBoost中确定特征重要性的方法? 代码中用dump model切分森林<em>可以</em>得到如下形式: 有几个问题: 1 其中的切分依据是什么? 2 leaf计算出来的是什么? 3 为什么没显示全部特征,显示的...
时间序列分析论文时间序列分析论文
<em>可以</em>很好的认识什么是<em>时间序列分析</em>和数据挖掘,对我们有很大帮助。
时间序列分析 非常不错 时间序列分析
<em>时间序列分析</em><em>时间序列分析</em><em>时间序列分析</em> <em>时间序列分析</em> <em>时间序列分析</em><em>时间序列分析</em>
iOS 音效音频文件下载
iOS 音效音频文件 tap.aif 相关下载链接:[url=//download.csdn.net/download/yiyaaixuexi/4502321?utm_source=bbsseo]//download.csdn.net/download/yiyaaixuexi/4502321?utm_source=bbsseo[/url]
iPhone开发基础教程.part3.rar下载
人民邮电出版社出版的iPhone开发基础教程 pdf 完整版,分虽高但绝对值得下载,由于完整版文件较大,故分割上传 相关下载链接:[url=//download.csdn.net/download/qcc10701/3401855?utm_source=bbsseo]//download.csdn.net/download/qcc10701/3401855?utm_source=bbsseo[/url]
destopcolor透明的桌面时钟VC++版下载
destopcolor透明的桌面时钟VC++版,源代码.rar 相关下载链接:[url=//download.csdn.net/download/mzgxinhua/4133490?utm_source=bbsseo]//download.csdn.net/download/mzgxinhua/4133490?utm_source=bbsseo[/url]
相关热词 c#异步发送kafka c#窗体编号 c# 操作二进制文件 c# 反射 机制 c#线程 窗体失去响应 c#角度转弧度 c# 解析gps数据 c# vs设置 语法版本 c# json含回车 c#多线程demo
我们是很有底线的