求Python大神指导，一个csv文件，把其中每一列的数据提取出来单独保存为一个csv文件5-土地公问答
求Python大神指导，一个csv文件，把其中每一列的数据提取出来单独保存为一个csv文件5
求Python大神指导，一个csv文件，把其中每一列的数据提取出来单独保存为一个csv文件5
总共21列保存21csv文件
csvComma-Separated Values缩写用文本文件形式储存表格数据比表格：存储csv文件文件内容：No.,Name,Age,Score1,mayi,18,992,jack,21,893,tom,25,954,rain,19,80假设述csv文件保存&test.csv&1.读文件何用Python像操作Excel提取其列即字段利用Python自带csv模块两种实现：第种使用reader函数接收迭代象（比csv文件）能返器其解析csv内容：比面代码读取csv全部内容行单位：#!/usr/bin/python3# -*- conding:utf-8 -*-__author__ = 'mayi'import csv#读with open(&test.csv&, &r&, encoding = &utf-8&) as f:reader = csv.reader(f)rows = [row for row in reader]print(rows)：[['No.', 'Name', 'Age', 'Score'],['1', 'mayi', '18', '99'],['2', 'jack', '21', '89'],['3', 'tom', '25', '95'],['4', 'rain', '19', '80']]要提取其某列用面代码：#!/usr/bin/python3# -*- conding:utf-8 -*-__author__ = 'mayi'import csv#读取第二列内容with open(&test.csv&, &r&, encoding = &utf-8&) as f:reader = csv.reader(f)column = [row[1] for row in reader]print(column)：['Name', 'mayi', 'jack', 'tom', 'rain']注意csv读都str类型种要事先知道列序号比Name第2列能根据'Name'标题查询采用第二种：第二种使用DictReaderreader函数类似接收迭代象能返器返每单元格都放字典值内字典键则单元格标题（即列）用面代码看DictReader结构：# -*- conding:utf-8 -*-__author__ = 'mayi'import csv#读with open(&test.csv&, &r&, encoding = &utf-8&) as f:reader = csv.DictReader(f)column = [row for row in reader]print(column)：[{'No.': '1', 'Age': '18', 'Score': '99', 'Name': 'mayi'},{'No.': '2', 'Age': '21', 'Score': '89', 'Name': 'jack'},{'No.': '3', 'Age': '25', 'Score': '95', 'Name': 'tom'},{'No.': '4', 'Age': '19', 'Score': '80', 'Name': 'rain'}]我想用DictReader读取csv某列用列标题查询：#!/usr/bin/python3# -*- conding:utf-8 -*-__author__ = 'mayi'import csv#读取Name列内容with open(&test.csv&, &r&, encoding = &utf-8&) as f:reader = csv.DictReader(f)column = [row['Name'] for row in reader]print(column)：['mayi', 'jack', 'tom', 'rain']2.写文件读文件我csv文件读入列表写文件列表元素写入csv文件#!/usr/bin/python3# -*- conding:utf-8 -*-__author__ = 'mayi'import csv#写：追加row = ['5', 'hanmeimei', '23', '81']out = open(&test.csv&, &a&, newline = &&)csv_writer = csv.writer(out, dialect = &excel&)csv_writer.writerow(row)：
其它类似问题
其它人正在问的问题CSV文件在Python中的几种处理方式_达内Python培训
400-111-8989
CSV文件在Python中的几种处理方式
时间： 16:06
来源： Python和Office之家
Comma Separated
Values，简称CSV，它是一种以逗号分隔数值的文件类型。在数据库或电子表格中，它是最常见的导入导出格式，它以一种简单而明了的方式存储和共享数据，CSV文件通常以纯文本的方式存储数据表。今天，我将给大家分享在Python中如何操作CSV文件。
一、数据源
首先，我们来看看本次操作的数据源，图1 CSV文件是在Excel中打开的，图2
CSV文件是在Notepad++中打开的，我们在图2中可以看到数值之间是以逗号分隔开的，每行末尾是CR回车符和LF换行符(请注意，以LF结尾，MacOS系统以CR结尾)。
二、使用Python基本语法读写CSV文件
使用基本语法读取CSV文件中的数据大概思路是：获取文件对象，读取表头，按逗号分隔符拆分表头字段，使用for循环语句获取表体记录数据，拆分后再次写入另一张CSV文件中(如果要将数据写入xls*格式的文件中，请参考前期公众号文章)，步骤如下：
Step 1：导入必要模块，获取输入输出文件路径。
import sys
infile = sys.argv[1]
outfile = sys.argv[2]
Step 2：使用open内置函数获取文件对象。
with open(infile, "r", newline='') as fr, open(outfile, "w", newline='') as
3：使用文件对象的readline方法或者迭代器的next方法读取表头(文件对象是一个迭代器对象，支持迭代协议)，使用str.split方法对表头进行拆分(注意，要使用strip函数去掉尾部换行符)。
header = next(fr)
header = header.strip()
header_list = header.split(",")
Step 4：既然表头已经查分好了，我们需要将表头写入文件对象中(注意尾部需要添加一个换行符哦)。
fw.write(",".join(map(str, header_list)) + "\n")
当然，上面的代码也可以这么写：
print(*header_list, sep=",", file=fw)
Step 5：使用for循环读取表体数据，并将其拆分成列表写入到文件中。
for row in fr:
row = row.strip()
row_list = row.split(",")
fw.write(",".join(map(str, header_list)) + "\n")
以上步骤完成后，在命令提示符中输入：
python csvrw.py inputfile.csv outputfile.csv
输入输出csv文件名称以及脚本名称请自定义，以上只是举例说明。
以上代码如下：
三、使用csv模块读写CSV文件
csv模块是Python内置的一个模块，它考虑了csv文件中的各种复杂情况，平时处理文件基本上使用此模块，下面来看看csv模块处理csv文件的方式，其步骤如下：
Step 1：首先，导入必要模块，获取输入输出文件路径。
import sys
import csv
infile = sys.argv[1]
outfile = sys.argv[2]
Step 2：使用open内置函数获取文件对象。
with open(infile, "r", newline='') as incsv, open(outfile, "w", newline='')
as outcsv:
Step 3：使用csv模块中的reader和writer函数分别获取reader和writer对象。
freader = csv.reader(incsv, delimiter=",")
fwriter = csv.writer(outcsv, delimiter=",")
Step 4：使用for循环语句读取和写入数据。
for rowlist in freader:
fwriter.writerow(rowlist)
以上步骤完成后，在命令提示符中输入相应命令即可(请参照&二&)
代码如下：
四、使用pandas读写CSV文件
pandas库是一个强大的数据处理和数据分析库，使用pandas处理csv文件更简单，其步骤如下：
Step 1：首先，导入必要模块，获取输入输出文件路径。
import sys
import pandas as pd
infile = sys.argv[1]
outfile = sys.argv[2]
Step 2：使用pandas的read_csv方法将数据存储到一个DataFrame对象中。
dataframe = pd.read_csv(infile)
Step 3：然后使用DataFrame的to_csv方法将其输出到另一张csv表中。
dataframe.to_csv(outfile, index=False)
以上步骤完成后，在命令提示符中输入相应命令即可(请参照&二&)
代码如下：
本文内容转载自网络，本着传播与分享的原则，来源/作者信息已在文章顶部表明，版权归原作者所有，如有侵权请联系我们进行删除!
在一些大型的科幻片中，常常能看到这样的场景，需要地图的时候，往往不是拿出一张纸，而是出现非常炫酷的3d投影地图，一目了然。在如今，3d技术早已经被人们所熟知，并且熟练地应用。网购鞋子的时候，出现的3d鞋子图片，可以全方位的了解鞋子的样式，还有3D网络广告，3D电影等等。
对于刚开始接触Python的小伙伴来说，没有思路方法，不知道从何开始学习，把软件环境安装好后就不知所措了！接下来我给大家分享下多位大牛倾力打造的python系统学习流程，一个月才设计完的！
现在为Python构建的IDE真的是多的尴尬。IDLE, Komodo, LiClipse, PyCharm, Spyder, and Python Tools这六个产品因为其适用性良好，在一个应用评审中挺进最后一轮，但还有更多值得注意的IDE--有通过复杂的努力为专家提供的一个完整的开发系统，以及适合初学者的项目。
所谓“工欲善其事，必先利其器”，你想杀敌，那么必备一把锋利的剑，你想写好代码，必备的是好的python工具。
Copyright (C)
Tedu.cn All Rights Reserved 京ICP备号-56 版权所有
选择城市和中心
达内北京亦庄大学生实训基地
达内北京网络营销中心
达内北京会计中心我有 8个. csv 文件，其中包含 16列和"n"行，没有标题。 我想解析每个. csv，并获得列 [0, 8 ] [#where column 0 is the value of x, y, z etc and column 8 is always the value of a#] 并将数据放入一个 new.csv.，new.csv 应该有 16列( 2来自每个 input.csv ) 和"n"行。现在，我想从 new.csv 中提取列 [1,3,5,7,9,11,13,15]的平均值，并将它的附加到另一个文件或者这个文件。 基本上，在新的csv中，我希望将列 [8]的平均数组成输入文件和输入文件中的每个列 [0] 。 最终输出的结果应该是 9列和n 行的形状。 示例输入文件：a.csv:
5.42E+05 6.52E+05 2.17E+04 2.73E+04 2.58E+04 2.33E+04 2.81E+04 3.37E+04 1.08E+08 1.10E+08 2.54E+05 3.21E+05 2.99E+05 2.74E+05 3.39E+05 4.07E+05
4.64E+04 1.15E+06 1.96E+04 2.53E+04 2.39E+04 2.37E+04 1.98E+04 2.85E+04 6.18E+05 2.17E+08 2.30E+05 3.02E+05 2.75E+05 2.77E+05 2.33E+05 3.42E+05
4.36E+04 1.13E+06 5.72E+04 2.71E+04 2.77E+04 2.37E+04 2.62E+04 7.35E+04 5.78E+05 2.17E+08 9.26E+05 3.25E+05 3.20E+05 2.72E+05 3.20E+05 1.46E+06
4.32E+04 1.02E+06 1.47E+05 2.63E+04 3.05E+04 2.26E+04 2.89E+04 2.45E+04 5.70E+05 2.15E+08 2.78E+06 3.02E+05 3.58E+05 2.63E+05 3.49E+05 2.87E+05
4.44E+04 7.83E+05 1.58E+05 2.95E+04 2.71E+05 2.71E+04 3.67E+04 2.85E+04 5.86E+05 1.61E+08 2.89E+06 3.48E+05 5.39E+07 3.14E+05 4.49E+05 3.39E+05
1.47E+05 1.02E+06 2.09E+04 2.72E+04 2.66E+04 6.18E+04 3.50E+04 3.00E+04 2.72E+06 2.15E+08 2.46E+05 3.18E+05 3.07E+05 9.91E+05 7.18E+05 3.71E+05
1.81E+05 7.67E+05 1.94E+04 5.05E+04 2.62E+04 4.50E+04 2.92E+04 2.86E+04 3.16E+06 1.61E+08 2.28E+05 4.84E+06 3.10E+05 5.31E+06 3.49E+05 3.58E+05
4.94E+05 1.34E+05 6.99E+04 8.76E+05 5.51E+04 5.27E+04 3.34E+05 1.30E+05 1.35E+07 3.59E+06 1.66E+06 1.64E+08 1.03E+06 1.12E+06 5.56E+07 3.37E+06
4.79E+04 1.38E+05 2.66E+04 1.02E+06 2.85E+04 2.88E+04 2.89E+04 3.26E+04 6.12E+05 2.72E+06 3.21E+05 2.15E+08 3.29E+05 3.39E+05 3.40E+05 4.04E+05
4.51E+04 6.44E+05 3.02E+04 5.24E+05 2.72E+04 1.89E+04 2.42E+04 3.21E+04 5.97E+05 1.10E+08 3.65E+05 1.07E+08 3.17E+05 2.17E+05 2.85E+05 3.80E+05
4.25E+03 1.83E+03 1.09E+03 1.35E+03 1.18E+03 1.24E+03 1.16E+03 1.28E+03 1.08E+08 1.10E+08 2.51E+05 3.13E+05 2.80E+05 2.64E+05 3.23E+05 3.32E+05
4.47E+03 2.20E+03 1.16E+03 1.46E+03 1.28E+03 1.21E+03 1.17E+03 1.36E+03 6.01E+05 2.17E+08 2.92E+05 3.59E+05 3.34E+05 2.84E+05 3.14E+05 3.86E+05
5.12E+03 1.85E+03 1.62E+03 1.59E+03 1.93E+03 1.36E+03 1.36E+03 1.42E+03 7.19E+05 2.16E+08 1.60E+06 7.14E+06 7.10E+05 8.74E+05 8.67E+05 1.37E+06
4.32E+03 1.53E+03 2.03E+03 1.11E+03 1.18E+03 1.18E+03 1.52E+03 1.18E+03 5.81E+05 2.15E+08 2.70E+06 2.84E+05 3.24E+05 3.12E+05 4.25E+05 3.65E+05
4.64E+03 1.53E+03 2.07E+03 1.15E+03 1.15E+03 1.25E+03 1.50E+03 1.13E+03 1.17E+06 1.61E+08 2.74E+06 2.98E+05 2.82E+05 5.38E+07 4.16E+05 3.41E+05
5.03E+03 1.61E+03 1.17E+03 1.15E+03 1.02E+03 1.12E+03 1.40E+03 1.43E+03 2.56E+06 2.16E+08 2.37E+05 2.57E+05 2.43E+05 2.65E+05 4.03E+05 4.43E+05
5.11E+03 1.37E+03 1.24E+03 1.20E+03 1.21E+03 1.10E+03 1.28E+03 1.34E+03 3.09E+06 1.61E+08 2.84E+05 2.93E+05 2.91E+05 2.34E+05 5.40E+07 3.07E+05
5.79E+03 2.51E+03 2.15E+03 2.21E+03 3.57E+03 1.67E+03 2.61E+03 2.28E+03 3.08E+06 4.98E+06 3.60E+06 1.63E+08 7.06E+06 1.95E+06 5.74E+07 3.44E+06
4.49E+03 1.88E+03 1.22E+03 1.47E+03 1.23E+03 1.04E+03 1.42E+03 1.37E+03 6.11E+05 2.67E+06 2.93E+05 2.15E+08 3.31E+05 2.26E+05 4.13E+05 3.53E+05
4.50E+03 2.22E+03 1.40E+03 1.34E+03 1.26E+03 1.22E+03 1.18E+03 1.35E+03 6.43E+05 1.10E+08 3.31E+05 1.07E+08 3.50E+05 3.29E+05 3.69E+05 4.26E+05
1.30E+06 4.34E+05 4.66E+04 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 1.62E+08 5.65E+07 6.02E+06 3.24E+05 3.55E+05 2.83E+05 3.41E+05 4.05E+05
0.00E+00 1.74E+06 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 5.61E+05 2.17E+08 3.12E+05 3.34E+05 2.83E+05 2.83E+05 3.01E+05 3.45E+05
0.00E+00 1.74E+06 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 6.08E+05 2.17E+08 8.92E+05 3.47E+05 3.43E+05 2.22E+05 3.64E+05 2.38E+05
0.00E+00 1.74E+06 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 5.61E+05 2.15E+08 2.90E+06 3.35E+05 3.08E+05 5.85E+05 3.60E+05 3.81E+05
0.00E+00 1.74E+06 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 5.45E+05 2.15E+08 2.90E+06 3.11E+05 3.06E+05 2.88E+05 3.73E+05 3.10E+05
0.00E+00 1.30E+06 0.00E+00 0.00E+00 0.00E+00 0.00E+00 0.00E+00 9.22E+04 4.90E+06 1.65E+08 8.92E+05 3.07E+06 1.37E+06 3.40E+06 1.53E+06 1.52E+07
0.00E+00 1.74E+06 0.00E+00 4.69E+04 0.00E+00 0.00E+00 0.00E+00 0.00E+00 3.09E+06 2.15E+08 3.08E+05 6.15E+06 3.48E+05 3.63E+05 3.85E+05 4.12E+05
0.00E+00 0.00E+00 0.00E+00 1.31E+06 0.00E+00 0.00E+00 4.36E+05 0.00E+00 3.06E+06 1.35E+06 2.31E+05 1.61E+08 2.89E+05 2.05E+05 5.41E+07 1.77E+06
0.00E+00 0.00E+00 0.00E+00 1.74E+06 0.00E+00 0.00E+00 0.00E+00 0.00E+00 6.69E+05 2.27E+06 3.02E+05 2.16E+08 3.27E+05 3.08E+05 3.50E+05 3.75E+05
0.00E+00 8.69E+05 0.00E+00 8.71E+05 0.00E+00 0.00E+00 0.00E+00 0.00E+00 6.68E+05 1.10E+08 3.07E+05 1.08E+08 3.67E+05 2.34E+05 3.71E+05 3.78
Final expected output (after averaging column 8):
5.42E+05 4.25E+03 1.30E+06
4.64E+04 4.47E+03 0.00E+00 3
4.36E+04 5.12E+03 0.00E+00 634780
4.32E+04 4.32E+03 0.00E+00 570865
4.44E+04 4.64E+03 0.00E+00 766418
1.47E+05 5.03E+03 0.00E+00
1.81E+05 5.11E+03 0.00E+00
4.94E+05 5.79E+03 0.00E+00
4.79E+04 4.49E+03 0.00E+00 3
4.51E+04 4.50E+03 0.00E+00 636023然后，我将对所有 16列进行循环( 以下列集为 [n,n+8]，它的中n=0为 7 ) 。对冗长的描述深表歉意，但我似乎无法在 python 中添加列。 先谢谢了。+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++以下是我从中开始的一个示例代码：import csv
import numpy as np
import sys
import pandas as pd
import glob
damn = ("a","b","c","e","f","g","h","i")
for fles in range(len(damn)):
core0data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(0,8))
#core1data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(1,9))
#core2data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(2,10))
#core3data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(3,11))
#core4data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(4,12))
#core5data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(5,13))
#core6data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(6,14))
#core7data = np.genfromtxt('./%s_raw_combine.csv'%damn[fles], dtype=float, delimiter=',',usecols=(7,15))
data.append(core0data)
np.savetxt("writer.csv", data, delimiter=",")但是运行这个之后，我得到了错误：& python2.7 new.py
Traceback (most recent call last):
File"new.py", line 20, in &module&
np.savetxt("writer.csv", data, delimiter=",")
File"~/anaconda/lib/python2.7/site-packages/numpy/lib/npyio.py", line 1083, in savetxt
fh.write(asbytes(format % tuple(row) + newline))
TypeError: float argument required, not numpy.ndarray
时间:17年08月07日原作者:
这将连接行并将它们写入一个新的csv:import csv
from glob import iglob
from itertools import chain
for file in iglob("*.csv"):
with open(file) as f:
r = csv.reader(f)
data.append(list(chain.from_iterable((float(row[0]), float(row[8])) for row in r)))
with open("new.csv","w") as out:
wr = csv.writer(out)
wr.writerows(zipped)将数据传递给 Pandas:data = []
for file in iglob("*.csv"):
with open(file) as f:
r = csv.reader(f)
data.append(list(chain.from_iterable((float(row[0]), float(row[8])) for row in r)))
zipped = zip(*data)
import pandas as pd
df = pd.DataFrame(zipped)
print(df[0].mean())
print(df[1].mean())
print(df[2].mean())
print(df)输出：69610.0
0 0 542000
3 000 618000
5 000 578000
7 000 570000
17 000 612000
19 000 597000获取每一行的平均值：print(df.mean(1))输出：0 667
dtype: float64添加该列：df[3] = df.mean(1)
print(df)输出： 0 1 2 3
0 0 416.666667
保存到 csv:df.to_("new.csv",sep="")输出： 0 1 2 3
000.0 6666666
1 0.0 00.0 11660.0
2 0.0 00.0 666668
3 0.0 00.0 33334
4 0.0 00.0 16240.0
5 0.0 00.0 333332
6 0.0 00.0 15840.0
7 0.0 00.0 8560.0
8 0.0 00.0 666666
9 0.0 00.0 66666
10 0.0 000.0 666664
11 0.0 10.0
12 0.0 000.0 666664
13 0.0 00.0 9980.0
14 0.0 000.0
15 0.0 000.0 333336
16 0.0 00.0 333332
17 0.0 00.0 333334
18 0.0 00.0 333332
19 0.0 00.0 11150.0如果不希望使用名称和行索引： df.to_csv("new.csv",sep="",index=False,header=False)输出： 000.0 6666666
0.0 00.0 11660.0
0.0 00.0 666668
0.0 00.0 33334
0.0 00.0 16240.0
0.0 00.0 333332
0.0 00.0 15840.0
0.0 00.0 8560.0
0.0 00.0 666666
0.0 00.0 66666
0.0 000.0 666664
0.0 000.0 666664
0.0 00.0 9980.0
0.0 000.0 333336
0.0 00.0 333332
0.0 00.0 333334
0.0 00.0 333332
0.0 00.0 11150.0
试试 Pandas 。在许多优势中，将是显式列标记和列切片。还没有完全复制，但也许我们可以完成一个完整的Pandas 解决方案。import pandas as pd
filenames = ['a.csv','b.csv','c.csv']
for i,filename in enumerate(filenames):
df = pd.read_csv(filename,header=None)
df.columns = df.columns + 1 #
filenames[i] = df
dfs = pd.concat(filenames,axis=1)
print dfs.loc[:,[1,8]].head()
cols = [1,3]
print dfs[cols].mean()
Copyright (C) 2011 HelpLib All rights reserved. &&Python怎样把一些列表存放进一个列表中呢??
[问题点数：10分]
本版专家分：0
结帖率 41.94%
CSDN今日推荐
本版专家分：49105
2012年2月 其他开发语言大版内专家分月排行榜第一2011年12月 其他开发语言大版内专家分月排行榜第一2011年11月 其他开发语言大版内专家分月排行榜第一2011年10月 其他开发语言大版内专家分月排行榜第一2011年9月 其他开发语言大版内专家分月排行榜第一2011年8月 其他开发语言大版内专家分月排行榜第一2011年7月 其他开发语言大版内专家分月排行榜第一2011年6月 其他开发语言大版内专家分月排行榜第一2011年3月 其他开发语言大版内专家分月排行榜第一2011年2月 其他开发语言大版内专家分月排行榜第一2010年11月 其他开发语言大版内专家分月排行榜第一2010年10月 其他开发语言大版内专家分月排行榜第一2010年9月 其他开发语言大版内专家分月排行榜第一2009年3月 其他开发语言大版内专家分月排行榜第一2007年10月 其他开发语言大版内专家分月排行榜第一2007年9月 其他开发语言大版内专家分月排行榜第一2007年7月 其他开发语言大版内专家分月排行榜第一2007年3月 其他开发语言大版内专家分月排行榜第一
2012年1月 其他开发语言大版内专家分月排行榜第二2011年5月 其他开发语言大版内专家分月排行榜第二2010年12月 其他开发语言大版内专家分月排行榜第二2009年2月 其他开发语言大版内专家分月排行榜第二2008年9月 其他开发语言大版内专家分月排行榜第二2008年8月 其他开发语言大版内专家分月排行榜第二2008年5月 其他开发语言大版内专家分月排行榜第二2007年11月 其他开发语言大版内专家分月排行榜第二
2011年4月 其他开发语言大版内专家分月排行榜第三2011年1月 其他开发语言大版内专家分月排行榜第三2009年6月 其他开发语言大版内专家分月排行榜第三2009年4月 其他开发语言大版内专家分月排行榜第三2009年1月 其他开发语言大版内专家分月排行榜第三2008年11月 其他开发语言大版内专家分月排行榜第三2008年7月 其他开发语言大版内专家分月排行榜第三2008年6月 其他开发语言大版内专家分月排行榜第三2006年9月 其他开发语言大版内专家分月排行榜第三
本版专家分：0
结帖率 41.94%
本版专家分：49105
2012年2月 其他开发语言大版内专家分月排行榜第一2011年12月 其他开发语言大版内专家分月排行榜第一2011年11月 其他开发语言大版内专家分月排行榜第一2011年10月 其他开发语言大版内专家分月排行榜第一2011年9月 其他开发语言大版内专家分月排行榜第一2011年8月 其他开发语言大版内专家分月排行榜第一2011年7月 其他开发语言大版内专家分月排行榜第一2011年6月 其他开发语言大版内专家分月排行榜第一2011年3月 其他开发语言大版内专家分月排行榜第一2011年2月 其他开发语言大版内专家分月排行榜第一2010年11月 其他开发语言大版内专家分月排行榜第一2010年10月 其他开发语言大版内专家分月排行榜第一2010年9月 其他开发语言大版内专家分月排行榜第一2009年3月 其他开发语言大版内专家分月排行榜第一2007年10月 其他开发语言大版内专家分月排行榜第一2007年9月 其他开发语言大版内专家分月排行榜第一2007年7月 其他开发语言大版内专家分月排行榜第一2007年3月 其他开发语言大版内专家分月排行榜第一
2012年1月 其他开发语言大版内专家分月排行榜第二2011年5月 其他开发语言大版内专家分月排行榜第二2010年12月 其他开发语言大版内专家分月排行榜第二2009年2月 其他开发语言大版内专家分月排行榜第二2008年9月 其他开发语言大版内专家分月排行榜第二2008年8月 其他开发语言大版内专家分月排行榜第二2008年5月 其他开发语言大版内专家分月排行榜第二2007年11月 其他开发语言大版内专家分月排行榜第二
2011年4月 其他开发语言大版内专家分月排行榜第三2011年1月 其他开发语言大版内专家分月排行榜第三2009年6月 其他开发语言大版内专家分月排行榜第三2009年4月 其他开发语言大版内专家分月排行榜第三2009年1月 其他开发语言大版内专家分月排行榜第三2008年11月 其他开发语言大版内专家分月排行榜第三2008年7月 其他开发语言大版内专家分月排行榜第三2008年6月 其他开发语言大版内专家分月排行榜第三2006年9月 其他开发语言大版内专家分月排行榜第三
本版专家分：0
本版专家分：27583
2014年2月 其他开发语言大版内专家分月排行榜第一2013年6月 其他开发语言大版内专家分月排行榜第一2013年5月 其他开发语言大版内专家分月排行榜第一2013年4月 其他开发语言大版内专家分月排行榜第一2012年3月 其他开发语言大版内专家分月排行榜第一
2014年8月 其他开发语言大版内专家分月排行榜第二2014年7月 其他开发语言大版内专家分月排行榜第二2014年5月 其他开发语言大版内专家分月排行榜第二2014年4月 其他开发语言大版内专家分月排行榜第二2014年3月 其他开发语言大版内专家分月排行榜第二2014年1月 其他开发语言大版内专家分月排行榜第二2013年12月 其他开发语言大版内专家分月排行榜第二2013年11月 其他开发语言大版内专家分月排行榜第二2013年3月 其他开发语言大版内专家分月排行榜第二2012年5月 其他开发语言大版内专家分月排行榜第二2012年4月 其他开发语言大版内专家分月排行榜第二2010年10月 其他开发语言大版内专家分月排行榜第二2010年9月 其他开发语言大版内专家分月排行榜第二
2013年9月 其他开发语言大版内专家分月排行榜第三2012年6月 其他开发语言大版内专家分月排行榜第三
本版专家分：7202
本版专家分：157
本版专家分：322
匿名用户不能发表回复！|
CSDN今日推荐