太秀了！用Excel也能实现和Python数据分析一样的功能！

曾经终败给现在 2022-10-23 11:15 93阅读 0赞

> 作者：Cherich\_sun  
> 来源：公众号「杰哥的IT之旅」ID：Jake\_Internet  
> [太秀了！用Excel也能实现和Python数据分析一样的功能！][Excel_Python]

这是一篇关于如何用excel做数据分析的案例。目的是帮助大家，在遇到小型数据样本时，快速利用excel做分析。所以本篇文章的重点是分析思路+数据处理+可视化的实现，因为数据来源于网络，所以不做深入解析。

### 需求说明 ###

分析某电商企业销售趋势，找到影响销售增长的因素。同时分析不同市场产品销售状况，找到不同市场的销售差异。挖掘不同产品的销售状况，找到不同产品的销售差异。对用户群体进行分析，对企业用户的画像和价值进行挖掘。从上述分析中得出结论，并根据分析结果，提出自己对此企业未来发展的一些想法和建议。

### 数据说明 ###

本项目数据为某电商平台全年每日订单详情数据和用户信息数据，包括两个数据表，销售订单表和用户信息表。

其中销售订单表为每个订单的情况明细，一个订单对应一次销售。这两个表的表结构分别为：

销售订单表结构：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70][]  
用户信息表结构：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 1][]

### 一、分析思路 ###

本项目主要分为三个维度，分别是用户画像，针对用户群体进行分析，找出平台的主力军特点有哪些；商品维度上，找出商品在不同市场的销售差异等；用户价值维度上，主要根据用户的消费行为，挖掘出其内在的规律。分析的详细思路，如下：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 2][]

### 二、数据处理（Excel） ###

**1、数据清洗**

最终数据状态：“多一分则肥，少一分则瘦”，那么常用的清洗方法主要有以下三种。

**① 重复数据处理**

函数法 COUNTIF()  
重复标记 =COUNTIF(A:A,A2)  
第二次重复标记 =COUNTIF(A$2:A2,A2)  
两种结果对比如下 ：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 3][]  
高级筛选法 选中将要处理的数据区域，点击菜单栏里【数据】——【排序和筛选】里选择【高级】，会弹出高级筛选。如下操作：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 4][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 5][]  
条件格式 选中将要处理的数据区域，点击菜单栏里【开始】——【条件格式】里选择【突出显示单元格规则】——【重复值】。如下操作：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 6][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 7][]  
数据透视表 数据透视表一样能计算数据重复的频次。而且比COUNTIF更加简单易用，只需要拖动。首先，选中第一行标题数据左侧，按Shift+Ctrl+End/下箭头，选中全部数据后——【插入】——【数据透视表】，如下：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 8][]  
我们上面已经学会了各种重复值的处理，那么在实际业务中，通常会删除重复值。选中全部数据——点击——菜单栏里【数据】——【删除重复项】，如下:![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 9][]  
**② 缺失数据处理**

一般可以接受的缺失值的标准是在10%以下。通常的处理方式如下：

*  平均值填充；
 *  统计模型计算出来的值；
 *  将缺失值的记录删除掉；
 *  保留，只在做相应的分析中做必要的排除

批量填充 如何把下面的表格的合并单元格拆分开，转化成规范的数据。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 10][]  
选择要转换的区域——【开始】——【合并后居中】——即取消单元格合并——继续选中要转换的区域——按Ctrl+G——弹出【定位】——【定位条件】，选择空值——确定——继续在A3单元格中输入"=",按上箭头，再按Ctrl+Enter，自动填充完成。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 11][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 12][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 13][]  
注：批量去除公式：选中数据，粘贴为数值，这样会提升excel的整体运行效率。下面，我们需要利用批量填充，处理销售订单表中的产品名称字段，批量删除掉数值，只保留产品名。新建一列空白列，先输入几个正确的产品名称，按Ctrl+E，快速智能填充。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 14][]  
查找和替换 快捷键分别是：Ctrl+F；Ctrl+H

**③ 空格数据处理**

直接替换空格 Ctrl + H  
特殊空格，要用trim()  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 15][]  
**2、数据合并**

**① 字段合并**

*  CONCATENATE()  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 16]
 *  &  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 17][]
 *  DATE()  
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 18][]  
    **② 字段匹配**

能够实现的是表里没有的数据，但是其他表有的，通过对应的共同关键字（数据类型必须相同）进行匹配。现在，我们将用户表和订单表进行合并，使得订单表的字段更加丰富，为接下来分析（消费的主力军特征）做准备。想要实现的结果，如下：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 19][]  
实现方式 VLOOKUP，语法如下：

VLOOKUP(要查找的值,查找的范围,属于查找范围的第几列（序列号）,模糊/精确查找) 通过上面的语法，我们能够成功的获取到性别这一列数据，但是还有几个字段，如果通过复制粘贴的形式，修改序列号的话，效率太慢了。我们有更高效的方式。如下：![20210305100100265.png][]  
![20210305100107158.png][]  
如上，序列号的位置通过COLUMN函数定位列，记得对行加绝对引用$。这样的话，直接向右，向下拖拽，就会自动补全字段内容。

**3、数据抽取**

**① 字段拆分**

分列 现在我们已经成功合并成了一个大表，接下来，要对付款时间进行分列，拆分成年，月形式，方便后面作可视化。首先选中【单价】列右键——【插入】——同样的方式插入三个空白列——复制一列【付款时间列】，再分别命名列名为年、月——选中【付款时间】列——【数据】——【分列】——【下一步】——【其他】输入"/"——【完成】![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 20][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 21][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 22][]  
函数（截取字符串）：LEFT();RIGHT();MID()

**② 随机抽样**

RAND():返回0~1之间的小数; 如果想返回 60~70 之间的，=INT(RAND()\*10+60)  
RANDBETWEEN()：返回介于指定数字之间的随机数，=RANDBETWEEN(60，70)

**4、数据计算**

**① 简单计算**  
![20210305100329468.png][]  
**② 函数计算**

日期计算 求年龄函数实现方式：=DATEDIF(D2,TODAY(),“Y”)

数据分组 项目的需求是根据年龄对用户打标签（小于21岁，标记为"00后"；大于21岁并且小于31，标记为"90后"；大于31岁并且小于41，标记为"80后"；大于41岁并且小于51，标记为"70后"），有下面两种实现方式。

*  方式一：

IF() IF(W2<21,“00后”,IF(AND(W2>21,W2<31),“90后”,IF(AND(W2>31,W2<41),“80后”,“70后”)))  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 23][]

*  方式二：

VLOOKUP() 这种方式我们仅需要设置阈值和显示标签，值得注意的是要VLOOKUP的第三个参数是模糊匹配。  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 24][]  
**5、数据转换**

**① 数据表行列转换**

实现如下效果，选中要转换的数据——右键，复制——选择空白单元格——【开始】——【粘贴】——【选择性粘贴】——选中【转置】——完成  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 25][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 26][]  
**② 二维表转为一维表**

点击【文件】——【选项】——【自定义功能】——在【不在功能区中的命令】中找到【数据透视表和数据透视图向导】并选中——在右侧的【数据】选项卡下面添加【新建选项卡】并选中它——【添加】——确定，最终，在【数据】里出现了"数据透视表和数据透视图向导"，如下：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 27][]![20210305100532115.png][]  
点击【数据透视表和数据透视图向导】——选择【多重合并计算数据区域】——【创建单页字段】——下一步——选定将要操作的区域——下一步——选择【新工作表】——完成——双击【总计】的值——即实现二维表转为一维表，如下：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 28][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 29][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 30][]

### 三、可视化 ###

可视化图形大多数比较简单，相信大家都能轻而易举的实现。那么，一些特殊的图形，因为也很重要。

**1、用户画像**![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 31][]  
图表说明：平台的主力军的特征主要是：女性用户；90后人群单身人群‘’学历主要是中专、博硕；地域集中在天津地区。女生购买偏好饮料、日用品，男性购买偏好是饮料、海鲜产品。

**2、产品优势**  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 32][]  
图表说明：整体的销售额处于下降趋势，从10月份开始慢慢回升。根据二八法则，可以看出天津、南京、北京占总销售额的43%，可以考虑作为重点投放市场。最受欢迎的品类是饮料、日用品、肉/家禽。

**3、用户价值**![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 33][]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 34][]![20210305100711650.png][]  
注：因为上面的数据集里用户量有限，做同期群后不明显。所以这里是一个新的用户数据集。

图表说明：通过RFM模型已经对用户做好分类，可以针对不同类型用户采取相应的运营策略；重点维护消费频率在82~100之间的用户。同期群分析，我们可以看出平台的新用户是逐渐递增的，但是留存率较低。

**公众号：杰哥的IT之旅，后台回复：「20210226」，即可获取本文完整数据。**

--------------------

**原创不易，码字不易**。 觉得这篇文章对你有点用的话，麻烦你为本文**点个赞**，**留言**或**转发**一下，因为这将是我**输出更多优质文章的动力**，感谢！

⬇⬇⬇⬇⬇⬇⬇⬇

[Excel_Python]: https://mp.weixin.qq.com/s/TkX8iVZDg-70jN7xNKTNuA
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70]: /images/20221023/4e2ad2b2047449a6a90cb11c88fb1fc7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 1]: /images/20221023/62d4fd5ac7d24e0590dcf22114c03ecc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 2]: /images/20221023/faa74644b21a4faab6c94e863ee9d855.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 3]: /images/20221023/9269949917994c3a998f6694a97d5f3c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 4]: /images/20221023/29e787123b874abab38ca754af363984.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 5]: /images/20221023/39e535f5309941c797d9873984babb36.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 6]: /images/20221023/18b7a2f013b34b18bd153d6872f52592.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 7]: /images/20221023/16e73c5ce44e48699114460b8ea88621.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 8]: /images/20221023/0005c4d309cb485e8f01a22d23ff0bd5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 9]: /images/20221023/149bf97a5dd94a9bbac3a0b0b78b7a93.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 10]: /images/20221023/72a41f5d62394ba292ec93206f6d21b9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 11]: /images/20221023/b946c23e89b6480585413bd2c4cbcfc9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 12]: /images/20221023/fc4790ab08b644de867726d57de4135f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 13]: /images/20221023/d80d104f134944fc8c20f68d9d542929.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 14]: /images/20221023/fd3b4c4a40254cc98dd50012a70ea82f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 15]: /images/20221023/e4074624e00a4314bc20d8e46347c487.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 16]: /images/20221023/86baae3140a344ee9208cade2e517b5d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 17]: /images/20221023/d1d276b035184c5ba204b3cb3fe3e200.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 18]: /images/20221023/eb526b1670ef4caf86b173e0171d0fa2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 19]: /images/20221023/b87ff4dc7b834ae0a14930f006da9757.png
[20210305100100265.png]: /images/20221023/99ae24d96fdd4236ab0e744229b10739.png
[20210305100107158.png]: /images/20221023/64c98df7ca2846b985649bd50d59fcd6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 20]: /images/20221023/2381692aca134a779bb0ac04ca79b8f9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 21]: /images/20221023/83ab55d6c01b41c8b6979e6873a465b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 22]: /images/20221023/162fa1646b454c98b5e30205ffac0e84.png
[20210305100329468.png]: /images/20221023/02415e5877044923a6cbb89e8e848b44.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 23]: /images/20221023/9512c789b4f0407b8477decc6bb964a8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 24]: /images/20221023/0de5ae5f027a4a199f4c4c7a8e8b58a4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 25]: /images/20221023/70c9bf83cf5c420ebf0d2008364cdb22.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 26]: /images/20221023/aa94d2053a8b4913b6a1ba2377ee1a5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 27]: https://img-blog.csdnimg.cn/20210305100524635.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg==,size_16,color_FFFFFF,t_70
[20210305100532115.png]: /images/20221023/b274f5425b3045e6b5e31fcb7ac5fa8d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 28]: /images/20221023/69ee245437214a379f2649d77670b8bc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 29]: /images/20221023/865a253dddb24543bc60dc777eab12b9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 30]: /images/20221023/1025b7c1993648b49b46b577d77f9e25.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 31]: /images/20221023/15e951aab8da40cbb99484425f897dad.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 32]: /images/20221023/507f0e0dcc1548a9a6312c033b3be187.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 33]: /images/20221023/f5b28958826a47ffb2d5b1e1f7d13083.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg_size_16_color_FFFFFF_t_70 34]: https://img-blog.csdnimg.cn/20210305100702820.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pha2VfdGlhbg==,size_16,color_FFFFFF,t_70
[20210305100711650.png]: /images/20221023/243656f9cdb2476e9633bd1c7241d2bb.png