tbl_df 类的主要函数之一是打印：
-
Tibbles 仅打印一个屏幕上适合的行和列，并辅以剩余行和列的摘要。
-
Tibble 显示每列的类型，让用户了解变量是否是
<chr>或<fct>(字符与因子)。有关常见类型缩写的概述，请参阅vignette("types")。
可以通过显式调用 print() 并设置 n 和 width 等参数来调整 one-off 调用的打印。通过设置 pillar::pillar_options 中说明的选项可以获得更持久的控制。另请参阅 vignette("digits") 与基本选项的比较，以及 vignette("numbers") 展示 num() 和 char() 用于创建具有自定义格式选项的列。
从 tibble 3.1.0 开始，打印完全由支柱包。如果您实现扩展 tibble 的包，则可以通过多种方式自定义打印输出。看vignette("extending", package = "pillar")有关详细信息，以及支柱::pillar_options用于控制控制台中显示的选项。
用法
# S3 method for tbl_df
print(
x,
width = NULL,
...,
n = NULL,
max_extra_cols = NULL,
max_footer_lines = NULL
)
# S3 method for tbl_df
format(
x,
width = NULL,
...,
n = NULL,
max_extra_cols = NULL,
max_footer_lines = NULL
)参数
- x
-
要格式化或打印的对象。
- width
-
要生成的文本输出的宽度。默认为
NULL，这意味着使用widthoption 。 - ...
-
传递给
tbl_format_setup()。 - n
-
要显示的行数。如果
NULL(默认值)将打印小于print_maxoption 的所有行。否则，将打印print_minoption 指定的行数。 - max_extra_cols
-
如果宽度对于整个 tibble 来说太小，则要打印缩写信息的额外列数。如果
NULL，则使用max_extra_colsoption。先前定义的n_extra参数已被软弃用。 - max_footer_lines
-
页脚行的最大数量。如果
NULL，则使用max_footer_linesoption。
例子
print(as_tibble(mtcars))
#> # A tibble: 32 × 11
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
#> 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
#> 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
#> 4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
#> 5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
#> 6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
#> 7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
#> 8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
#> 9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
#> 10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
#> # … with 22 more rows
print(as_tibble(mtcars), n = 1)
#> # A tibble: 32 × 11
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
#> # … with 31 more rows
print(as_tibble(mtcars), n = 3)
#> # A tibble: 32 × 11
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
#> 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
#> 3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
#> # … with 29 more rows
print(as_tibble(trees), n = 100)
#> # A tibble: 31 × 3
#> Girth Height Volume
#> <dbl> <dbl> <dbl>
#> 1 8.3 70 10.3
#> 2 8.6 65 10.3
#> 3 8.8 63 10.2
#> 4 10.5 72 16.4
#> 5 10.7 81 18.8
#> 6 10.8 83 19.7
#> 7 11 66 15.6
#> 8 11 75 18.2
#> 9 11.1 80 22.6
#> 10 11.2 75 19.9
#> 11 11.3 79 24.2
#> 12 11.4 76 21
#> 13 11.4 76 21.4
#> 14 11.7 69 21.3
#> 15 12 75 19.1
#> 16 12.9 74 22.2
#> 17 12.9 85 33.8
#> 18 13.3 86 27.4
#> 19 13.7 71 25.7
#> 20 13.8 64 24.9
#> 21 14 78 34.5
#> 22 14.2 80 31.7
#> 23 14.5 74 36.3
#> 24 16 72 38.3
#> 25 16.3 77 42.6
#> 26 17.3 81 55.4
#> 27 17.5 82 55.7
#> 28 17.9 80 58.3
#> 29 18 80 51.5
#> 30 18 80 51
#> 31 20.6 87 77
print(mtcars, width = 10)
#> mpg
#> Mazda RX4 21.0
#> Mazda RX4 Wag 21.0
#> Datsun 710 22.8
#> Hornet 4 Drive 21.4
#> Hornet Sportabout 18.7
#> Valiant 18.1
#> Duster 360 14.3
#> Merc 240D 24.4
#> Merc 230 22.8
#> Merc 280 19.2
#> Merc 280C 17.8
#> Merc 450SE 16.4
#> Merc 450SL 17.3
#> Merc 450SLC 15.2
#> Cadillac Fleetwood 10.4
#> Lincoln Continental 10.4
#> Chrysler Imperial 14.7
#> Fiat 128 32.4
#> Honda Civic 30.4
#> Toyota Corolla 33.9
#> Toyota Corona 21.5
#> Dodge Challenger 15.5
#> AMC Javelin 15.2
#> Camaro Z28 13.3
#> Pontiac Firebird 19.2
#> Fiat X1-9 27.3
#> Porsche 914-2 26.0
#> Lotus Europa 30.4
#> Ford Pantera L 15.8
#> Ferrari Dino 19.7
#> Maserati Bora 15.0
#> Volvo 142E 21.4
#> cyl
#> Mazda RX4 6
#> Mazda RX4 Wag 6
#> Datsun 710 4
#> Hornet 4 Drive 6
#> Hornet Sportabout 8
#> Valiant 6
#> Duster 360 8
#> Merc 240D 4
#> Merc 230 4
#> Merc 280 6
#> Merc 280C 6
#> Merc 450SE 8
#> Merc 450SL 8
#> Merc 450SLC 8
#> Cadillac Fleetwood 8
#> Lincoln Continental 8
#> Chrysler Imperial 8
#> Fiat 128 4
#> Honda Civic 4
#> Toyota Corolla 4
#> Toyota Corona 4
#> Dodge Challenger 8
#> AMC Javelin 8
#> Camaro Z28 8
#> Pontiac Firebird 8
#> Fiat X1-9 4
#> Porsche 914-2 4
#> Lotus Europa 4
#> Ford Pantera L 8
#> Ferrari Dino 6
#> Maserati Bora 8
#> Volvo 142E 4
#> disp
#> Mazda RX4 160.0
#> Mazda RX4 Wag 160.0
#> Datsun 710 108.0
#> Hornet 4 Drive 258.0
#> Hornet Sportabout 360.0
#> Valiant 225.0
#> Duster 360 360.0
#> Merc 240D 146.7
#> Merc 230 140.8
#> Merc 280 167.6
#> Merc 280C 167.6
#> Merc 450SE 275.8
#> Merc 450SL 275.8
#> Merc 450SLC 275.8
#> Cadillac Fleetwood 472.0
#> Lincoln Continental 460.0
#> Chrysler Imperial 440.0
#> Fiat 128 78.7
#> Honda Civic 75.7
#> Toyota Corolla 71.1
#> Toyota Corona 120.1
#> Dodge Challenger 318.0
#> AMC Javelin 304.0
#> Camaro Z28 350.0
#> Pontiac Firebird 400.0
#> Fiat X1-9 79.0
#> Porsche 914-2 120.3
#> Lotus Europa 95.1
#> Ford Pantera L 351.0
#> Ferrari Dino 145.0
#> Maserati Bora 301.0
#> Volvo 142E 121.0
#> hp
#> Mazda RX4 110
#> Mazda RX4 Wag 110
#> Datsun 710 93
#> Hornet 4 Drive 110
#> Hornet Sportabout 175
#> Valiant 105
#> Duster 360 245
#> Merc 240D 62
#> Merc 230 95
#> Merc 280 123
#> Merc 280C 123
#> Merc 450SE 180
#> Merc 450SL 180
#> Merc 450SLC 180
#> Cadillac Fleetwood 205
#> Lincoln Continental 215
#> Chrysler Imperial 230
#> Fiat 128 66
#> Honda Civic 52
#> Toyota Corolla 65
#> Toyota Corona 97
#> Dodge Challenger 150
#> AMC Javelin 150
#> Camaro Z28 245
#> Pontiac Firebird 175
#> Fiat X1-9 66
#> Porsche 914-2 91
#> Lotus Europa 113
#> Ford Pantera L 264
#> Ferrari Dino 175
#> Maserati Bora 335
#> Volvo 142E 109
#> drat
#> Mazda RX4 3.90
#> Mazda RX4 Wag 3.90
#> Datsun 710 3.85
#> Hornet 4 Drive 3.08
#> Hornet Sportabout 3.15
#> Valiant 2.76
#> Duster 360 3.21
#> Merc 240D 3.69
#> Merc 230 3.92
#> Merc 280 3.92
#> Merc 280C 3.92
#> Merc 450SE 3.07
#> Merc 450SL 3.07
#> Merc 450SLC 3.07
#> Cadillac Fleetwood 2.93
#> Lincoln Continental 3.00
#> Chrysler Imperial 3.23
#> Fiat 128 4.08
#> Honda Civic 4.93
#> Toyota Corolla 4.22
#> Toyota Corona 3.70
#> Dodge Challenger 2.76
#> AMC Javelin 3.15
#> Camaro Z28 3.73
#> Pontiac Firebird 3.08
#> Fiat X1-9 4.08
#> Porsche 914-2 4.43
#> Lotus Europa 3.77
#> Ford Pantera L 4.22
#> Ferrari Dino 3.62
#> Maserati Bora 3.54
#> Volvo 142E 4.11
#> wt
#> Mazda RX4 2.620
#> Mazda RX4 Wag 2.875
#> Datsun 710 2.320
#> Hornet 4 Drive 3.215
#> Hornet Sportabout 3.440
#> Valiant 3.460
#> Duster 360 3.570
#> Merc 240D 3.190
#> Merc 230 3.150
#> Merc 280 3.440
#> Merc 280C 3.440
#> Merc 450SE 4.070
#> Merc 450SL 3.730
#> Merc 450SLC 3.780
#> Cadillac Fleetwood 5.250
#> Lincoln Continental 5.424
#> Chrysler Imperial 5.345
#> Fiat 128 2.200
#> Honda Civic 1.615
#> Toyota Corolla 1.835
#> Toyota Corona 2.465
#> Dodge Challenger 3.520
#> AMC Javelin 3.435
#> Camaro Z28 3.840
#> Pontiac Firebird 3.845
#> Fiat X1-9 1.935
#> Porsche 914-2 2.140
#> Lotus Europa 1.513
#> Ford Pantera L 3.170
#> Ferrari Dino 2.770
#> Maserati Bora 3.570
#> Volvo 142E 2.780
#> qsec
#> Mazda RX4 16.46
#> Mazda RX4 Wag 17.02
#> Datsun 710 18.61
#> Hornet 4 Drive 19.44
#> Hornet Sportabout 17.02
#> Valiant 20.22
#> Duster 360 15.84
#> Merc 240D 20.00
#> Merc 230 22.90
#> Merc 280 18.30
#> Merc 280C 18.90
#> Merc 450SE 17.40
#> Merc 450SL 17.60
#> Merc 450SLC 18.00
#> Cadillac Fleetwood 17.98
#> Lincoln Continental 17.82
#> Chrysler Imperial 17.42
#> Fiat 128 19.47
#> Honda Civic 18.52
#> Toyota Corolla 19.90
#> Toyota Corona 20.01
#> Dodge Challenger 16.87
#> AMC Javelin 17.30
#> Camaro Z28 15.41
#> Pontiac Firebird 17.05
#> Fiat X1-9 18.90
#> Porsche 914-2 16.70
#> Lotus Europa 16.90
#> Ford Pantera L 14.50
#> Ferrari Dino 15.50
#> Maserati Bora 14.60
#> Volvo 142E 18.60
#> vs
#> Mazda RX4 0
#> Mazda RX4 Wag 0
#> Datsun 710 1
#> Hornet 4 Drive 1
#> Hornet Sportabout 0
#> Valiant 1
#> Duster 360 0
#> Merc 240D 1
#> Merc 230 1
#> Merc 280 1
#> Merc 280C 1
#> Merc 450SE 0
#> Merc 450SL 0
#> Merc 450SLC 0
#> Cadillac Fleetwood 0
#> Lincoln Continental 0
#> Chrysler Imperial 0
#> Fiat 128 1
#> Honda Civic 1
#> Toyota Corolla 1
#> Toyota Corona 1
#> Dodge Challenger 0
#> AMC Javelin 0
#> Camaro Z28 0
#> Pontiac Firebird 0
#> Fiat X1-9 1
#> Porsche 914-2 0
#> Lotus Europa 1
#> Ford Pantera L 0
#> Ferrari Dino 0
#> Maserati Bora 0
#> Volvo 142E 1
#> am
#> Mazda RX4 1
#> Mazda RX4 Wag 1
#> Datsun 710 1
#> Hornet 4 Drive 0
#> Hornet Sportabout 0
#> Valiant 0
#> Duster 360 0
#> Merc 240D 0
#> Merc 230 0
#> Merc 280 0
#> Merc 280C 0
#> Merc 450SE 0
#> Merc 450SL 0
#> Merc 450SLC 0
#> Cadillac Fleetwood 0
#> Lincoln Continental 0
#> Chrysler Imperial 0
#> Fiat 128 1
#> Honda Civic 1
#> Toyota Corolla 1
#> Toyota Corona 0
#> Dodge Challenger 0
#> AMC Javelin 0
#> Camaro Z28 0
#> Pontiac Firebird 0
#> Fiat X1-9 1
#> Porsche 914-2 1
#> Lotus Europa 1
#> Ford Pantera L 1
#> Ferrari Dino 1
#> Maserati Bora 1
#> Volvo 142E 1
#> gear
#> Mazda RX4 4
#> Mazda RX4 Wag 4
#> Datsun 710 4
#> Hornet 4 Drive 3
#> Hornet Sportabout 3
#> Valiant 3
#> Duster 360 3
#> Merc 240D 4
#> Merc 230 4
#> Merc 280 4
#> Merc 280C 4
#> Merc 450SE 3
#> Merc 450SL 3
#> Merc 450SLC 3
#> Cadillac Fleetwood 3
#> Lincoln Continental 3
#> Chrysler Imperial 3
#> Fiat 128 4
#> Honda Civic 4
#> Toyota Corolla 4
#> Toyota Corona 3
#> Dodge Challenger 3
#> AMC Javelin 3
#> Camaro Z28 3
#> Pontiac Firebird 3
#> Fiat X1-9 4
#> Porsche 914-2 5
#> Lotus Europa 5
#> Ford Pantera L 5
#> Ferrari Dino 5
#> Maserati Bora 5
#> Volvo 142E 4
#> carb
#> Mazda RX4 4
#> Mazda RX4 Wag 4
#> Datsun 710 1
#> Hornet 4 Drive 1
#> Hornet Sportabout 2
#> Valiant 1
#> Duster 360 4
#> Merc 240D 2
#> Merc 230 2
#> Merc 280 4
#> Merc 280C 4
#> Merc 450SE 3
#> Merc 450SL 3
#> Merc 450SLC 3
#> Cadillac Fleetwood 4
#> Lincoln Continental 4
#> Chrysler Imperial 4
#> Fiat 128 1
#> Honda Civic 2
#> Toyota Corolla 1
#> Toyota Corona 1
#> Dodge Challenger 2
#> AMC Javelin 2
#> Camaro Z28 4
#> Pontiac Firebird 2
#> Fiat X1-9 1
#> Porsche 914-2 2
#> Lotus Europa 2
#> Ford Pantera L 4
#> Ferrari Dino 6
#> Maserati Bora 8
#> Volvo 142E 2
mtcars2 <- as_tibble(cbind(mtcars, mtcars), .name_repair = "unique")
#> New names:
#> • `mpg` -> `mpg...1`
#> • `cyl` -> `cyl...2`
#> • `disp` -> `disp...3`
#> • `hp` -> `hp...4`
#> • `drat` -> `drat...5`
#> • `wt` -> `wt...6`
#> • `qsec` -> `qsec...7`
#> • `vs` -> `vs...8`
#> • `am` -> `am...9`
#> • `gear` -> `gear...10`
#> • `carb` -> `carb...11`
#> • `mpg` -> `mpg...12`
#> • `cyl` -> `cyl...13`
#> • `disp` -> `disp...14`
#> • `hp` -> `hp...15`
#> • `drat` -> `drat...16`
#> • `wt` -> `wt...17`
#> • `qsec` -> `qsec...18`
#> • `vs` -> `vs...19`
#> • `am` -> `am...20`
#> • `gear` -> `gear...21`
#> • `carb` -> `carb...22`
print(mtcars2, n = 25, max_extra_cols = 3)
#> # A tibble: 32 × 22
#> mpg...1 cyl...2 disp...3 hp...4 drat...5 wt...6 qsec...7 vs...8 am...9
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 21 6 160 110 3.9 2.62 16.5 0 1
#> 2 21 6 160 110 3.9 2.88 17.0 0 1
#> 3 22.8 4 108 93 3.85 2.32 18.6 1 1
#> 4 21.4 6 258 110 3.08 3.22 19.4 1 0
#> 5 18.7 8 360 175 3.15 3.44 17.0 0 0
#> 6 18.1 6 225 105 2.76 3.46 20.2 1 0
#> 7 14.3 8 360 245 3.21 3.57 15.8 0 0
#> 8 24.4 4 147. 62 3.69 3.19 20 1 0
#> 9 22.8 4 141. 95 3.92 3.15 22.9 1 0
#> 10 19.2 6 168. 123 3.92 3.44 18.3 1 0
#> 11 17.8 6 168. 123 3.92 3.44 18.9 1 0
#> 12 16.4 8 276. 180 3.07 4.07 17.4 0 0
#> 13 17.3 8 276. 180 3.07 3.73 17.6 0 0
#> 14 15.2 8 276. 180 3.07 3.78 18 0 0
#> 15 10.4 8 472 205 2.93 5.25 18.0 0 0
#> 16 10.4 8 460 215 3 5.42 17.8 0 0
#> 17 14.7 8 440 230 3.23 5.34 17.4 0 0
#> 18 32.4 4 78.7 66 4.08 2.2 19.5 1 1
#> 19 30.4 4 75.7 52 4.93 1.62 18.5 1 1
#> 20 33.9 4 71.1 65 4.22 1.84 19.9 1 1
#> 21 21.5 4 120. 97 3.7 2.46 20.0 1 0
#> 22 15.5 8 318 150 2.76 3.52 16.9 0 0
#> 23 15.2 8 304 150 3.15 3.44 17.3 0 0
#> 24 13.3 8 350 245 3.73 3.84 15.4 0 0
#> 25 19.2 8 400 175 3.08 3.84 17.0 0 0
#> # … with 7 more rows, and 13 more variables: gear...10 <dbl>,
#> # carb...11 <dbl>, mpg...12 <dbl>, …
print(nycflights13::flights, max_footer_lines = 1)
#> # A tibble: 336,776 × 19
#> year month day dep_time sched_dep_…¹ dep_d…² arr_t…³ sched…⁴ arr_d…⁵
#> <int> <int> <int> <int> <int> <dbl> <int> <int> <dbl>
#> 1 2013 1 1 517 515 2 830 819 11
#> 2 2013 1 1 533 529 4 850 830 20
#> 3 2013 1 1 542 540 2 923 850 33
#> 4 2013 1 1 544 545 -1 1004 1022 -18
#> 5 2013 1 1 554 600 -6 812 837 -25
#> 6 2013 1 1 554 558 -4 740 728 12
#> 7 2013 1 1 555 600 -5 913 854 19
#> 8 2013 1 1 557 600 -3 709 723 -14
#> 9 2013 1 1 557 600 -3 838 846 -8
#> 10 2013 1 1 558 600 -2 753 745 8
#> # … with 336,766 more rows, 10 more variables: carrier <chr>, …
print(nycflights13::flights, width = Inf)
#> # A tibble: 336,776 × 19
#> year month day dep_time sched_dep_time dep_delay arr_time
#> <int> <int> <int> <int> <int> <dbl> <int>
#> 1 2013 1 1 517 515 2 830
#> 2 2013 1 1 533 529 4 850
#> 3 2013 1 1 542 540 2 923
#> 4 2013 1 1 544 545 -1 1004
#> 5 2013 1 1 554 600 -6 812
#> 6 2013 1 1 554 558 -4 740
#> 7 2013 1 1 555 600 -5 913
#> 8 2013 1 1 557 600 -3 709
#> 9 2013 1 1 557 600 -3 838
#> 10 2013 1 1 558 600 -2 753
#> sched_arr_time arr_delay carrier flight tailnum origin dest air_time
#> <int> <dbl> <chr> <int> <chr> <chr> <chr> <dbl>
#> 1 819 11 UA 1545 N14228 EWR IAH 227
#> 2 830 20 UA 1714 N24211 LGA IAH 227
#> 3 850 33 AA 1141 N619AA JFK MIA 160
#> 4 1022 -18 B6 725 N804JB JFK BQN 183
#> 5 837 -25 DL 461 N668DN LGA ATL 116
#> 6 728 12 UA 1696 N39463 EWR ORD 150
#> 7 854 19 B6 507 N516JB EWR FLL 158
#> 8 723 -14 EV 5708 N829AS LGA IAD 53
#> 9 846 -8 B6 79 N593JB JFK MCO 140
#> 10 745 8 AA 301 N3ALAA LGA ORD 138
#> distance hour minute time_hour
#> <dbl> <dbl> <dbl> <dttm>
#> 1 1400 5 15 2013-01-01 05:00:00
#> 2 1416 5 29 2013-01-01 05:00:00
#> 3 1089 5 40 2013-01-01 05:00:00
#> 4 1576 5 45 2013-01-01 05:00:00
#> 5 762 6 0 2013-01-01 06:00:00
#> 6 719 5 58 2013-01-01 05:00:00
#> 7 1065 6 0 2013-01-01 06:00:00
#> 8 229 6 0 2013-01-01 06:00:00
#> 9 944 6 0 2013-01-01 06:00:00
#> 10 733 6 0 2013-01-01 06:00:00
#> # … with 336,766 more rows
相关用法
- R tibble frame_matrix 逐行矩阵创建
- R tibble tibble 构建 DataFrame 架
- R tibble char 设置字符向量格式
- R tibble num 设置数值向量的格式
- R tibble rownames 用于处理行名称的工具
- R tibble enframe 将向量转换为数据帧，反之亦然
- R tibble add_row 将行添加到 DataFrame
- R tibble as_tibble 将列表、矩阵等强制转换为 DataFrame
- R tibble subsetting 子集化标题
- R tibble tibble_options 封装选项
- R tibble add_column 将列添加到 DataFrame
- R tibble lst 建立一个清单
- R tibble new_tibble Tibble 构造函数和验证器
- R tibble tribble 逐行小标题创建
- R tidyr separate_rows 将折叠的列分成多行
- R tidyr extract 使用正则表达式组将字符列提取为多列
- R tidyr chop 砍伐和砍伐
- R tidyr pivot_longer_spec 使用规范将数据从宽转为长
- R tidyr unnest_longer 将列表列取消嵌套到行中
- R tidyr uncount “计数” DataFrame
- R tidyr cms_patient_experience 来自医疗保险和医疗补助服务中心的数据
- R tidyr pivot_wider_spec 使用规范将数据从长轴转向宽轴
- R tidyverse tidyverse_update 更新 tidyverse 软件包
- R tidyr replace_na 将 NA 替换为指定值
- R tidyr unnest_wider 将列表列取消嵌套到列中
注：本文由纯净天空筛选整理自Kirill Müller等大神的英文原创作品 Printing tibbles。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。