欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

Python數(shù)據(jù)清洗實(shí)戰(zhàn):異常值檢測(cè)與處理全流程解析

Python數(shù)據(jù)清洗實(shí)戰(zhàn):異常值檢測(cè)與處理全流程解析 1. 項(xiàng)目概述從一道數(shù)學(xué)建模題說(shuō)起幾年前我接手指導(dǎo)一個(gè)學(xué)生團(tuán)隊(duì)參加全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽CUMCM他們抽到的題目是2011年的A題關(guān)于城市表層土壤重金屬污染分析。拿到數(shù)據(jù)的第一刻團(tuán)隊(duì)里編程最好的同學(xué)就懵了——Excel里密密麻麻的采樣點(diǎn)數(shù)據(jù)夾雜著大量明顯不合理甚至為負(fù)數(shù)的重金屬濃度值。直接拿這樣的數(shù)據(jù)去擬合、做空間插值結(jié)果必然是失真的甚至可能得出“某區(qū)域土壤重金屬含量為負(fù)”這種荒謬結(jié)論。這就是異常值數(shù)據(jù)分析路上第一只也是最常見(jiàn)的“攔路虎”。這個(gè)項(xiàng)目我們就以這個(gè)真實(shí)的數(shù)學(xué)建模賽題為背景用Python這把“手術(shù)刀”來(lái)系統(tǒng)性地處理數(shù)據(jù)中的異常值。這不僅僅是刪除幾個(gè)數(shù)字那么簡(jiǎn)單它關(guān)乎你后續(xù)所有模型的可信度。無(wú)論是數(shù)學(xué)建模、商業(yè)分析還是科研數(shù)據(jù)處理清洗數(shù)據(jù)尤其是識(shí)別并妥善處理異常值是決定項(xiàng)目成敗的第一步。如果你正在為數(shù)據(jù)中的“噪點(diǎn)”頭疼或者想系統(tǒng)學(xué)習(xí)Python在數(shù)據(jù)清洗中的實(shí)戰(zhàn)技巧那么這篇基于真實(shí)項(xiàng)目復(fù)盤(pán)的經(jīng)驗(yàn)分享就是為你準(zhǔn)備的。我們將從原理到實(shí)操一步步拆解如何用Pandas、NumPy、Matplotlib等工具像偵探一樣找出數(shù)據(jù)中的“異類(lèi)”并科學(xué)地決定它們的去留。2. 核心思路為什么不能簡(jiǎn)單“一刪了之”面對(duì)異常值新手最容易犯的錯(cuò)誤就是直接刪除。在2011年A題的數(shù)據(jù)里看到“砷(As)”濃度出現(xiàn)一個(gè)“-999”或者“0.001”這種與其他樣本相差幾個(gè)數(shù)量級(jí)的值第一反應(yīng)可能就是把它當(dāng)成錯(cuò)誤數(shù)據(jù)扔掉。但且慢在動(dòng)刀之前我們必須先回答三個(gè)問(wèn)題它真的是“異?!眴崛绻撬鼮槭裁磿?huì)出現(xiàn)我們應(yīng)該如何處理它2.1 異常值的本質(zhì)與分類(lèi)異常值或稱離群點(diǎn)是指與數(shù)據(jù)集中其他觀測(cè)值顯著不同的數(shù)據(jù)點(diǎn)。這種“不同”可能源于數(shù)據(jù)錄入或測(cè)量錯(cuò)誤這是最理想的情況比如儀器故障、記錄筆誤多輸了一個(gè)0、單位混淆把mg/kg記成了g/kg。2011年A題中部分負(fù)值濃度很可能就屬于此類(lèi)。采樣誤差或?qū)嶒?yàn)變異例如采樣點(diǎn)恰好位于一個(gè)污染源排放口其濃度自然遠(yuǎn)高于背景值。這雖然是“異?!钡牡珔s是真實(shí)的、有價(jià)值的信息直接刪除會(huì)掩蓋重要的污染特征。數(shù)據(jù)本身的自然分布某些數(shù)據(jù)本身就服從重尾分布如金融收益、某些環(huán)境污染物濃度存在極端值是正常的概率事件。因此我們的處理策略絕不能是“一刀切”。處理異常值的核心思路是一個(gè)決策流程檢測(cè) - 診斷 - 處理。檢測(cè)是用統(tǒng)計(jì)或可視化方法找出嫌疑點(diǎn)診斷是結(jié)合業(yè)務(wù)背景在數(shù)學(xué)建模中就是題目背景和專(zhuān)業(yè)知識(shí)判斷嫌疑點(diǎn)的性質(zhì)處理則是根據(jù)診斷結(jié)果選擇保留、修正、刪除或用穩(wěn)健方法替代。2.2 數(shù)學(xué)建模場(chǎng)景下的特殊考量在數(shù)學(xué)建模競(jìng)賽中處理異常值還需額外考慮兩點(diǎn)可解釋性你的處理方法必須在論文中清晰闡述并給出令人信服的理由。直接說(shuō)“我們刪除了大于3倍標(biāo)準(zhǔn)差的數(shù)據(jù)”是蒼白的必須結(jié)合題目背景如土壤環(huán)境質(zhì)量標(biāo)準(zhǔn)、重金屬的地球化學(xué)背景值來(lái)論證閾值設(shè)定的合理性。數(shù)據(jù)完整性競(jìng)賽數(shù)據(jù)通常有限每一個(gè)樣本都可能攜帶關(guān)鍵信息。盲目刪除可能導(dǎo)致樣本量過(guò)小影響后續(xù)建模如插值生成污染分布圖時(shí)邊界出現(xiàn)空洞。因此修正或插補(bǔ)往往是比刪除更優(yōu)的選擇。基于以上思路我們?yōu)楸敬螌?shí)戰(zhàn)設(shè)計(jì)了一個(gè)四步流程首先進(jìn)行探索性數(shù)據(jù)分析EDA可視化異常其次運(yùn)用統(tǒng)計(jì)方法進(jìn)行定量檢測(cè)然后結(jié)合背景知識(shí)進(jìn)行診斷與閾值確定最后根據(jù)診斷結(jié)果選擇適當(dāng)?shù)奶幚聿呗圆?shí)現(xiàn)。下面我們就用Python一步步實(shí)現(xiàn)它。3. 環(huán)境準(zhǔn)備與數(shù)據(jù)加載工欲善其事必先利其器。我們首先搭建一個(gè)用于數(shù)據(jù)清洗的Python環(huán)境。我個(gè)人強(qiáng)烈推薦使用Anaconda來(lái)管理環(huán)境它能很好地解決包依賴問(wèn)題。3.1 創(chuàng)建專(zhuān)屬分析環(huán)境打開(kāi)你的終端或Anaconda Prompt執(zhí)行以下命令來(lái)創(chuàng)建一個(gè)純凈的、包含所有必要庫(kù)的環(huán)境。# 創(chuàng)建一個(gè)名為data_cleaning的新環(huán)境指定Python版本為3.9兼容性好 conda create -n data_cleaning python3.9 # 激活該環(huán)境 conda activate data_cleaning # 安裝核心數(shù)據(jù)分析庫(kù) conda install pandas numpy matplotlib seaborn scipy jupyter -y # 安裝用于更高級(jí)統(tǒng)計(jì)和插值的庫(kù)可選但推薦 conda install scikit-learn statsmodels -y注意如果你沒(méi)有安裝Anaconda也可以直接使用pip install命令安裝上述包。但使用虛擬環(huán)境venv或conda env是一個(gè)好習(xí)慣可以避免不同項(xiàng)目間的包版本沖突。3.2 加載與初窺數(shù)據(jù)由于2011年A題的原始數(shù)據(jù)需要從賽題頁(yè)面下載這里我模擬生成了一份結(jié)構(gòu)、特征相似的合成數(shù)據(jù)集以便完整演示流程。假設(shè)我們有一個(gè)soil_heavy_metal.csv文件包含采樣點(diǎn)ID、坐標(biāo)X Y以及8種重金屬As, Cd, Cr, Cu, Hg, Ni, Pb, Zn的濃度數(shù)據(jù)。import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 設(shè)置繪圖風(fēng)格讓圖表更好看 plt.style.use(seaborn-v0_8-darkgrid) sns.set_palette(husl) # 1. 加載數(shù)據(jù) df pd.read_csv(soil_heavy_metal.csv) print(數(shù)據(jù)形狀行列:, df.shape) print(\n前5行數(shù)據(jù)) print(df.head()) print(\n數(shù)據(jù)基本信息) print(df.info()) print(\n描述性統(tǒng)計(jì)) print(df.describe())運(yùn)行這段代碼你會(huì)立刻對(duì)數(shù)據(jù)有個(gè)整體印象有多少行、多少列、是否有缺失值、各重金屬濃度的均值、標(biāo)準(zhǔn)差、最小最大值等。df.describe()輸出的最大值、最小值往往是發(fā)現(xiàn)異常值的第一條線索。比如你看到某元素的最小值是負(fù)數(shù)或者最大值是均值的上千倍紅燈就亮起了。3.3 數(shù)據(jù)質(zhì)量初步檢查在深入分析前先做一次快速體檢。# 檢查缺失值 missing_sum df.isnull().sum() print(各列缺失值數(shù)量\n, missing_sum[missing_sum 0]) if missing_sum.sum() 0: print(數(shù)據(jù)集中暫無(wú)缺失值。) # 檢查重復(fù)行 duplicate_rows df.duplicated().sum() print(f\n重復(fù)行數(shù)量{duplicate_rows}) # 檢查明顯不合理的值例如濃度為負(fù) negative_cols [] for col in df.columns: if df[col].dtype in [int64, float64]: # 只檢查數(shù)值列 if (df[col] 0).any(): negative_cols.append(col) print(f\n存在負(fù)值的列{negative_cols}) if negative_cols: for col in negative_cols: neg_count (df[col] 0).sum() print(f {col}: {neg_count} 個(gè)負(fù)值例如{df.loc[df[col] 0, col].iloc[:3].values})這一步能幫你快速抓住最明顯的“硬傷”比如錄入錯(cuò)誤導(dǎo)致的負(fù)值。對(duì)于這些明顯的錯(cuò)誤我們可以在后續(xù)步驟中優(yōu)先處理。4. 異常值檢測(cè)可視化與統(tǒng)計(jì)方法雙管齊下檢測(cè)異常值我習(xí)慣“先看圖再算數(shù)”??梢暬芙o你直觀感受統(tǒng)計(jì)方法則提供定量依據(jù)。4.1 可視化檢測(cè)讓異常值無(wú)所遁形4.1.1 箱線圖Boxplot箱線圖是識(shí)別異常值的經(jīng)典工具。它顯示了數(shù)據(jù)的中位數(shù)、上下四分位數(shù)Q1, Q3以及“須”的范圍。通常落在Q1 - 1.5IQR四分位距以下或Q3 1.5IQR以上的點(diǎn)被視為潛在的異常值在箱線圖中常以圓點(diǎn)形式標(biāo)出。# 繪制所有重金屬濃度的箱線圖 heavy_metal_cols [As, Cd, Cr, Cu, Hg, Ni, Pb, Zn] plt.figure(figsize(14, 8)) df[heavy_metal_cols].boxplot() plt.title(重金屬濃度箱線圖初步識(shí)別異常值) plt.ylabel(濃度 (mg/kg)) plt.xticks(rotation45) plt.tight_layout() plt.show()通過(guò)箱線圖你可以一眼看出哪些元素的濃度分布存在大量“飛點(diǎn)”以及這些異常值是偏于高值還是低值。例如Cd鎘可能顯示出較多的高位異常點(diǎn)這很可能對(duì)應(yīng)著局部的強(qiáng)污染源。4.1.2 直方圖與Q-Q圖直方圖看分布形態(tài)Q-Q圖分位數(shù)-分位數(shù)圖檢驗(yàn)數(shù)據(jù)是否服從正態(tài)分布。許多統(tǒng)計(jì)檢測(cè)方法如3σ原則基于正態(tài)假設(shè)如果數(shù)據(jù)嚴(yán)重偏離正態(tài)這些方法可能失效。fig, axes plt.subplots(2, 4, figsize(16, 10)) axes axes.ravel() for idx, col in enumerate(heavy_metal_cols): # 直方圖 axes[idx].hist(df[col].dropna(), bins30, edgecolorblack, alpha0.7) axes[idx].set_title(f{col} 分布) axes[idx].set_xlabel(濃度) axes[idx].set_ylabel(頻數(shù)) plt.suptitle(重金屬濃度直方圖, fontsize16) plt.tight_layout() plt.show() # 以As為例繪制Q-Q圖 import scipy.stats as stats plt.figure(figsize(6,6)) stats.probplot(df[As].dropna(), distnorm, plotplt) plt.title(As濃度Q-Q圖檢驗(yàn)正態(tài)性) plt.show()如果直方圖嚴(yán)重右偏長(zhǎng)尾在右且Q-Q圖上的點(diǎn)明顯偏離對(duì)角線說(shuō)明數(shù)據(jù)非正態(tài)。這時(shí)你需要考慮使用基于中位數(shù)和四分位數(shù)的穩(wěn)健方法如箱線圖法而不是基于均值和標(biāo)準(zhǔn)差的方法。4.1.3 散點(diǎn)圖矩陣觀察多個(gè)變量之間的關(guān)系以及是否存在遠(yuǎn)離主體群的觀測(cè)點(diǎn)。# 選擇幾個(gè)關(guān)鍵元素繪制散點(diǎn)圖矩陣 sns.pairplot(df[[As, Cd, Pb, Zn]], diag_kindkde, cornerTrue) plt.suptitle(關(guān)鍵重金屬元素散點(diǎn)圖矩陣, y1.02) plt.show()有時(shí)單變量看不是異常但在多變量空間里卻是異常比如As和Cd濃度都異常高。散點(diǎn)圖能幫你發(fā)現(xiàn)這種多維異常。4.2 統(tǒng)計(jì)方法檢測(cè)設(shè)定定量閾值可視化給了我們直覺(jué)接下來(lái)需要用數(shù)字說(shuō)話。4.2.1 標(biāo)準(zhǔn)差法3σ原則適用于近似正態(tài)分布的數(shù)據(jù)。認(rèn)為99.7%的數(shù)據(jù)落在均值上下3個(gè)標(biāo)準(zhǔn)差的范圍內(nèi)之外的即為異常值。def detect_outliers_std(df, column, n_std3): 使用標(biāo)準(zhǔn)差法檢測(cè)異常值 mean df[column].mean() std df[column].std() lower_bound mean - n_std * std upper_bound mean n_std * std outliers df[(df[column] lower_bound) | (df[column] upper_bound)] return outliers, lower_bound, upper_bound # 檢測(cè)As的異常值 as_outliers_std, low_std, up_std detect_outliers_std(df, As, n_std3) print(fAs濃度 - 標(biāo)準(zhǔn)差法±3σ:) print(f 邊界[{low_std:.2f}, {up_std:.2f}]) print(f 異常值數(shù)量{len(as_outliers_std)}) print(f 異常值索引示例{as_outliers_std.index[:5].tolist()})4.2.2 箱線圖法IQR法這是一種更穩(wěn)健的方法不依賴于正態(tài)分布假設(shè)對(duì)極端值不敏感。def detect_outliers_iqr(df, column): 使用IQR法檢測(cè)異常值 Q1 df[column].quantile(0.25) Q3 df[column].quantile(0.75) IQR Q3 - Q1 lower_bound Q1 - 1.5 * IQR upper_bound Q3 1.5 * IQR outliers df[(df[column] lower_bound) | (df[column] upper_bound)] return outliers, lower_bound, upper_bound # 檢測(cè)As的異常值IQR法 as_outliers_iqr, low_iqr, up_iqr detect_outliers_iqr(df, As) print(f\nAs濃度 - IQR法1.5IQR:) print(f 邊界[{low_iqr:.2f}, {up_iqr:.2f}]) print(f 異常值數(shù)量{len(as_outliers_iqr)})實(shí)操心得對(duì)比兩種方法的結(jié)果。對(duì)于嚴(yán)重偏態(tài)的數(shù)據(jù)標(biāo)準(zhǔn)差法可能會(huì)誤將許多正常數(shù)據(jù)判為異常因?yàn)榫当粯O端值拉偏而IQR法通常更可靠。在數(shù)學(xué)建模論文中我建議同時(shí)報(bào)告兩種方法的結(jié)果并解釋為什么最終選擇其中一種例如“由于數(shù)據(jù)呈右偏分布我們采用對(duì)極端值不敏感的IQR法進(jìn)行異常值識(shí)別”。4.2.3 基于模型的方法孤立森林對(duì)于更復(fù)雜的數(shù)據(jù)集可以使用機(jī)器學(xué)習(xí)算法。孤立森林通過(guò)隨機(jī)劃分特征空間來(lái)隔離樣本異常點(diǎn)因?yàn)椤芭c眾不同”而容易被快速隔離。from sklearn.ensemble import IsolationForest # 假設(shè)我們針對(duì)所有重金屬濃度特征進(jìn)行檢測(cè) X df[heavy_metal_cols].fillna(df[heavy_metal_cols].median()) # 用中位數(shù)填充缺失值 # 初始化并訓(xùn)練孤立森林模型 # contamination參數(shù)估計(jì)異常值比例可根據(jù)箱線圖結(jié)果大致設(shè)定 iso_forest IsolationForest(contamination0.05, random_state42) outlier_labels iso_forest.fit_predict(X) # 標(biāo)記異常值-1表示異常 df[iso_forest_outlier] outlier_labels outlier_count (df[iso_forest_outlier] -1).sum() print(f\n孤立森林檢測(cè)出的異常樣本數(shù){outlier_count})孤立森林能捕捉多維異常但解釋性稍差。在數(shù)學(xué)建模中可以作為輔助驗(yàn)證手段不建議作為主要判定依據(jù)因?yàn)檎撐闹行枰逦山忉尩拈撝怠?. 異常值診斷與處理策略制定檢測(cè)出的“嫌疑點(diǎn)”名單有了現(xiàn)在進(jìn)入關(guān)鍵的診斷與決策階段。這一步需要結(jié)合題目背景知識(shí)。5.1 診斷它是“錯(cuò)誤”還是“特征”以2011年A題為例我們需要查閱《土壤環(huán)境質(zhì)量 農(nóng)用地土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)試行》GB 15618-2018等資料了解各重金屬的背景值范圍和風(fēng)險(xiǎn)篩選值。例如某區(qū)域土壤砷的背景值可能在5-15 mg/kg如果檢測(cè)到一個(gè)200 mg/kg的點(diǎn)它很可能是一個(gè)真實(shí)的高污染點(diǎn)特征而非錯(cuò)誤。反之一個(gè)-1 mg/kg的值顯然是錯(cuò)誤。診斷流程對(duì)照物理/化學(xué)極限濃度不能為負(fù)通常有檢測(cè)下限。負(fù)值和低于檢測(cè)下限的異常低值可初步判定為錯(cuò)誤。對(duì)照背景值或標(biāo)準(zhǔn)值查閱文獻(xiàn)或國(guó)家標(biāo)準(zhǔn)了解該區(qū)域該元素的正常范圍。遠(yuǎn)超正常范圍上限的可能是污染點(diǎn)遠(yuǎn)低于下限的可能是分析誤差或特殊地質(zhì)背景??臻g關(guān)聯(lián)分析在地圖上標(biāo)出異常點(diǎn)。如果高值點(diǎn)聚集在工業(yè)區(qū)、交通干線附近則很可能是真實(shí)污染如果孤立且遠(yuǎn)離任何潛在源則錯(cuò)誤可能性增大。元素比值分析某些重金屬之間存在穩(wěn)定的地球化學(xué)比值。計(jì)算異常點(diǎn)的元素比值如Pb/Zn Cu/Ni看是否偏離區(qū)域背景比值輔助判斷。# 示例結(jié)合空間位置分析異常值 # 假設(shè)df中有X, Y坐標(biāo)列 as_outliers, _, _ detect_outliers_iqr(df, As) plt.figure(figsize(10, 8)) # 繪制所有采樣點(diǎn) plt.scatter(df[X], df[Y], cblue, alpha0.5, label正常點(diǎn), s20) # 高亮標(biāo)注As異常點(diǎn) plt.scatter(as_outliers[X], as_outliers[Y], cred, marker^, s100, labelAs異常點(diǎn) (IQR法)) plt.xlabel(X坐標(biāo)) plt.ylabel(Y坐標(biāo)) plt.title(As濃度異常點(diǎn)空間分布) plt.legend() plt.grid(True, alpha0.3) plt.tight_layout() plt.show()5.2 處理策略選擇根據(jù)診斷結(jié)果選擇處理方式診斷結(jié)果可能原因推薦處理策略Python實(shí)現(xiàn)思路明顯錯(cuò)誤錄入錯(cuò)誤、儀器故障、負(fù)值、低于檢測(cè)限的零值刪除或修正直接刪除行或用np.nan標(biāo)記后插補(bǔ)真實(shí)異常污染點(diǎn)局部強(qiáng)污染源保留但單獨(dú)分析保留數(shù)據(jù)在后續(xù)建模中可作為重點(diǎn)研究對(duì)象或使用穩(wěn)健統(tǒng)計(jì)方法如中位數(shù)真實(shí)異常自然極端數(shù)據(jù)本身重尾分布保留或穩(wěn)健處理使用對(duì)數(shù)變換、Box-Cox變換使數(shù)據(jù)更接近正態(tài)或使用非參數(shù)方法不確定信息不足無(wú)法判斷多重插補(bǔ)或標(biāo)記用多重插補(bǔ)法生成多個(gè)可能值或創(chuàng)建布爾列標(biāo)記為“可疑點(diǎn)”在數(shù)學(xué)建模中的建議對(duì)于明顯錯(cuò)誤在論文中明確說(shuō)明“我們發(fā)現(xiàn)了N個(gè)負(fù)值/零值數(shù)據(jù)點(diǎn)這些在物理意義上不可能判定為錄入錯(cuò)誤予以刪除?!睂?duì)于疑似真實(shí)高值不要輕易刪除可以這樣處理“識(shí)別出M個(gè)顯著高于背景值的采樣點(diǎn)如As X mg/kg。經(jīng)查這些點(diǎn)均位于歷史工業(yè)區(qū)附近我們認(rèn)為是真實(shí)污染予以保留。在后續(xù)空間插值時(shí)我們采用了穩(wěn)健的克里金方法以降低這些極端值對(duì)整體插值面的過(guò)度影響?!狈€(wěn)健性處理在計(jì)算區(qū)域平均濃度、進(jìn)行相關(guān)性分析時(shí)使用中位數(shù)和Spearman秩相關(guān)代替均值和Pearson相關(guān)它們對(duì)異常值不敏感。6. 異常值處理實(shí)操Python代碼實(shí)現(xiàn)現(xiàn)在我們將診斷決策轉(zhuǎn)化為具體的Python操作。假設(shè)我們對(duì)As列的診斷結(jié)果是負(fù)值均為錯(cuò)誤予以刪除部分極高值 Q3 3IQR為真實(shí)污染保留但標(biāo)記其他IQR法檢測(cè)出的高值用中位數(shù)插補(bǔ)。6.1 處理明顯錯(cuò)誤如負(fù)值# 記錄原始數(shù)據(jù)形狀 original_shape df.shape print(f原始數(shù)據(jù)形狀{original_shape}) # 1. 處理負(fù)值直接刪除或設(shè)為NaN # 假設(shè)我們判定所有負(fù)值為錯(cuò)誤 for col in heavy_metal_cols: # 首先查看負(fù)值情況 neg_mask df[col] 0 if neg_mask.any(): print(f在 {col} 列中發(fā)現(xiàn) {neg_mask.sum()} 個(gè)負(fù)值正在刪除對(duì)應(yīng)行...) # 刪除任何重金屬濃度為負(fù)的整行數(shù)據(jù)因?yàn)橐粋€(gè)點(diǎn)采樣所有元素?cái)?shù)據(jù)應(yīng)同進(jìn)退 df df[~neg_mask] print(f刪除負(fù)值后數(shù)據(jù)形狀{df.shape}) print(f共刪除 {original_shape[0] - df.shape[0]} 行。)6.2 處理疑似異常高值分情況處理# 2. 識(shí)別并分情況處理高異常值 # 2.1 使用更嚴(yán)格的IQR邊界如3倍IQR識(shí)別“極端高值”我們認(rèn)為是真實(shí)污染保留但標(biāo)記。 def get_extreme_high_outliers(df, column, iqr_multiplier3): Q1 df[column].quantile(0.25) Q3 df[column].quantile(0.75) IQR Q3 - Q1 upper_bound_extreme Q3 iqr_multiplier * IQR extreme_outliers df[df[column] upper_bound_extreme] return extreme_outliers, upper_bound_extreme # 以As為例 as_extreme, as_extreme_bound get_extreme_high_outliers(df, As, iqr_multiplier3) print(f\nAs濃度極端高值 Q33IQR {as_extreme_bound:.2f}數(shù)量{len(as_extreme)}) print(這些點(diǎn)將被保留并標(biāo)記為‘真實(shí)污染點(diǎn)’。) # 在數(shù)據(jù)框中添加標(biāo)記列 df[As_extreme_high] df[As] as_extreme_bound # 2.2 對(duì)于普通高異常值Q31.5IQR value Q33IQR我們認(rèn)為是可能的誤差或輕度異常用中位數(shù)插補(bǔ)。 as_normal_outliers, low_bound, up_bound detect_outliers_iqr(df, As]) # 1.5IQR邊界 # 注意這里的as_normal_outliers包含了極端高值我們需要排除它們 as_normal_outliers as_normal_outliers[~as_normal_outliers[As_extreme_high]] if not as_normal_outliers.empty: print(f\nAs濃度普通高異常值1.5IQR value 3IQR數(shù)量{len(as_normal_outliers)}) print(這些點(diǎn)將用該列中位數(shù)進(jìn)行插補(bǔ)。) # 計(jì)算中位數(shù)排除極端高值避免被它們拉高 median_as df.loc[~df[As_extreme_high], As].median() # 記錄原始值便于追溯 df[As_original] df[As].copy() # 進(jìn)行插補(bǔ) df.loc[as_normal_outliers.index, As] median_as print(f用于插補(bǔ)的中位數(shù)為{median_as:.4f}) else: print(\n未發(fā)現(xiàn)需要插補(bǔ)的普通高異常值。)6.3 處理其他元素的異常值我們可以將上述邏輯封裝成函數(shù)批量處理所有重金屬列。def process_column_outliers(df, column_name, extreme_multiplier3, normal_multiplier1.5): 處理單列異常值 1. 負(fù)值已在前一步刪除此處不考慮。 2. 識(shí)別極端高值 Q3extreme_multiplier*IQR保留并標(biāo)記。 3. 識(shí)別普通高異常值Q3normal_multiplier*IQR value Q3extreme_multiplier*IQR用中位數(shù)插補(bǔ)。 # 創(chuàng)建標(biāo)記列 extreme_flag_col f{column_name}_extreme_high original_col f{column_name}_original # 計(jì)算邊界 Q1 df[column_name].quantile(0.25) Q3 df[column_name].quantile(0.75) IQR Q3 - Q1 upper_bound_extreme Q3 extreme_multiplier * IQR upper_bound_normal Q3 normal_multiplier * IQR # 標(biāo)記極端高值 df[extreme_flag_col] df[column_name] upper_bound_extreme # 識(shí)別普通高異常值在正常邊界和極端邊界之間且未被標(biāo)記為極端 normal_high_mask (df[column_name] upper_bound_normal) (df[column_name] upper_bound_extreme) (~df[extreme_flag_col]) # 保存原始值 if original_col not in df.columns: df[original_col] df[column_name] # 插補(bǔ)普通高異常值 if normal_high_mask.any(): # 使用非極端值的中位數(shù)進(jìn)行插補(bǔ) median_val df.loc[~df[extreme_flag_col], column_name].median() df.loc[normal_high_mask, column_name] median_val print(f {column_name}: 插補(bǔ)了 {normal_high_mask.sum()} 個(gè)普通高異常值使用中位數(shù) {median_val:.4f}) else: print(f {column_name}: 無(wú)普通高異常值需插補(bǔ)。) # 返回極端高值數(shù)量和信息 extreme_count df[extreme_flag_col].sum() return extreme_count, upper_bound_extreme print(\n--- 開(kāi)始批量處理各重金屬列 ---) for col in heavy_metal_cols: if col in df.columns: # 確保列還存在未被刪除 extreme_cnt, bound process_column_outliers(df, col, extreme_multiplier3, normal_multiplier1.5) print(f {col}: 保留了 {extreme_cnt} 個(gè)極端高值 {bound:.2f}視為潛在污染點(diǎn)。)6.4 處理后的數(shù)據(jù)驗(yàn)證與保存處理完成后務(wù)必驗(yàn)證數(shù)據(jù)質(zhì)量并保存清洗后的數(shù)據(jù)。# 驗(yàn)證再次繪制箱線圖觀察異常值處理效果 plt.figure(figsize(14, 8)) df[heavy_metal_cols].boxplot() plt.title(異常值處理后重金屬濃度箱線圖) plt.ylabel(濃度 (mg/kg)) plt.xticks(rotation45) plt.tight_layout() plt.show() # 查看處理摘要 print(\n 數(shù)據(jù)處理摘要 ) print(f最終數(shù)據(jù)形狀{df.shape}) print(\n各列極端高值真實(shí)污染點(diǎn)數(shù)量) extreme_cols [col for col in df.columns if _extreme_high in col] for col in extreme_cols: metal col.replace(_extreme_high, ) count df[col].sum() print(f {metal}: {count}) # 保存清洗后的數(shù)據(jù) output_file soil_heavy_metal_cleaned.csv df.to_csv(output_file, indexFalse) print(f\n清洗后的數(shù)據(jù)已保存至{output_file})7. 高級(jí)話題與常見(jiàn)問(wèn)題排查在實(shí)際操作中你肯定會(huì)遇到比教程更復(fù)雜的情況。下面分享一些進(jìn)階技巧和踩坑經(jīng)驗(yàn)。7.1 缺失值、異常值與插補(bǔ)的協(xié)同處理很多時(shí)候數(shù)據(jù)集中同時(shí)存在缺失值NaN和異常值。處理順序很重要。我推薦的流程是標(biāo)記異常值先用IQR或業(yè)務(wù)規(guī)則找出異常值但不急于修改或刪除只是新增一個(gè)布爾列進(jìn)行標(biāo)記。處理缺失值對(duì)缺失值進(jìn)行插補(bǔ)。關(guān)鍵點(diǎn)插補(bǔ)時(shí)應(yīng)排除那些被標(biāo)記為異常值的樣本避免用異常值去影響插補(bǔ)模型。例如用KNN插補(bǔ)時(shí)特征矩陣中不應(yīng)包含異常值樣本。處理異常值根據(jù)診斷對(duì)標(biāo)記的異常值進(jìn)行刪除、修正或保留操作。# 示例在插補(bǔ)缺失值時(shí)排除異常值 from sklearn.impute import KNNImputer # 假設(shè)我們已經(jīng)有了‘As_is_extreme’標(biāo)記列 # 1. 創(chuàng)建用于插補(bǔ)的數(shù)據(jù)副本并將極端異常值暫時(shí)設(shè)為NaN不參與建模 df_for_impute df[heavy_metal_cols].copy() for col in heavy_metal_cols: extreme_flag f{col}_extreme_high if extreme_flag in df.columns: df_for_impute.loc[df[extreme_flag], col] np.nan # 2. 使用KNN插補(bǔ)缺失值現(xiàn)在包括原始的缺失值和被我們暫時(shí)設(shè)為NaN的異常值位置 imputer KNNImputer(n_neighbors5) df_imputed_array imputer.fit_transform(df_for_impute) df_imputed pd.DataFrame(df_imputed_array, columnsheavy_metal_cols, indexdf.index) # 3. 將插補(bǔ)后的值填回原數(shù)據(jù)集僅填充原為NaN或我們暫時(shí)設(shè)為NaN的位置 for col in heavy_metal_cols: mask_original_missing df[col].isna() mask_extreme_set_nan df_for_impute[col].isna() ~mask_original_missing fill_mask mask_original_missing | mask_extreme_set_nan df.loc[fill_mask, col] df_imputed.loc[fill_mask, col]7.2 基于業(yè)務(wù)規(guī)則的定制化檢測(cè)統(tǒng)計(jì)方法有其局限性必須結(jié)合領(lǐng)域知識(shí)。例如在環(huán)境領(lǐng)域常用“背景值幾何標(biāo)準(zhǔn)差”的方法。def detect_outliers_geometric(df, column, log_base10, n_std2): 基于對(duì)數(shù)正態(tài)分布假設(shè)的異常值檢測(cè)。 適用于濃度等通常呈對(duì)數(shù)正態(tài)分布的環(huán)境數(shù)據(jù)。 # 取對(duì)數(shù)處理前確保沒(méi)有0或負(fù)值 data_log np.log10(df[column].clip(lower1e-10)) # clip避免0 geometric_mean np.power(10, data_log.mean()) geometric_std np.power(10, data_log.std()) lower_bound geometric_mean / (geometric_std ** n_std) upper_bound geometric_mean * (geometric_std ** n_std) outliers df[(df[column] lower_bound) | (df[column] upper_bound)] return outliers, lower_bound, upper_bound # 使用示例 as_outliers_geo, low_geo, up_geo detect_outliers_geometric(df, As, n_std2) print(f幾何法檢測(cè)2倍幾何標(biāo)準(zhǔn)差邊界[{low_geo:.2f}, {up_geo:.2f}]) print(f異常值數(shù)量{len(as_outliers_geo)})7.3 常見(jiàn)問(wèn)題與排查技巧實(shí)錄問(wèn)題1處理后的數(shù)據(jù)分布嚴(yán)重變形現(xiàn)象箱線圖顯示數(shù)據(jù)被“壓扁”在一個(gè)很窄的范圍內(nèi)失去了變異信息。原因可能過(guò)于激進(jìn)地刪除了大量“異常值”或者用中位數(shù)/均值插補(bǔ)了太多點(diǎn)。排查檢查異常值檢測(cè)的閾值是否過(guò)嚴(yán)如用了2σ而非3σ?;仡櫾\斷步驟確認(rèn)被處理的是否大部分是“真實(shí)錯(cuò)誤”而非“真實(shí)特征”。解決放寬閾值或?qū)Α耙伤普鎸?shí)異?!辈捎酶J氐奶幚矸绞饺鏦insorizing縮尾法僅將極端值替換為指定分位數(shù)而非全部替換為中位數(shù)。def winsorize_column(series, limits(0.05, 0.05)): 縮尾處理將兩端極端值替換為指定分位數(shù) from scipy.stats.mstats import winsorize # limits(0.05, 0.05) 表示將最低5%和最高5%的值縮尾 winsorized_data winsorize(series, limitslimits) return pd.Series(winsorized_data, indexseries.index) # 對(duì)As列進(jìn)行5%縮尾處理 df[As_winsorized] winsorize_column(df[As], limits(0.05, 0.05))問(wèn)題2多變量異常檢測(cè)結(jié)果與單變量不一致現(xiàn)象用孤立森林找出的異常點(diǎn)在單個(gè)變量的箱線圖上看起來(lái)并不極端。原因該樣本在所有單變量維度上都正常但多個(gè)變量的組合關(guān)系異常例如Cd濃度中等Pb濃度中等但兩者的比值異常高。排查檢查這些樣本在多維散點(diǎn)圖或降維圖如PCA得分圖上的位置。解決這類(lèi)異常點(diǎn)可能揭示了特殊污染類(lèi)型或數(shù)據(jù)質(zhì)量問(wèn)題需要結(jié)合空間位置和背景知識(shí)深入分析不能簡(jiǎn)單忽略。問(wèn)題3處理后后續(xù)建模如克里金插值在異常點(diǎn)位置出現(xiàn)“空洞”或“尖峰”現(xiàn)象刪除異常點(diǎn)后插值圖在該區(qū)域出現(xiàn)空白保留極端高值則產(chǎn)生不合理的“污染島”。原因空間插值方法對(duì)數(shù)據(jù)密度和極值敏感。解決對(duì)于刪除的點(diǎn)考慮使用考慮變量相關(guān)性的多重插補(bǔ)方法在刪除點(diǎn)位置生成合理的估計(jì)值再參與插值。對(duì)于保留的極端點(diǎn)在插值時(shí)使用穩(wěn)健變異函數(shù)Robust Variogram估計(jì)它受極端值影響小?;蛘咴诓逯登皩?duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)轉(zhuǎn)換以緩和極端值的影響。# 使用Ordinary Kriging插值前進(jìn)行對(duì)數(shù)轉(zhuǎn)換 df[As_log] np.log1p(df[As]) # log1p log(1x)避免x0的問(wèn)題 # 或者使用穩(wěn)健變異函數(shù)需要專(zhuān)業(yè)地統(tǒng)計(jì)學(xué)庫(kù)如pykrige或gstools # 這里以概念為例問(wèn)題4自動(dòng)化腳本在處理新數(shù)據(jù)集時(shí)效果不佳現(xiàn)象為2011年數(shù)據(jù)寫(xiě)的處理流程用在2012年數(shù)據(jù)上要么漏掉很多異常值要么把正常值誤殺了。原因不同數(shù)據(jù)集的數(shù)據(jù)分布、量級(jí)、背景值可能不同。硬編碼的閾值如固定倍數(shù)IQR不具備普適性。解決將閾值參數(shù)化并編寫(xiě)一個(gè)數(shù)據(jù)質(zhì)量報(bào)告生成函數(shù)在新數(shù)據(jù)上先運(yùn)行報(bào)告人工審查建議的閾值再進(jìn)行調(diào)整。def generate_data_quality_report(df, numeric_cols): 生成數(shù)據(jù)質(zhì)量報(bào)告輔助設(shè)定閾值 report {} for col in numeric_cols: desc df[col].describe(percentiles[.01, .05, .25, .5, .75, .95, .99]) Q1, Q3 desc[25%], desc[75%] IQR Q3 - Q1 report[col] { mean: desc[mean], std: desc[std], min: desc[min], 1%: desc[1%], 5%: desc[5%], median: desc[50%], 95%: desc[95%], 99%: desc[99%], max: desc[max], IQR: IQR, 建議箱線圖法上限 (Q31.5IQR): Q3 1.5 * IQR, 建議箱線圖法下限 (Q1-1.5IQR): Q1 - 1.5 * IQR, 偏度: df[col].skew(), 峰度: df[col].kurtosis() } report_df pd.DataFrame(report).T return report_df # 生成報(bào)告 quality_report generate_data_quality_report(df, heavy_metal_cols) print(quality_report[[min, 1%, 建議箱線圖法下限, median, 建議箱線圖法上限, 99%, max, 偏度]])這份報(bào)告能幫你快速了解每個(gè)變量的分布特別是“偏度”指標(biāo)。如果偏度遠(yuǎn)大于0右偏那么基于均值的標(biāo)準(zhǔn)差法就可能不適用報(bào)告中的百分位數(shù)1% 99%和箱線圖法建議邊界能給你更合理的調(diào)整起點(diǎn)。數(shù)據(jù)處理尤其是異常值處理從來(lái)不是一道有標(biāo)準(zhǔn)答案的數(shù)學(xué)題。它混合了統(tǒng)計(jì)學(xué)、領(lǐng)域知識(shí)和實(shí)際經(jīng)驗(yàn)。在數(shù)學(xué)建模中清晰記錄你的處理流程、每一步的理由以及參數(shù)選擇的依據(jù)比追求一個(gè)“完美”的結(jié)果更重要。因?yàn)樵u(píng)審專(zhuān)家看的正是你面對(duì)真實(shí)、混亂數(shù)據(jù)時(shí)所展現(xiàn)出的科學(xué)決策能力和嚴(yán)謹(jǐn)態(tài)度。希望這篇長(zhǎng)文能為你提供一套可復(fù)現(xiàn)、可解釋的方法論工具箱。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷五月天伊人| 激情五月天综合| 色色亚洲五月天| 婷婷亚洲在线| jiqingliuyuetian| 天天色噜| 超碰成人免费| 99久久99久久综合| 黄网在线免费| 亚洲激情| 丁香色六月婷婷| 久久久婷婷五月亚洲97号色| 色婷婷91| 色久九| 婷婷的99视频网站| 思思热久久阴99| 亚洲夜五月| xxxx五月激情| 五月丁香六月激情综合在线| 99热在线观看这里只有精品| 激情五月视频在线婷婷| 五月天伊人久久久久| 色老久久| 丁香五月天视频| 天天综合在线网| 五月婷婷丁香五月| 怡红院AV亚洲一区二区三区H| 日本色色影片| 大香蕉在线观看9| 久久99精品久久久久久三级| 激情五月婷婷| 2020久久婷婷五月| 五月天另类图片| 怡红院视频| 丁香婷婷视频在线| www.国产色| 狠狠狠狠狠干| 久9久视频精品| 激情婷婷黄色五月| 五月婷婷久久综合| 91九色精品熟女内射| 六月婷婷六月天天在线免费| 丁香婷婷激情网站| 亚洲综合久| 婷婷五月中文在线| 伊人AV五月婷| 色婷婷久久| 婷婷五月天色色| 日本4399天堂中出| 9有码中文| 91丨九色丨东北熟女| 丁香五月激情婷婷视频| 思思久热| 亚洲激情网| 欧美日韩99| 666555。COm毛片| 97超级碰碰碰久久久| 97五月婷婷| 开心五月婷婷激情| 色婷婷狠狠久久综合五月| 欧美激情综合五月色丁香| 成人电影在线免费试看| 天天做天天爱天天高潮| 97香蕉人人在线观看| 中文字幕在线资源| 99在线看片| 丁香婷婷社区| 女人高潮内射99精品| 日逼影音先锋男人资源站| 九九色院| 丁香激情六月天婷婷| 深爱综合网| 成人亚洲精品| 五月婷婷香蕉| 五月婷婷六月丁香综合| 中文字幕久久一区二区三区| 综合网色| 成人丁香婷婷| 伊人久久婷婷| 艾小青av| 国产午夜一区二区三区| 日本人妻久久| 亚州激情在线视频| 婷丁香五月天| 亚洲色就是色色色| 久久久婷婷婷| 17.c黄色| 日本狠狠色| 四色五月婷婷| 色播五月丁香| www.五月天婷婷| 99热这里是精品| www.夜夜爱.com| 97av在线视频| 色五月AV| 开心五月色婷婷综合开心网| 丁香久久综合| 丁香六月伊人| 久久精品99国产精品日本| 九月丁香欧美综合| wwccc久久久| www.夜夜| 成人性生活免费观看。| 亚洲va日| 婷婷久久综| 五月色情| 成人电影一区| 天天影视天天爽天天草| 午夜天天精品视频| 精品九九在线观看视频| 国产亚洲色婷婷久久99精品91| www.色五月| 天堂五月婷婷| 这里只有精品视频在线看| 99热1| 丁香五月婷婷社区| 人人操Av| 996热| 91碰操| 综合激情五月丁香9999久久精| 五月天狠狠| 男妓跪趴把舌头伸进我的嘴巴| 五月天婷婷色情| 五月丁香六月色婷婷| 日本三级黄色大片| 色婷婷影| 婷婷丁香五月在线播放| 先锋影音av色五月天资源站| 色五月婷婷天天干| 丁香九月激情| 九九精品热播| 日日夜夜狠狠操| 精品一二三区久久AAA片| 91精品无码| 色色色色网站| 精品九九久久| 不卡影院午夜理论片| 激情六月婷婷| 久久在这里99| 激情人妻综合| 超碰色人妾| 色五月婷婷视频| 五月婷婷综合激情| 在线成人网址| 五月综合激情| AV成人在线播放| 久久人妻视步| AV在线不卡播放| 久激情网| 天天成人五月天| 9久久婷婷国产综合精品性色| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品 | 日韩婷婷| 五月天激情四射网站| www.ppypp| 日本人妻伦在线中文字幕| 狠狠色色| 五月丁香五月综合欧美| 天天综合情| 丁香六月激情四射| 先锋资源91| 日韩精品无码99| 嫩BBB搡BBBB榛BBBB| 九九热99视频| 丁香九月激情| 婷色五月| 狠狠色情婷婷| 五月天激情小说| 中文无码婷婷| 天天色色天天| 7月婷婷六月丁香| 成人网址在线观看| 五月婷婷色播| 五月丁香婷婷中文| 日韩成人av在线| 99久久婷婷五月综合| 九九在线91| 日本成人小说婷婷六月| 亚州第一黄网| 五月丁香六月婷婷亚洲综合| ady狠狠入| 深爱激情六月| wwww.9免费视频| 五月婷婷自拍视频| 第四色色六月色综合| 亚洲综合狠狠艹| 婷婷欠久少妇| 色色五月婷婷丁香| 超碰人人妻| 玖玖资源站蜜臀| 超碰免费人人肏| 激情婷婷综合五月少妇| www.cao.com久久| 亚洲丁香五月| 丁香六月成人网| 99精品性爱| 日韩 mm 不卡| 超碰人人操| 五月丁香六月色| 婷婷六月综合基地| 综合色99| 天天操天天插| 婷婷色情小说| www.爱婷婷.com| 五月婷婷激情四月| 人妻操日日| 丁香五月婷婷基地| 99久在线观看| 97色色色| 另类小说婷婷色| 婷婷五月天 丁香五月天 裸体| 操操操操操电影网| 秋霞少妇毛片| 五月丁香亭亭操逼| Xx色综合| 国产,欧美,学生妹,视频| 欧洲免费视频色| 91碰操| 婷婷五月天综合在线| 9婷婷内射| 五月伊人网| 大功率国产在线| 大香蕉婷婷| 啄木鸟黑丝一区二区| 久久艹 五月天| 久久A V无码视频| 综合九九中文字幕| 亚洲综合久| 天天做天天要天天爱| 香蕉综合网| 丁香五月激情综合在线观看| 色丁香五月婷婷综合久久| 99re这里只有| 婷婷六月丁香激情| 丁香五月综合狠狠| 欧美性爱一区| 亚洲第一色色色色| 9色天堂| 天天激情站| 成年视频免费观看| 色色色色五月| 五月丁香色婷婷综合| 97精品综合久久内射| 色欲天天综合| 26uuuavcom| 无码人妻一区二区一牛影视| 超碰精品在线| 久久精品夜色噜噜亚洲a∨| 99操无码视频观看| 欧美丁香婷婷天天操| 玩熟女五十AV一二三区| 五月天婷婷AV| 深爱激情AV| 91怕怕网| 久热只有精品| 色情五月停停丁香| 五月天激情小说| 三人荫蒂添的好舒服A片| 婷婷金品综合视频| 99亚色色色| 丁香五月婷婷av影院| 五月天狠狠| 99色色爰| 超碰人人妻| 色播婷婷五月天| 欧美噜一噜| 色色色区| 婷婷丁香红五月91C| 五月婷婷丁香大陆免费| 开心深爱五月天| 婷婷色色色| 中文字幕av在线| 国产精品-第3页-91JQ就要激情网91JQ5.JQJQ926.XYZ | 久久最新色色色| 九九色网专区| 日本三级日本三级99| 婷婷六月婷婷| 中文字幕综合| 婷婷五月天久草在线| 伊人狠狠丁香婷婷综合尤物| 99热777| 五月婷婷激情| 97色碰碰公开视频| 99日这里只有精品| 97人人操在线| 91日婷婷在线| www激情| 天天搞天天爽| 思思久久思思| 99热99色| 日本天堂久久| 亚洲欧洲中文日韩久久AV乱码| 婷婷五月婷婷| 五月综合激情综合久| 日比视频91| 欧美日韩成人在线| 日日插日日干| 狠狠色丁香99| 亚洲欧美婷婷五月色综合| 1024AV视频| 在线99热| www久久99| 97丁香五月| 亚洲成人色五月婷婷综合| 伊人玖玖网| 丁香网五月天| 色人久久| 91天天操天天干天天射| 国产美女视频久| 亚洲人妻一区二区 | 99在线播放视频| 草榴视频黄色网| 性爱综合网| 婷婷综合视频| 夜夜撸夜夜骑| 99热无码| 色婷婷五月婷婷五月婷婷五月| 久久久婷| 99精品视频偷拍| 日比视频91| 欧美激情五月天| 超碰在线观看99| 日日干天天爽| 人人插9| 2025超碰| 99在线精品免费视频| 1024日韩| 99久在线视频| 色五月婷婷影院| 夜夜撸日日骑| 色丁香五月综合网| 夜夜爽日日躁| 五月婷高清视频| 91欧美| 999激情视频| 男人天堂AV在线一区二区| 丁香五月开心七月| 久久久国产精品黄毛片| 超碰v| 五月天婷婷社区| 中文AV在线播放| 婷婷五月免费视频| 可以看的av| 99A片| 99爱免费视频| 婷婷丁香激情五月天色色| 五月花成人网| 777丁香六月青青草婷婷综合久月| 99热99在线| 91一起操| 大香蕉久久伊人婷婷五月丁香| 在线成人网址| 五月丁香婷婷久久| 99自拍视频在线观看| 日韩色久| 亚洲av免费在线| 色婷婷88| 超碰97人人操| 久久98| 九九色人| 9热久久在线| 91色色五月天| 综合久久十三| 丁香五月瑟瑟| 九九九九九九九九九九九九九国产精品| 伊久大香蕉| 国产在线网| 色狠狠色噜噜AV天堂五区| 婷婷五月在线观看| 亚洲精品又粗又大又爽A片 | 久久九九99| 九九色逼| 亚洲色啪| 影音先锋美国A| 黄网在线免费| 另类亚洲电影| 欧美精品A片一区在线观看| 综合玖玖偷拍| 五月婷婷激情| 九九热亚洲中文在线观看免费| 亚洲色涩视频| 中文不卡一二三区| 66精品成人免费网站在线观看| 五月天激情开心网| 激情五月天激情小说| 无码人妻一区| 大香线蕉伊人| 久久人妻精品| 国产,欧美,学生妹,视频| seuuu婷婷| 久久玖玖99| 97人人操人人操人人操人人| 日韩精品超碰在线观看| www.色99| 深爱激情AV| 人人做人人看人人摸| 五月激情五月婷婷五月天在线| 夜丁香综合| 五月开心网| 91狠狠综合久久| 丁香五月激情网| 亚洲成av人影院| 337久久| 高清 码 免费看片短视频| 久久香蕉福利| 美女亚洲五月丁香| 天天成人丁香美女AV| 五月婷婷丁香瑟瑟视频| 国产成人在线精品| 99婷婷| 播丁香五月婷婷欧美| 人操91在线| 亚洲午夜电影| 色综合播放| 99热成人在线观看| 久草视频一,二三四| 五月丁香亚洲综合| 丁香花社区av| 欧美精产国品一二三区| 思思99精品视频在线观看| 丁香五月天无码| 日本色狠狠| 亚洲99综合| 五月综合激情| 狠爱婷色| eeuss人妻| 亚洲六月婷| 噜噜狠狠色综无码久久合欧美| 久婷婷| 最近中文字幕在线中文视频| 色婷婷五月影视| 综合色色婷婷| 丁香婷婷久久综合在线| 99日在线视频| 操人妻AV| 日韩99视频| 天天看片日日夜夜| 强伦轩人妻一区二区电影| 99精品在线| 久久人人做人人妻人人玩精品va| 日本三级毛片| 色五月天中文字幕| 五月婷婷在线观看黄| 亚洲国产精品VA在线看黑人| 国产精品黑丝| 久久丝丝热| 婷婷六月天亚州| 熟女激情网| 99国产精品久久久久久久久久久 | WWW五月天| 色色性爱视频| 色丁香五月婷婷| 99热大| 丁香五月亚洲激情婷婷射| 婷婷五月天男人影院色色网| 国产成人网| 亚洲丁香婷婷| 天天日天天添| 人人干人人看| 国产乱子轮XXX农村| 碰碰人人漕| 成人久久天天x资源站| 尔尔AV一区| 久久九色| 91 原创 在线 九色| 激情婷婷综合| 日韩在线视频网站| 精品9久| 五月婷婷性爱| 久久性爱视频网站| 风流少妇A片一区二区蜜桃 | 青青操avbb| 欧美五月婷婷| 亚洲成人AV高清字幕| 成人版视频在线观看| 99热这里只有精品热| 五月婷婷综合在线| 久久精品五月天| 五月丁香天天| 五月WWW| 色噜噜婷婷| 日日爽日日爽| 人妻体体内射精一区二区| 六月婷婷香蕉| 九九色热视频| 久久久GOGO无码啪啪艺术 | 伊人久久大香线蕉av最新| 丁香花大香蕉婷婷综合| 99激情网| 欧美 日韩 成人 在线| 九九热狼人| 五月天激情播播网| 色五月婷婷在线| 婷婷综合在线网| 色婷婷内射| 婷婷五月综激情| 狠狠色婷婷综合开心影视| 日日天天天| 成人电影在线免费试看| 9999综合99综合人| 操操操操操电影网| 色婷婷电影网| 99九九久久| 五月婷婷激情网| 日本44久久在线| 免费AV黄在线播放| 中文字幕永久在线| 久9无码视频| 婷婷五亚洲| 婷婷五月天成人网| 亚洲综合字幕色色| 91九色丨国产丨爆乳| 碰久久精品w| 激情黄色五月天| 色婷婷婷婷| 免费黄色AV| 亚洲视色| 黄色高清无码| 丁香五月婷婷亚洲另类| 久久精彩视频| 丁香五月六月久久综合 | 国产av第一专区| 五月婷婷久久综合| 涩五月婷婷| 99视频内射三四| 97干综合网| 日韩久操婷婷| 这里只有精品9| 免看黄大片AA | 这里只精品| 五月天综合视频| 久久婷婷综合基地| 九九自拍网| 综合色吧| 久久久精品人妻| 91精品久| 亚洲va欧洲va国产va不卡| 中文资源在线a| 久草丁香婷婷五月天婷| 色婷婷五月天视频网站| txt五月激情四射网综合俺也来了| 六月丁香激情综合| 欧美综合五月天婷婷tin| 婷婷九月激情网| 五月天激情国产综合婷婷婷| 婷婷丁香色五月天久久88| 色五月人妻| 色色五月天激情| 91色婷婷综合久久中文字幕二区| 日本啪啪网| 丁香五月最新地址| 久久婷婷色色| 五月天激情四射| 五月丁香婷婷色色| 婷婷色综合| 大香蕉五月天| 婷婷另类小说| www.25五月婷婷| 日本人妻A片成人免费看片| 掩去也综合五月视频| 99热九九热| 狠狠色噜噜狠| 五月天婷婷成人资源站| www九九免费视频| 国内精品玖玖| 97狠狠碰| 激情图片婷婷| 伦乱天堂| 在线综合网| 狠狠操.com| 色色热| 婷婷六月丁香1| 狠狠精品干练久久久无码中文字幕 | 性一交一乱一交A片久久四色| 日日噜狠狠色综| 人妻久久久| 五月丁香六月婷婷色| 610018岁成人视频| 99愛国产| 亚洲成人av在线播放| 伊人网啪啪| 天天色丁香| 丁香五月电影| 色播五月丁香婷婷| 性爱激情久久| 天天做天天爱天天玩| 成人Av在线大片| Av大香蕉| 婷婷五月天激情偷拍| 字幕网AV中文字幕| 九九精品热| 久久WW| 狠狠操狠狠爱| 五月丁香综合伦理片| 久久视9精| 天天日天天干天天爽| 天天肏天天肏天天肏| 亚洲人妻AV| 丁香五月 综合| 亚洲三A| 五月天综合在线观看| 9精品视频在线观看| 夜夜撸天天操| 天天撸夜夜爽| 99免费青青蜜臀| 超碰人人射| 精品人妻伦| 爱操天堂| 久热黄色| 99久久黄色顶级视频| 思思久久久婷婷| 色色色com| 国产精品电影| 丁香五月激情久久麻豆| 天天干,夜夜爽| 久久这里精彩免费在线观看| 日韩人妻AV在线| 亚洲精品永久久久久久| 久久久婷婷| 亚洲天堂婷婷丁香| 久久婷婷亚洲| 狠狠色五月激情| OYIWbGcPu8H| 亚洲不卡欧洲| 综合狠狠五月婷婷| 久久综合网桃花| 色五月激情网| 国产日日操夜夜操的肉棒视频| 久久999久久999久久999久久| 天天干夜晚夜操| 狠狠干 狠狠操| 色五月婷婷综合在线| 色婷婷九月| 色丁香影院| 久操人妻| 久草婷婷在线| 久久九区| 精品三区影院| 日韩成人综合网| 久久性综合| 色情丁香五月婷婷精品| 五月婷婷之六月丁香| 91 原创 在线 九色| 九九激情网| 日本色色视频| 天天肏屄夜夜爽| 新男人天堂人妻| 天天插天天日| 狠狠草狠狠草| 色色永久| h亚洲| 俺也去色| 亚洲色图五月丁香| 日韩精品色| 天天射美女| 精品一区久热| 亚洲日日操| 九九色综合视频| 五月天丁香六月综合| 墨西哥毛片内射精| 91精品久久久久久综合五月天| 五月婷婷丁香在线| 好吊操这里只有精品| 2022人人操人人看| 国产乱子轮XXX农村| 激情五月婷| 五月婷婷视频ab| 伊人干综合| 亚洲无码猫咪| 99性爱| 狠狠爱婷婷丁香| 天堂婷婷丁香六月网| 亚洲成人高清在线| 婷婷久久爱| 97久久久| 久9精品视频| 成人九九视频| 5月婷婷综合| 99九九视频| 日本三级99人妇网站| 天天插综合网| www.五月丁香| 五月婷婷人妻| 天天综合插插| 色5月婷婷| 色综合香蕉视频| 影音先锋美国A| 五月丁香六月欧美综合网站| 色婷婷丁香五月| 国产精品激情五月天色婷婷| 亚洲第一色网站| 激情四射网| 丁香伊人五月色婷婷五十路| 电影91久久久| 欧美99热| 亚洲第一黄网| 天天爱天天狠天天透| 激情综合六月| 丁香五月婷婷六月婷| 久久性爱视频| 国产成人AV在线播放| 欧美精品狠狠色丁香婷婷| 丁香五月av| 大香蕉伊人久久| 五月天婷婷基地| 婷婷五月天综合中文| 日本va欧美va精品发布视频| 香蕉久久国产AV一区二区| 日本乱论99| www.婷婷五月.com| 色婷婷呢狠禁久禁| 国产精品VIDEOSSEX久久发布| 丁香五月影院| 婷婷五月丁香啪啪| 性色天| 亚洲色色香蕉| 夜夜骑福利资源| 人人摸人人射| 五月天激情小说电影| 丁香六月婷婷激情综合| 九九热中文| 久久人人九| 丁香色影院| 99热欲| 99网址在线观看| 色爽干| 国产成人精品亚洲线观看| 桃色五月天| 色99网| 黄网在线播放| 五月丁香婷婷色色| 殴美日比视频| 在线色色| 亚洲无码播放| 97精品欧美91久久久久久久| 综合久久久| 激情久久久久久久久| 久久人妻精品| 热久精品| 99免费视频| 色色99| 五月婷丁香| 婷婷五月免费视频| www.天天干| 亚洲熟妇无码乱子AV电影| 日本色婷婷| 天天做天天爱天天爽| 综合成人小说婷婷| 丁香婷婷九月| 亚洲综合草草| 婷婷色网站| 久99热| 婷婷六月丁香五月| 亚洲精品99| 九九Av| 无码少妇高潮喷水A片免费| 99re6在线视频精品免费| 欧美性生交XXXXX无码小说| 99噜噜噜在线播放| 色婷婷丁香女女| 337久久| 欲色人妻| 婷婷丁香社区| 五月婷婷中文字幕| 婷婷丁香六月| 深爱五月激情网| 无码G高清天| 9999色色色色| 天天爽日日爽夜夜爽| 色欲色香综合网| 人人操AV| 大香蕉五月丁香| 狠狠干婷婷| 欧美韩国日本| 丁香婷婷激情网站| 强奸幻女毛片| 婷婷婷久久久| 中文激情网| 五月激情丁香久久综合网| 男人天堂亚洲综合| 欧洲综合色| 噜噜色噜噜网| 九九自拍网| 丁香五月五月婷婷| 香蕉久久av一区二区三区| 黄色片avv| 激情av网| 四虎成人精品永久免费AV九九| 噜噜狠狠| 亚洲mm色| 色五月天综合网| 久久五月激情综合| 激情综合一| 夜精品无码A片一区二区蜜桃| 婷婷六月激情综合| 婷婷五月激情五月丁香五月| 精品牛仔裤超碰| 婷婷五月亚洲激情| 日日射天天射| 久久婷婷五月天蜜桃| 9久热在线视频精品| 99热8| 色噜噜狠狠色综无码久久合欧美| 情色五月天 网站| 涩涩婷婷五月| 色噜噜狠狠色综合AV兰草影视| 99热国内| 啪啪小说五月天| 激情四射婷婷| 婷婷五月成人| .肏屄视频一区二区| 日韩精品成人在线| WWW.激情| 激情婷婷综合五月少妇| 干一干xxxx| 天天操婷婷| Www.sesese丁香| 97干婷婷| 五月在线婷色| 婷婷精品性性性性性性性| 激情久久久久久久久| 狠狠插狠狠插| 99九九精品视频推荐| 久久婷婷人人| 99区视频| 国产精品久久7777777精品无码| www久久艹| 激情五月天综合网| αV电影| 欧美日朝成人| 狠狠色五月| 五月婷婷深深爱| 亚洲色色色| 五月天丁香欧美激情| 九九碰九九爱97超碰| 五月婷AV| 久热亚洲| 久久久国产精品黄毛片| 丁香五月激情综合婷综| 天天做天天爱天天日| 九九免费视频| 99精品在这里| 青青草99re| 五月丁香啪啪网| 丁香社区婷婷五月| 激情婷婷丁香五月天| 97在线观视频免费观看| 色yeye色综合| 亚洲丁香五月综合| 99热这里只有精品5| 91色久| 九九中文字幕九| www.天天干.com| 激情六月天婷婷| 久热大香蕉| 色五月自偷自拍婷婷婷婷| 激情五月激情综合俺也去婷婷小说| 激情丁香六月| 玖玖爱综合网| 琪琪色综合网站| 91碰视频| 天天操天天日天天操| 五月婷婷AV| 亚洲天堂AV综合网| 五月天合网| 天天爱天天做天天操| 国产精品国产成人国产三级| 中文在线成人| 欧美黑人巨大猛烈cuckold| 天天天在线观看| 中文字幕丰满孑伦无码专区| 99riAV国产精品视频| 五月丁香 啪啪啪| 99爱爱| 精品国产a| 丁香五月婷婷动漫视频| 超碰人人91| 久久九网| 色婷婷XXXXX| 丰满熟女人妻一区二区三| 激情第四色| 五月天丁香成人| 久久婷婷五月综合色丁香| 亚洲天天操| 狠狠色噜噜狠狠| 免費亭亭成人| www激情| 伊人大蕉香| 国产欧美日韩一区二区三区| 丁香五月天五码婷婷| 9l视频自拍九色9l视频自拍九色9l社区| www,99热在线观看| 丁香五月图片| 色射影院| 久久超级碰视频| 五月天婷爱综合| 五月丁香婷婷基地| 99热亚洲精品| 婷婷干五月综合在线播放| 嫩BBB槡BBBB搡BBBB| 综合久久9| 色色色色热| 五月婷A V在线| 天天舔夜夜操www com| 色色色国产| www:99热视频| www色中色综合| 丁香五月自拍| 激情伊人| 激情丁香五月婷婷| 成人五月天。COM| 天天摸夜夜爽天天做| www夜夜| 五月婷啪| 久热免费| 婷婷激情五月天激情小说| 精品色色网| 五月亭亭开心网| 日韩成人AV在线| 天天拍天天操| 一区二区传媒视频| 久久婷婷五月天激情| 久久思思热| 久久性视频| 亚洲婷婷五月| 激情国产综合| 日韩欧美一级大黄网站| 超碰人妻公开在线| 天天干天天日日| 丁香激情五月| aaaaa黄色| 九九久久五月天| 色色狼人综合| 99久久a线观| 色婷婷亚洲婷婷| 五月激情网站| 五月天伊人网| 卡视频1区2区| 激情综合激情五月一起草| 中日韩美欧成人一区二区精品在线| 天天草天天舔| 久久婷五月天| 免费的日逼视频| 日韩成人电影AV| 天天性视频| 开心五月婷婷激情| 97资源欧美日韩大香蕉超碰一区| 超碰93在线观看| 久操干| 天天爽天天操| 色五月婷婷自拍| 五月天四色房丁香亭亭| 日本全黄一级999| 一起草性爱不卡视频| 99在线看视频| 在线可以看的av网址| 国产毛片操B| 亚洲丁香五月| 怡春院天天干| 99精品大片| 99在线播放| 色婷婷六月丁香综合欲精品| 丁香熟女乱| 五月婷婷视频在线观看| 婷婷色五月天色| 五月婷婷六月丁香五月| Caop在线| 亚洲欧洲午夜成人精品av| 老妇操B| 免费AV在线| 99在线观看精品| 丁香五月另类色婷婷麻豆| 日日干天天射| 直接看的av| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 亚洲激情av| 色综合色综合色综合高潮| 婷婷精品| 色狠狠图片| 9久热视频| 永久精品| 9福利性视频欧美| 亚洲第一成人无码A片| www,久久久| 九九热精品视频| 色色综合成人网| 五月丁香狠狠爱| 五月色欧洲| www,婷婷,com| 五月天社区狠狠| 久久精品日| 开心五月网 | 婷婷丁香成人在线视频| 激情综合婷婷| 3p日韩网站视频| 色九月综合| 婷婷五月天视频亚洲| 婷婷综合视频| www五月| www.99热最新视频8| 日韩AV在线影片| 热思思| 夜夜爱影院| 久久丁香| 2025中文在线视频字幕免费观看| 综合色、色综合| 日本五月天婷婷丁香| 激情av在线| 五月婷婷中文字幕| 五月婷婷五月丁香综合| 婷婷久久色五月婷婷久久久| 久久久这里有精品| 成人综合视频在线| 五月天丁香| 婷婷综合在线观看视频| 五月婷中文娱乐综合| 综激情网| 久久草人妻| 五月婷视频| 99在线精品视频| 色五月婷婷久久| 一本大道伊人AV久久综合| 五月天天爽| 五月天婷婷基地综合网| 婷婷激情五月| 开心五月色婷婷综合开心网| 伊人久久大香天蕉亚洲特级| 成人电影一区| 激情网五夜婷婷| 西西4r午夜剧场| 色在线99| 久这里只有精品99| 99久久综合狠狠综合久久| 五月婷婷九九热| 狠狠搞五月天| 婷婷在线中文字幕| 丁香五月综合激情性爱| 欧韩性爱| 婷婷六月香| 亚洲操逼片| 久er7久热| 日韩精品VIP| 五月丁香六月香香蕉| 天天色,天天操,天天射| 五月天基地| 色婷婷小说网| www.成人婷婷综合| 亚洲超碰在线| 91 影音先锋| 精品女人九九九| 天天色综合色| 色综合色婷色基地| 操一区| 天天舔天天操| 无码se| 婷婷五月天成人视频| 亚洲国产成人综合| 九色视频这里只有精品| 182TV大香蕉| 亚洲精品又粗又大又爽A片| 五月婷婷69| wWw色五月| 久久九九九九| 亚洲激情AV| 色综合天天综合成人网| 乱女乱妇熟女熟妇综合网站| 99在线爽| 99热66| 色综合五月| 婷婷成人综合免费视频| 亚洲午夜一区二区| 操操啪| 久热这里| tingting五月天亚洲| 日本欧美999久久久三级片| 国产精品色| 色婷婷小说网| site:minyis.com| 婷婷99狠狠躁天天躁中文| 人妻丰满精品一区二区A片| 色99在线| 日本噜噜色网| 国产成人av在线| 色婷婷狠狠久久综合五月| 婷婷综合激情| 99精品综合| 婷婷狠狠久久| 99热在线精品播放| 天天日日| 婷婷五月天电影网| 狠狠狠狠狠狠| 激情黄色小说五月天| 久久久久久久97| 激情综合九| 99精品免费| 五月天丁香综合| 99热色在线精品| 久热这里只有国产| 538任你爽视频不一样的| 亚洲妇女熟BBW| 婷婷丁香在线| 婷婷丁香五月色| 狠狠色激情在线| 狼人久草| 五月丁香趴趴| 内射人妻视频国内| 久热伊人| 五月丁香色婷婷| 九九热思思热| 五月天激情黄色小说在线观看| 麻豆精品| 无码 av电影| 激情五月天视频| 九九性爱网| 五月天黄色激情小说| 综合欧美五月婷婷| 激情婷婷在线中文字幕| 欧美色偷偷大香| 精品夜夜澡人妻无码AV| AV性爱在线| 色色激情五月| VfJxEwPH| 久色五月婷婷综合| eeuus五月婷| 91网站黄| 怡红院91a√| 久久受www免费人成| 99色在线视频| 激情五月综合| 丁香五月开心亚洲| 日日爱激情| 婷婷五月丁香成人| 精品一区二区三区四区五区六区介绍| 六月婷婷激情图片| 激情久久婷婷| 色婷婷色丁香色欲av| 9热网站| www五月| 五月色网| 9久热在线视频精品| 噜噜色婷婷| 涩涩涩.com| 五月激情偷拍婷婷| 日韩无码一区二区三区四区| 丁香六月色婷婷| 五月天婷婷伊人| 丁香五月成人丝袜| 色色9 9| 影音先锋91在线资源站| 另类少妇人与禽zOZZ0性伦| 丁香午夜天| 大香蕉综合| 天天色图| 久久99激情| 五月婷在线观看| 九九视频这里只有精品| 五月婷婷欧美激情| 森林影视大全,最好看的2019年视频 | 99操逼视频| 黄色一级影片| 丁香五月激情综合| 99热国产免费| 五月丁香六月婷婷久久| 婷婷激情五月天视频在线| 激情综合亚洲色婷婷五月| 加勒比色色| 无码中文一区二区三区| 五月视频日本免费观看| 欧美又粗又大一区二区在线观看| 99操中文视频| 六月婷婷激情| 婷婷久热| 亚洲啪啪啪啪| 婷婷五月花| 色吧五月| 丁香五月色情| 九九操操| 五月天婷婷色色| 97色在线| 久久激情综合| 国产激情视频在线观看| 婷婷久久综合| 九九熱最新視頻| 26uuu青青| 丁香五月天在线视频| 婷婷六月丁香综合| 天天上天天爽| 婷婷区日本| 激情五月婷婷综合网| 色婷婷五月亚洲| 亚洲精品五月| 五月网在线| 日本va欧美va欧美精品88| 色婷婷五月天在线观看| 日本五月天网站| 96精品久久久久久久久| 色五月成人| 99热地址| 99色天堂| 少妇水多A片太爽了| 丁香五月婷婷欧美性爱| 99精品久久久久久| 亚洲AV日韩AV永久无码网站| 99日在线观看视频| 久久精品91视频| 婷婷免费无马| 全亚洲最大的婷婷五月天网站COM| 久久亚洲A| 日日想日日夜日日操| 欧美综合在线五月天色婷婷| 婷婷丁香五月天中文字幕| 欧州色色| 婷婷五月天综合AV| 99干视频| 久久精品这里只有精品免费首页| 大香蕉伊人久久| 99热热热99精品婷婷| 99在线视频。| CAOBIBI| 久久久ww| 丁香六月婷月91婷月| 激情5月婷婷狠狠干| 六月色国内综合| 午夜丁香婷婷| 天天色图| 天天做天天爱天天爽| 婷婷色情 | 色九九九综合| 九月综合| 综合婷婷| 天天噪夜夜爽| 欧美人人草| 啪啪99| www夜夜| 欧美日本韩国亚洲| 日韩久久欧亚| 日韩精品999| 婷香五月网在线| 六月丁香五月激情婷婷| www.久热| 丁香六月在线| 蜜桃五月天| 欧美婷婷综合| 婷婷五月天堂| 丁香六月婷婷高清| 九九综合久久| 综合色影院| 性综合网| 日韩啪啪视品| 天堂综合久| 亚洲五月天第一综合干| 婷婷综合六| WWW,五月| 天天操夜夜操| 亚洲综合视频八| 久久九九玖玖| 丁香五月天天日| 婷婷六月五月| 99自拍视频网站| 国产精产国品一二三在观看| 中文字幕精品推荐免费在线观| 人伦30P| 日本va欧美va精品发布视频| 亚洲综合激情五月| 久久一热| 日本www免费九九|