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)運營的一線實戰(zhàn)洞察。

Python Flask+Vue+隨機森林:醫(yī)療疾病數(shù)據(jù)分析大屏全棧實戰(zhàn)

Python Flask+Vue+隨機森林:醫(yī)療疾病數(shù)據(jù)分析大屏全棧實戰(zhàn) 簡介本資源是一套面向本科畢業(yè)設(shè)計與課程綜合實踐的醫(yī)療健康領(lǐng)域數(shù)據(jù)分析可視化系統(tǒng)聚焦疾病數(shù)據(jù)挖掘與大屏展示全流程適用于計算機、醫(yī)學(xué)信息工程等專業(yè)學(xué)生開展項目實戰(zhàn)與算法應(yīng)用學(xué)習(xí)。系統(tǒng)采用Flask構(gòu)建后端API服務(wù)Vue實現(xiàn)前端響應(yīng)式大屏集成requests網(wǎng)絡(luò)爬蟲自動采集疾病相關(guān)公開數(shù)據(jù)并基于隨機森林算法完成疾病風(fēng)險預(yù)測建模與特征重要性分析。壓縮包共67個文件含7個核心Python腳本含爬蟲、模型訓(xùn)練與接口邏輯、7個Vue組件文件、7個JavaScript交互模塊、5個JSON配置與數(shù)據(jù)文件、4個HTML頁面及配套SQL數(shù)據(jù)庫腳本、Word論文文檔、部署調(diào)試說明與3張運行效果截圖整體僅1.32MB結(jié)構(gòu)清晰、開箱即用。目前已有43人學(xué)習(xí)下載提供從數(shù)據(jù)獲取、清洗、建模到可視化落地的完整閉環(huán)方案特別適合需要快速驗證機器學(xué)習(xí)與前后端聯(lián)調(diào)能力的學(xué)習(xí)者。 這年頭的數(shù)據(jù)可視化項目單拿一個框架出來已經(jīng)不太能打了。真正能讓人眼前一亮的往往是那種“爬蟲把數(shù)據(jù)喂進來、算法把價值算出來、前端把結(jié)果擺上桌”的完整鏈路。這套基于Python Flask Vue 隨機森林 requests搭建的醫(yī)療疾病數(shù)據(jù)分析大屏系統(tǒng)就是把這幾塊硬生生串成了一條線。很多人看到“醫(yī)療疾病”四個字覺得門檻高其實拆開看核心就三件事數(shù)據(jù)從哪來、預(yù)測怎么做、大屏怎么畫。這篇文章我就按實際落地的順序把選型邏輯、爬蟲階段的限流排坑、隨機森林從訓(xùn)練到接口、前后端對接的隱藏問題全部攤開講適合正在做數(shù)據(jù)類項目作品、畢業(yè)設(shè)計或者想體驗一次全棧加機器學(xué)習(xí)全流程的開發(fā)者參考。1. 選型邏輯這套系統(tǒng)為什么鎖定FlaskVue隨機森林1.1 后端輕量化選型Python生態(tài)是出發(fā)點先說一個總原則當(dāng)一個項目里既有數(shù)據(jù)采集、又有機器學(xué)習(xí)、又有Web服務(wù)時語言統(tǒng)一帶來的收益遠超所有框架層面的微優(yōu)化。爬蟲用requests、數(shù)據(jù)處理用pandas、建模用scikit-learn這些全是Python生態(tài)的東西。如果后端再選Python整條數(shù)據(jù)管道可以用一套語言推理下來不用在語言切換中反復(fù)維護上下文??蚣軐用鍲lask、Django、FastAPI是這個生態(tài)里最常被比較的三個。從落地感受來看框架上手成本適合場景實際體驗Flask低輕量API、中小型數(shù)據(jù)服務(wù)、個人項目靈活不強制路由和藍圖結(jié)構(gòu)清晰快速出活Django中高大型業(yè)務(wù)系統(tǒng)、后臺管理復(fù)雜、需要內(nèi)置Admin自帶ORM/認證/Admin但項目啟動重對大屏項目來說大量能力用不上FastAPI中高并發(fā)API、需要自動生成OpenAPI文檔性能和文檔優(yōu)秀但周邊插件生態(tài)沒有Flask老牌學(xué)習(xí)曲線略陡我在這套系統(tǒng)里選Flask不是因為它比FastAPI或Django更“先進”而是因為它在一個輕量級數(shù)據(jù)服務(wù)里恰好把靈活性和成熟度平衡得最好。數(shù)據(jù)大屏項目的特點是接口數(shù)量不多但每個接口背后都要做數(shù)據(jù)聚合、跨表查詢、模型預(yù)測調(diào)用。Flask的藍圖機制可以按業(yè)務(wù)模塊拆路由SQLAlchemy可以方便地對接數(shù)據(jù)庫全部搞下來不會覺得自己在寫一堆無意義的模板代碼。1.2 前端為什么不用React也不用純HTML大屏可視化最核心的痛點是圖表多、狀態(tài)多、實時刷新需求多。用純HTML加jQuery去寫一個頁面里幾十個圖表實例的狀態(tài)管理會迅速失控——你很難保證某個圖表數(shù)據(jù)更新后另一個關(guān)聯(lián)卡片也跟著變化。這時候需要一個能響應(yīng)式綁定數(shù)據(jù)的框架。選擇Vue而不是React最重要的原因是漸進式。Vue的模板語法非常接近原生HTML對于大屏這種以展示為主、交互邏輯相對固定的頁面學(xué)習(xí)和產(chǎn)出速度都很快。一個Vue組件里模板負責(zé)結(jié)構(gòu)、script負責(zé)數(shù)據(jù)邏輯、style負責(zé)樣式三個區(qū)域分得明明白白。對個人開發(fā)者來說Vue的單文件組件模式比React“無模板、一切皆函數(shù)”的思路更容易在可視化項目中保持結(jié)構(gòu)清晰。另外一個實用因素是ECharts的配合度。大屏項目里ECharts幾乎繞不開而Vue項目里封裝ECharts圖表組件非常順手父組件通過props傳入數(shù)據(jù)子組件里watch數(shù)據(jù)變化再調(diào)用實例方法重繪。這套模式我在這篇文章后面會給出具體代碼它比在React useEffect里手動管理ECharts實例的生命周期要直觀不少。1.3 隨機森林在醫(yī)療表格數(shù)據(jù)上的天然優(yōu)勢醫(yī)療疾病數(shù)據(jù)通常是表格型數(shù)據(jù)行列結(jié)構(gòu)清晰特征維度不高樣本量不算大。對這種數(shù)據(jù)結(jié)構(gòu)樹模型天然比深度學(xué)習(xí)吃香。選擇隨機森林主要是這么幾層考慮能捕捉非線性關(guān)系和特征交互。發(fā)病率不是簡單的線性疊加它和地區(qū)、年份、疾病類型、人口結(jié)構(gòu)之間都存在復(fù)雜的交互影響。決策樹本身就擅長按特征逐步切分空間隨機森林把多棵樹集成起來相當(dāng)于在多個特征子空間中尋找穩(wěn)定規(guī)律。對數(shù)據(jù)縮放不敏感。神經(jīng)網(wǎng)絡(luò)和不少線性模型需要做標(biāo)準(zhǔn)化或歸一化樹模型完全不用特征是幾百還是幾千都不影響分裂點的選擇。這大大減少了機器學(xué)習(xí)流程里最容易出錯的一個環(huán)節(jié)。能給出特征重要性。醫(yī)療項目里回答“到底什么因素對發(fā)病率影響最大”和回答“明年的發(fā)病率是多少”同樣重要。隨機森林的feature_importances_可以直接輸出各特征的重要性分?jǐn)?shù)對后續(xù)的數(shù)據(jù)解釋很有價值。訓(xùn)練成本低不用GPU。醫(yī)療數(shù)據(jù)往往是中小規(guī)模數(shù)據(jù)集隨機森林在普通CPU機器上幾分鐘內(nèi)就能完成訓(xùn)練驗證對個人項目來說非常友好。當(dāng)然隨機森林不是萬能的。如果數(shù)據(jù)量非常大、特征維度很高或者要做細粒度時序預(yù)測LightGBM和XGBoost通常表現(xiàn)更好。但作為這套系統(tǒng)里的基線模型隨機森林在穩(wěn)定性和可解釋性之間做到了最穩(wěn)的平衡這也是我最后定格為隨機森林的原因。1.4 整體鏈路從爬蟲到屏幕的技術(shù)棧分工整個系統(tǒng)的運行鏈路可以用一句話概括requests把公開數(shù)據(jù)抓下來pandas清洗入庫scikit-learn訓(xùn)練隨機森林模型Flask把庫存數(shù)據(jù)和模型預(yù)測結(jié)果包裝成APIVue前端通過axios請求API最后用ECharts渲染到大屏上。各層職責(zé)非常清晰分層技術(shù)核心職責(zé)數(shù)據(jù)采集requests pandas請求目標(biāo)站點、解析結(jié)構(gòu)化字段、清洗缺失值數(shù)據(jù)存儲SQLite / MySQL持久化原始數(shù)據(jù)與特征數(shù)據(jù)提供聚合查詢算法預(yù)測scikit-learn 隨機森林基于歷史特征預(yù)測發(fā)病率/發(fā)病數(shù)輸出特征重要性后端服務(wù)Flask SQLAlchemy提供統(tǒng)計聚合接口、模型預(yù)測接口、統(tǒng)一響應(yīng)格式前端展示Vue ECharts大屏布局、圖表渲染、定時輪詢、動態(tài)聯(lián)動這樣分層之后每個環(huán)節(jié)都可以獨立替換。比如不想用隨機森林了訓(xùn)練一個XGBoost模型替換掉joblib文件后端接口不用改不想用ECharts了換Chart.js同樣可以對接。數(shù)據(jù)大屏項目最怕的就是多層耦合按這條鏈路去解耦后續(xù)擴展的想象空間會大很多。2. 數(shù)據(jù)從哪來requests爬蟲的采集策略與429限流完整排坑2.1 數(shù)據(jù)源評估與目標(biāo)字段設(shè)計醫(yī)療疾病數(shù)據(jù)的獲取一定要先想清楚“能合法拿到什么”。我在這套系統(tǒng)里選擇的是公開的公共衛(wèi)生統(tǒng)計網(wǎng)站發(fā)布的年度疾病監(jiān)測數(shù)據(jù)這類數(shù)據(jù)通常以表格或JSON接口的形式公開不需要登錄沒有隱私字段適合用于學(xué)習(xí)研究。明確數(shù)據(jù)源后下一步就是字段設(shè)計這一步?jīng)Q定了后續(xù)建模和可視化的上限。我針對年度疾病監(jiān)測場景設(shè)計了以下核心字段字段名類型說明report_yearINTEGER統(tǒng)計年份disease_nameTEXT疾病名稱provinceTEXT地區(qū)casesINTEGER發(fā)病數(shù)/報告例數(shù)deathsINTEGER死亡數(shù)incidence_rateFLOAT發(fā)病率每10萬人口mortality_rateFLOAT死亡率每10萬人口age_groupTEXT年齡組sexTEXT性別在庫表結(jié)構(gòu)上使用如下DDL會清晰很多CREATE TABLE disease_stats ( id INTEGER PRIMARY KEY AUTOINCREMENT, report_year INTEGER NOT NULL, disease_name TEXT NOT NULL, province TEXT NOT NULL, cases INTEGER DEFAULT 0, deaths INTEGER DEFAULT 0, incidence_rate REAL DEFAULT 0.0, mortality_rate REAL DEFAULT 0.0, age_group TEXT, sex TEXT, UNIQUE(report_year, disease_name, province, age_group, sex) );注意最后的UNIQUE約束這個非常關(guān)鍵。爬蟲重復(fù)執(zhí)行時很容易產(chǎn)生重復(fù)數(shù)據(jù)加上唯一約束之后后續(xù)用INSERT OR IGNORE或ON CONFLICT DO UPDATE處理就非常輕松不用每次全表去重。2.2 requests采集主流程與基礎(chǔ)代碼目標(biāo)站點一般有兩種數(shù)據(jù)形態(tài)要么是表格頁面要么是JSON接口。表格頁面用requests獲取HTML文本后可以用pandas.read_html快速抽取表格JSON接口則直接解析響應(yīng)內(nèi)容。大部分公共衛(wèi)生數(shù)據(jù)發(fā)布平臺都提供結(jié)構(gòu)化接口所以優(yōu)先考慮直接解析JSON。一個比較穩(wěn)妥的基礎(chǔ)采集邏輯大概是這樣的import requests import pandas as pd import sqlite3 import random import time HEADERS { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36, Accept: application/json, text/plain, */*, Referer: https://example-public-health-site.org/ } session requests.Session() session.headers.update(HEADERS) def fetch_data(url, params): for attempt in range(1, 6): try: resp session.get(url, paramsparams, timeout10) if resp.status_code 200: return resp.json() elif resp.status_code 429: wait_time int(resp.headers.get(Retry-After, 10)) random.uniform(0, 3) print(f觸發(fā)限流等待 {wait_time:.1f}s 后重試) time.sleep(wait_time) else: print(f請求失敗: {resp.status_code}) except requests.exceptions.RequestException as e: print(f網(wǎng)絡(luò)異常: {e}, 第 {attempt} 次重試) time.sleep(2 ** attempt) return None這里有幾個容易被忽略的細節(jié)必須構(gòu)建Session而不是每次直接requests.get。Session會復(fù)用底層的TCP連接對目標(biāo)服務(wù)器更友好也能維持必要的會話狀態(tài)。超時參數(shù)不能省。requests.get如果不加timeout在網(wǎng)絡(luò)異常時可能一直掛住整個爬蟲腳本就卡死了。重試要有退避策略。第1次失敗等2秒第2次失敗等4秒指數(shù)增長避免在服務(wù)端已經(jīng)限流時繼續(xù)高頻沖擊。拿到原始JSON后通過pandas進行字段過濾和數(shù)據(jù)清洗然后寫入數(shù)據(jù)庫def parse_and_save(records, db_pathhealth_data.db): df pd.DataFrame(records) df df.rename(columns{ year: report_year, disease: disease_name, area: province }) # 只保留需要的列防止臟字段 columns [report_year, disease_name, province, cases, deaths, incidence_rate, mortality_rate, age_group, sex] df df[[c for c in columns if c in df.columns]] df df.dropna(subset[report_year, disease_name, province, cases]) conn sqlite3.connect(db_path) df.to_sql(disease_stats, conn, if_existsappend, indexFalse) conn.close() print(f本次寫入 {len(df)} 條記錄)這里要注意pandas.to_sql默認不會做去重所以前面建的UNIQUE索引在這里就開始起作用了。如果表結(jié)構(gòu)里沒有唯一約束重復(fù)運行腳本會導(dǎo)致數(shù)據(jù)顯示翻倍后面還得返工。2.3 429限流的完整排查鏈路標(biāo)題里出現(xiàn)了“429 too many requests”這個坑在爬蟲階段幾乎一定會遇到。我說一下我自己經(jīng)歷過的完整排查過程直接給結(jié)論沒有意義把思路寫清楚以后遇到同類問題才好舉一反三?,F(xiàn)象腳本連續(xù)爬到幾百條記錄之后突然拋錯日志里出現(xiàn)類似“exceeded retry limit, last status: 429 too many requests”的信息腳本反復(fù)重試仍然無濟于事甚至手動用瀏覽器訪問同一個URL有時也會看到“訪問過于頻繁”的提示。第一步確認是本機網(wǎng)絡(luò)問題還是目標(biāo)站限流。先用curl單獨請求目標(biāo)接口看是否穩(wěn)定返回200。如果curl穩(wěn)定說明是腳本觸發(fā)了限流如果curl也報429說明目標(biāo)站整體在限流此時只能等待。第二步看響應(yīng)頭的限流元數(shù)據(jù)。很多限流接口會在響應(yīng)頭里反饋剩余配額Retry-After: 告訴你要等多少秒再試X-RateLimit-Limit: 單位時間窗口內(nèi)允許的最大請求數(shù)X-RateLimit-Remaining: 當(dāng)前剩余的請求額度curl -I https://example-public-health-site.org/api/data?year2024觀察返回頭如果X-RateLimit-Remaining快速下降說明限流策略是“固定窗口計數(shù)”你的請求頻率太高了。第三步確認限流維度。大多數(shù)站點的限流是按IP維度做但也有的按User-Agent做。最簡單的測試方法把腳本里的User-Agent換成瀏覽器常用UA如果限流現(xiàn)象立刻消失說明服務(wù)端過濾的是UA如果換UA仍然429說明鎖定的是IP維度。第四步檢查自己的請求時間間隔分布。很多人寫爬蟲時雖然加了time.sleep但寫的是固定間隔比如sleep(1)。這其實是一個很危險的寫法固定間隔會讓請求呈現(xiàn)出明顯的周期規(guī)律服務(wù)端的限流算法很容易識別這種模式并返回429。正確做法是使用隨機間隔。我在這個項目里最終把請求策略改成了這樣def polite_request(url, paramsNone, max_retries4): interval random.uniform(2.5, 5.0) time.sleep(interval) for attempt in range(max_retries): resp session.get(url, paramsparams, timeout10) if resp.status_code 200: return resp.json() if resp.status_code 429: retry_after int(resp.headers.get(Retry-After, 15)) wait_time retry_after random.uniform(0, 5) print(f429限流: 計劃等待 {wait_time:.1f}s) time.sleep(wait_time) continue return None核心變化是兩點引入隨機延遲同時在收到429之后優(yōu)先尊重服務(wù)端給出的Retry-After。還有一個排查過程中的重要發(fā)現(xiàn)有時候看到429根本原因是某個請求的某個參數(shù)導(dǎo)致目標(biāo)后端觸發(fā)了WAF規(guī)則而不是整體限流。這種情況的特點是其他URL都正常只有特定URL反復(fù)429。排查時可以打印出觸發(fā)429的完整URL和參數(shù)單獨拿出來測試如果不帶某些參數(shù)就正常那大概率是WAF對這組參數(shù)組合有攔截規(guī)則需要調(diào)整傳參方式或接入源更干凈的數(shù)據(jù)。最后針對429的根治思路其實是別硬爬。很多公共衛(wèi)生數(shù)據(jù)平臺同時提供“數(shù)據(jù)導(dǎo)出”或“開放API”優(yōu)先使用官方渠道比寫任何爬蟲都穩(wěn)。requests爬蟲適合作為補充手段而不是唯一數(shù)據(jù)來源。我在這套系統(tǒng)里做了雙通道優(yōu)先嘗試獲取平臺導(dǎo)出的CSV文件缺失部分才用爬蟲補抓。2.4 醫(yī)療類數(shù)據(jù)采集的合規(guī)邊界做醫(yī)療相關(guān)項目合規(guī)問題值得多花兩分鐘思考。我的原則是只采集公開可訪問的數(shù)據(jù)不做逆向、不破解、不繞過任何訪問控制不采集可以與個人身份對應(yīng)的數(shù)據(jù)。公共衛(wèi)生統(tǒng)計網(wǎng)站上發(fā)布的疾病監(jiān)測數(shù)據(jù)通常是統(tǒng)計匯總口徑不涉及個人隱私。但即便如此我在項目里仍然做了這些事數(shù)據(jù)僅用于系統(tǒng)演示與學(xué)習(xí)不對外提供任何原始數(shù)據(jù)的下載接口爬蟲腳本設(shè)置訪問延遲不沖擊目標(biāo)服務(wù)器不給對方造成額外負載數(shù)據(jù)庫中的中間數(shù)據(jù)定期清理前端展示的也只是一定范圍內(nèi)的聚合統(tǒng)計這些措施本身不復(fù)雜但它們決定了這個項目能不能站得住腳。醫(yī)療類的數(shù)據(jù)項目技術(shù)能力是一方面數(shù)據(jù)來源的干凈程度是另一方面。3. 隨機森林模型落地從特征工程到預(yù)測接口3.1 建模目標(biāo)與訓(xùn)練樣本構(gòu)造爬下來的數(shù)據(jù)是年度維度的歷史統(tǒng)計那么模型預(yù)測什么這里定為根據(jù)過去若干年的疾病統(tǒng)計特征預(yù)測下一年的發(fā)病率或發(fā)病人數(shù)。預(yù)測問題的核心在于樣本構(gòu)造。不能把原始表的每一行直接當(dāng)作一個樣本——某一行只是某一年、某個地區(qū)、某個疾病的一個統(tǒng)計快照它本身不包含“過去信息”。為了讓模型能夠?qū)W到時間趨勢我用滑動窗口法構(gòu)造特征取連續(xù)三年t-3、t-2、t-1的數(shù)據(jù)預(yù)測第t年的發(fā)病率。例如要預(yù)測2023年A省流感的發(fā)病率就把2020年、2021年、2022年A省流感的相關(guān)指標(biāo)作為特征2023年的發(fā)病率作為標(biāo)簽。這樣每生成一個訓(xùn)練樣本實際上就把三年歷史信息壓進了特征矩陣。import pandas as pd def build_samples(df, window3): samples [] for (disease, province), grp in df.groupby([disease_name, province]): grp grp.sort_values(report_year) for i in range(window, len(grp)): past grp.iloc[i - window: i] target grp.iloc[i] feature { disease_name: disease, province: province, target_year: target[report_year], lag1_cases: past[cases].iloc[-1], lag2_cases: past[cases].iloc[-2], lag3_cases: past[cases].iloc[-3], lag1_incidence: past[incidence_rate].iloc[-1], lag2_incidence: past[incidence_rate].iloc[-2], lag3_incidence: past[incidence_rate].iloc[-3], avg_incidence: past[incidence_rate].mean(), target_value: target[incidence_rate] } samples.append(feature) return pd.DataFrame(samples)這里我故意保留了disease_name和province這兩個類別特征而不是直接丟掉。模型需要學(xué)到“不同疾病在不同地區(qū)的發(fā)病基線不同”這個信息類別特征處理得當(dāng)?shù)脑拰︻A(yù)測精度的提升非常明顯。3.2 特征工程的幾個關(guān)鍵處理構(gòu)建完原始特征矩陣后下一步是做編碼和類型轉(zhuǎn)換。醫(yī)療數(shù)據(jù)的特征處理里有以下幾個點需要特別關(guān)注類別特征編碼。disease_name、province這類字段沒法直接放進隨機森林需要用LabelEncoder或OneHotEncoder。對于樹模型LabelEncoder就夠用了因為決策樹本質(zhì)上做的是“按特征取值切分”LabelEncoder不會引入額外的線性假設(shè)。但要注意編碼映射一定要保存下來后面預(yù)測接口用。缺失值處理。某些地區(qū)或某些年份的數(shù)據(jù)可能缺失樹模型本身能容忍一定缺失但訓(xùn)練和預(yù)測時的處理必須一致。最穩(wěn)妥的方式是用前向填充用上一個有效值補最近一年的缺失值這符合時間序列的直覺。滯后特征名稱必須規(guī)范。lag1_cases、lag2_cases這類字段在訓(xùn)練和預(yù)測時必須完全一致。接口傳參的時候如果稍有偏差模型接收到的特征順序就會錯位結(jié)果完全不可信。后面我會建議用pipeline把編碼器和模型打包避免這種問題。3.3 訓(xùn)練、評估與簡單調(diào)參訓(xùn)練集和測試集的劃分必須按時間順序切不能直接隨機打亂。因為這是時間預(yù)測問題用未來的數(shù)據(jù)去訓(xùn)練、過去的數(shù)據(jù)去測試屬于典型的數(shù)據(jù)泄漏得到的評估指標(biāo)會虛高到?jīng)]有參考價值。from sklearn.ensemble import RandomForestRegressor from sklearn.preprocessing import LabelEncoder from sklearn.model_selection import train_test_split from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score import joblib import pandas as pd df pd.read_sql_query(SELECT * FROM disease_stats, conn) samples build_samples(df) le_disease LabelEncoder() le_province LabelEncoder() samples[disease_code] le_disease.fit_transform(samples[disease_name]) samples[province_code] le_province.fit_transform(samples[province]) feature_cols [disease_code, province_code, target_year, lag1_cases, lag2_cases, lag3_cases, lag1_incidence, lag2_incidence, lag3_incidence, avg_incidence] samples samples.sort_values(target_year) train_end int(len(samples) * 0.8) train_df samples.iloc[:train_end] test_df samples.iloc[train_end:] X_train train_df[feature_cols] y_train train_df[target_value] X_test test_df[feature_cols] y_test test_df[target_value] model RandomForestRegressor( n_estimators200, max_depth8, min_samples_leaf3, random_state42 ) model.fit(X_train, y_train) y_pred model.predict(X_test) print(R2:, r2_score(y_test, y_pred)) print(MAE:, mean_absolute_error(y_test, y_pred)) print(RMSE:, mean_squared_error(y_test, y_pred, squaredFalse))對于樹模型調(diào)參我的經(jīng)驗是優(yōu)先控制max_depth和min_samples_leaf而不是一上來就堆n_estimators。n_estimators增大確實能降低方差但到了一定數(shù)量后收益遞減訓(xùn)練耗時卻線性增長。max_depth限制每棵樹的復(fù)雜程度min_samples_leaf限制葉子節(jié)點最少樣本數(shù)這兩個參數(shù)對控制過擬合的作用最直接。特征重要性也是一個很值得看的結(jié)果importance pd.Series(model.feature_importances_, indexfeature_cols) importance.sort_values(ascendingFalse).plot(kindbarh)對這個項目來說通常會發(fā)現(xiàn)滯后1年的發(fā)病率lag1_incidence和疾病類別disease_code重要性最高這符合直覺某種疾病最近一年發(fā)病率高下一年大概率也不會低到哪里去不同疾病的基線差異本身就非常大。3.4 模型序列化與Flask預(yù)測接口集成訓(xùn)練完成后要把模型、編碼器一起保存下來供Flask后端加載。這里一個常見的坑是只保存模型忘記保存編碼器導(dǎo)致預(yù)測接口收到disease_name時不知道往哪個編碼映射或者編碼順序不一致預(yù)測結(jié)果完全亂掉。正確的做法是把編碼器和模型一起打包joblib.dump(model, models/rf_model.pkl) joblib.dump(le_disease, models/le_disease.pkl) joblib.dump(le_province, models/le_province.pkl)Flask后端的預(yù)測接口實現(xiàn)from flask import Blueprint, request, jsonify import joblib import pandas as pd import numpy as np model_bp Blueprint(model, __name__) model joblib.load(models/rf_model.pkl) le_disease joblib.load(models/le_disease.pkl) le_province joblib.load(models/le_province.pkl) FEATURE_COLS [disease_code, province_code, target_year, lag1_cases, lag2_cases, lag3_cases, lag1_incidence, lag2_incidence, lag3_incidence, avg_incidence] model_bp.route(/api/model/predict, methods[POST]) def predict(): data request.get_json() try: disease_code le_disease.transform([data[disease_name]])[0] province_code le_province.transform([data[province]])[0] except ValueError: return jsonify({code: 1, msg: 未知的疾病或地區(qū)名稱, data: None}) row [disease_code, province_code, data[target_year], data[lag1_cases], data[lag2_cases], data[lag3_cases], data[lag1_incidence], data[lag2_incidence], data[lag3_incidence], data[avg_incidence]] features np.array([row]) pred model.predict(features)[0] return jsonify({ code: 0, msg: success, data: { pred_incidence: round(float(pred), 4) } })預(yù)測時如果傳入了訓(xùn)練數(shù)據(jù)中沒出現(xiàn)過的疾病名稱LabelEncoder的transform會直接拋ValueError這里做了一層捕獲并返回前端可讀的錯誤信息避免一個大白話的異常堆棧刷到瀏覽器控制臺里。4. Flask后端與Vue大屏對接API設(shè)計、跨域和圖表渲染4.1 后端工程結(jié)構(gòu)與統(tǒng)一響應(yīng)格式亂亂的Flask項目一個app.py里塞幾百行路由這種結(jié)構(gòu)在一個綜合項目里完全不可維護。我在這套系統(tǒng)里用藍圖把路由拆開service-backend/ ├── app.py # 應(yīng)用入口注冊藍圖 ├── config.py # 配置項數(shù)據(jù)庫路徑、模型路徑 ├── models/ │ └── db.py # SQLAlchemy模型 ├── blueprints/ │ ├── stats.py # 統(tǒng)計數(shù)據(jù)接口 │ ├── disease_api.py # 疾病查詢接口 │ └── model_api.py # 模型預(yù)測接口 ├── services/ │ ├── data_aggregator.py # 聚合查詢服務(wù) │ └── model_service.py # 模型加載與預(yù)測 └── data/ └── health_data.dbAPI的響應(yīng)格式必須統(tǒng)一這一步省掉前端大量if else。我用的是最經(jīng)典的{code, msg, data}結(jié)構(gòu)。code為0表示成功非0表示業(yè)務(wù)錯誤msg是錯誤說明data存放真正的數(shù)據(jù)。前端axios的響應(yīng)攔截器直接判斷code不需要每個請求單獨處理錯誤分支。核心統(tǒng)計接口設(shè)計如下接口方法功能返回數(shù)據(jù)/api/summaryGET總覽指標(biāo)病例總數(shù)、死亡總數(shù)、疾病種類數(shù)、地區(qū)數(shù)/api/trendGET歷年發(fā)病趨勢年份序列 發(fā)病率/發(fā)病數(shù)序列/api/rankingGET疾病/地區(qū)排名前10位疾病/地區(qū)的發(fā)病數(shù)/api/model/predictPOST發(fā)病率預(yù)測預(yù)測發(fā)病率4.2 聚合SQL與統(tǒng)計接口實現(xiàn)大屏首頁需要展示“總病例數(shù)”“總死亡數(shù)”“疾病種類”“覆蓋地區(qū)”這四個卡片這些指標(biāo)如果寫四條SQL雖然也能跑但沒必要。一個聚合查詢就能拿全def get_summary(): row db.session.execute( text( SELECT COUNT(CASE WHEN report_year :max_year THEN 1 END) AS disease_count_total, SUM(cases) AS total_cases, SUM(deaths) AS total_deaths, COUNT(DISTINCT province) AS province_count, MAX(report_year) AS max_year FROM disease_stats ), {max_year: max_year} ).fetchone() return { total_cases: int(row.total_cases or 0), total_deaths: int(row.total_deaths or 0), disease_count: disease_count, province_count: int(row.province_count or 0) }注意SUM(cases)在數(shù)據(jù)缺失時可能返回NULL所以查詢結(jié)果里要加or 0兜底否則jsonify遇到None值會序列化成null前端的卡片上可能顯示“undefined”。趨線接口的SQL要注意排序SELECT report_year AS year, SUM(cases) AS total_cases, SUM(deaths) AS total_deaths FROM disease_stats GROUP BY report_year ORDER BY report_year ASC前端折線圖的數(shù)據(jù)順序完全取決于這里有沒有ORDER BY report_year。如果你漏了排序MySQL或SQLite返回的順序可能按主鍵或索引排列前端圖表就會出現(xiàn)一條亂序的“波浪線”。4.3 跨域問題的兩種解法本地開發(fā)時Vue跑在8080端口Flask跑在5000端口前端直接請求http://localhost:5000/api/summary必然觸發(fā)跨域瀏覽器會直接攔截響應(yīng)。這個項目里我同時使用了兩種方案開發(fā)環(huán)境用Vue proxy生產(chǎn)環(huán)境用Flask-CORS。開發(fā)環(huán)境Vue proxy配置。在vue.config.js中配置module.exports { devServer: { port: 8080, proxy: { /api: { target: http://127.0.0.1:5000, changeOrigin: true } } } }這樣前端代碼里寫axios.get(/api/summary)時Vue devServer會自動把請求轉(zhuǎn)發(fā)到Flask的5000端口瀏覽器的同源策略被devServer擋在外面簡單干凈。生產(chǎn)環(huán)境Flask-CORS指定放行。打包部署時前端靜態(tài)文件由Nginx托管后端單獨跑在某個端口。如果域名不一致仍然會跨域。這時可以用Flask-CORSfrom flask_cors import CORS CORS(app, resources{r/api/*: {origins: *}})注意開發(fā)時如果已經(jīng)用了Vue proxy就不要再給后端加CORS了否則會多一層無用的響應(yīng)頭。兩個方案二選一不要同時混用。4.4 Vue大屏布局與ECharts渲染要點大屏頁面的布局我用的是CSS Grid而不是傳統(tǒng)的flex大行。因為大屏頁面的核心訴求是區(qū)塊化、網(wǎng)格化Grid可以非常自然地規(guī)劃出復(fù)雜的行和列。一個典型的大屏結(jié)構(gòu)是頂部一行放標(biāo)題中間主體分三列——左側(cè)放排名和指標(biāo)卡中間放核心趨勢大圖右側(cè)放疾病分布圖。我實際用的Grid定義大致這樣.dashboard { display: grid; grid-template-columns: 1fr 2fr 1fr; grid-template-rows: auto 1fr auto; gap: 16px; height: 100vh; padding: 16px; background: #0f1923; color: #e5e7eb; }左側(cè)和右側(cè)原本都是窄列所以右側(cè)放柱狀圖或餅圖中間寬列放趨勢折線圖或預(yù)測結(jié)果展示。ECharts實例在Vue組件里掛載時有一個很關(guān)鍵的坑容器寬度在初始渲染時可能還沒計算完成此時初始化ECharts實例會拿到一個0寬度的容器圖表直接不顯示。解決辦法是在mounted鉤子中使用$nextTick再初始化或者給容器設(shè)置明確的高度和寬度。每個圖表封裝成一個獨立組件比如TrendChart.vuetemplate div refchartRef classchart-container/div /template script import * as echarts from echarts export default { name: TrendChart, props: { chartData: { type: Object, required: true } }, data() { return { chart: null } }, watch: { chartData: { handler(newVal) { if (!this.chart) { this.initChart() } this.renderChart(newVal) }, deep: true } }, methods: { initChart() { if (this.chart) return this.chart echarts.init(this.$refs.chartRef) }, renderChart(data) { this.chart.setOption({ animation: false, // 大屏數(shù)據(jù)更新頻繁, 關(guān)閉動畫避免卡頓 tooltip: { trigger: axis }, xAxis: { type: category, data: data.years }, yAxis: { type: value, name: 發(fā)病數(shù)(例) }, series: [{ name: 發(fā)病數(shù), type: line, smooth: true, data: data.cases }] }) } } } /script有一個細節(jié)值得單獨說animation: false。大屏項目里數(shù)據(jù)每隔十幾秒就刷新一次如果開著動畫每次刷新圖表都要重新播放一遍過渡動畫低配機器上所有圖表同時播放動畫時會非??ā崪y下來大屏頁面的圖表直接關(guān)閉動畫視覺效果并不受損流暢度提升卻非常明顯。axios請求的封裝也很簡單import axios from axios const service axios.create({ baseURL: /api, timeout: 10000 }) service.interceptors.response.use( response { const res response.data if (res.code ! 0) { return Promise.reject(new Error(res.msg || 請求失敗)) } return res.data }, error { return Promise.reject(error) } )這樣封裝后每個業(yè)務(wù)組件里調(diào)用接口時拿到的直接就是data字段不需要再解一層response.data.data特別舒服。5. 聯(lián)調(diào)階段的數(shù)據(jù)一致性問題與優(yōu)化5.1 日期字段排序錯亂聯(lián)調(diào)時我遇到的第一類問題是前端排序與預(yù)期不符。折線圖的X軸是年份后端返回的接口數(shù)據(jù)經(jīng)過了GROUP BY report_year ORDER BY report_year但前端顯示的年份還是錯亂的。排查后定位到問題數(shù)據(jù)庫里report_year是以TEXT類型存儲的排序時用的是字符串排序。比如2020、2021、2022看起來沒問題但如果年份數(shù)據(jù)里有1999和2000字符串排序就會把1999排到2000后面嗎實際上字符串排序“1”在“2”前面1999不會排錯但999這種不規(guī)范的字段就會出問題。更保險的做法是在數(shù)據(jù)庫和接口層全部用INT類型存年份后端返回時再格式化成標(biāo)準(zhǔn)字符串。處理方案是清洗數(shù)據(jù)時強制做一次類型轉(zhuǎn)換df[report_year] df[report_year].astype(int)前端排序時也不要依賴字符串默認順序盡量用數(shù)值const sortedYears data.years.sort((a, b) a - b)5.2 模型預(yù)測值與歷史值單位/量綱不一致預(yù)測接口上線后第一次調(diào)用返回的pred_incidence是一個0.5左右的值但歷史發(fā)病率在圖表上顯示的是48.6這樣的數(shù)值整整差了約100倍。花了一段時間排查才發(fā)現(xiàn)問題出在數(shù)據(jù)清洗階段原始數(shù)據(jù)中發(fā)病率的單位是“每10萬人口”還是“每1萬人口”我在不同年份的數(shù)據(jù)源里沒有統(tǒng)一。這種情況在醫(yī)療數(shù)據(jù)里非常常見因為不同統(tǒng)計口徑、不同發(fā)布平臺可能用不同的分母。解決方式是在數(shù)據(jù)入庫時做一個規(guī)范化統(tǒng)一轉(zhuǎn)成“每10萬人口”的發(fā)病率。df[incidence_rate] df[incidence_rate].apply( lambda x: x * 10 if source_unit per_wan else x )還有就是模型訓(xùn)練時如果對特征做了標(biāo)準(zhǔn)化預(yù)測接口也要對輸入特征做相同的標(biāo)準(zhǔn)化處理。我在最終方案里把所有預(yù)處理步驟都封裝成一個transform_features函數(shù)訓(xùn)練和預(yù)測共用同一份代碼從根上消除“訓(xùn)練時做了一步處理、接口調(diào)用時漏掉”的可能性。5.3 大屏渲染卡頓大屏頁面初次加載時我一度同時發(fā)起8個接口請求每個請求返回幾百條數(shù)據(jù)然后所有圖表同步渲染。結(jié)果就是頁面加載卡頓低配機器上風(fēng)扇狂轉(zhuǎn)。優(yōu)化思路是三層接口合并。把首頁需要的指標(biāo)卡數(shù)據(jù)、趨勢數(shù)據(jù)、排名數(shù)據(jù)合并成2到3個聚合接口減少HTTP請求的次數(shù)。前端一次拿到整個數(shù)據(jù)包再分發(fā)到各個子組件。關(guān)閉ECharts動畫。前面已經(jīng)提到大屏場景下動畫收益極低但幀率損耗極大直接設(shè)置animation: false。數(shù)據(jù)聚合下推。排名圖前端只需要前10名就千萬不要把幾百個地區(qū)的數(shù)據(jù)全部返回而是在SQL層用LIMIT 10先過濾。大屏項目里網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量越小渲染壓力越小。5.4 項目目錄與部署建議整個項目最終產(chǎn)物分兩部分后端Flask服務(wù)、前端Vue構(gòu)建產(chǎn)物。本地開發(fā)時直接用python app.py啟動Flasknpm run serve啟動Vue devServer。生產(chǎn)部署我采用的是Nginx托管前端靜態(tài)文件加反向代理后端接口的方式server { listen 80; server_name your-server-domain; root /var/www/dashboard/dist; index index.html; location / { try_files $uri $uri/ /index.html; } location /api/ { proxy_pass http://127.0.0.1:5000; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }后端用gunicorn啟動gunicorn -w 4 -b 127.0.0.1:5000 app:app如果你更喜歡容器化用docker-compose把所有服務(wù)編排起來也行但要注意Flask容器和前端Nginx容器共享同一個網(wǎng)絡(luò)前端的API地址要配置成后端服務(wù)名稱而不是localhost。還有一個很實用的建議爬蟲腳本不要和Flask服務(wù)綁定在同一個進程里。爬蟲偶爾會卡在網(wǎng)絡(luò)請求上如果把它放在Flask進程里一個阻塞就可能拖慢所有API響應(yīng)。最好讓爬蟲作為獨立腳本或定時任務(wù)運行數(shù)據(jù)寫庫后Flask只負責(zé)讀庫和預(yù)測兩者解耦。最后幾個實操體會如果只讓我留一句話就是先跑通最小閉環(huán)再裝飾細節(jié)。這個項目我最初的版本甚至沒有隨機森林只有爬蟲、數(shù)據(jù)庫和一個柱狀圖。等這條鏈路完全通了之后模型、更多圖表、更復(fù)雜的布局才逐步加進去。先讓數(shù)據(jù)能從源端流到屏幕項目的信心和價值感就完全不一樣了。另外一個小技巧醫(yī)療數(shù)據(jù)的字段名很容易產(chǎn)生歧義cases、deaths、incidence這些中英文混用聯(lián)調(diào)時特別容易鬧笑話。建議在數(shù)據(jù)入庫時就統(tǒng)一字段命名規(guī)范后端API用snake_case前端展示層再轉(zhuǎn)換成中文標(biāo)題別小看這個細節(jié)它能幫你省下大量對齊時間。如果后續(xù)想往上擴展可以試試給系統(tǒng)加上用戶登錄權(quán)限、定時爬取任務(wù)、圖表下鉆聯(lián)動或者把隨機森林換成XGBoost做一組對比實驗。但請記住一點在這個項目里算法只是其中一環(huán)數(shù)據(jù)的準(zhǔn)確性和前后端鏈路的穩(wěn)定才是真正決定成敗的部分。把最基礎(chǔ)的數(shù)據(jù)鏈路做扎實大屏才有底氣擺上臺面。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月婷丁香| 91九色精品熟女内射| 四月婷婷丁香| 五月丁香六月色| 伊人久久大香网| 9l视频自拍9l九色成人| 天天爽天天透天天爱| 久久思思热视频| 5月丁香六月婷婷| 99成人精品视频| 天天做天天爱| 色99视频| 五月天之色情综合网| 91大神操美女| 九九热这里只有精品31| 91超碰人人操| 综合在线观看99| 777米奇影视第四色| 26uuu成人网| 综合玖玖偷拍| 五月丁香999| 嫩草视频在线观看| 色播五月丁香综合| 激情五月天综合婷婷网| 久久精品五月| 激情五月天婷婷在线网址发给我| 久久五月天免费网站| www.九月婷婷丁香.com| 精品99在线| 婷婷五月综合社区| 色噜噜97视频在线观看| 婷婷五月丁香综合瑟瑟| 99热福利| 天天做天天爱天天爽综合网| 色情婷婷。| 丁香五月天激情婷婷丁香六月| 亚洲另类电影| 丁香五月激情性色郤| 婷婷五月六月| 99精品国产在热久久| 欧美高潮9| 激情综合区| 人人添人人| 色色色色色色色色网站| 国产欧美精品AAAAAA片| 超碰操网| 六月婷婷国产| 91chinese在线| 久久综合九色综合88i| 久9精品视频| www.五月激情.com| 99九九99九九九视频精彩| 啪啪综合网| 97精品人人A片免费看| 午夜福利8055| 思思久热6| 日韩综合久| 精品少妇人妻AV无码专区偷人| 日韩五月婷婷| 激情婷婷五月基地| 亚洲激情区| 久热免费视频| 亚洲久久天堂| 婷婷丁香六月影视| 婷香五月| 91久久久久| 久久婷婷综合色丁香| 人人操Av| 色色色综合色| 五月丁香六月婷婷啪啪| 狠狠搞狠狠操| 超级碰 久久9| 天天天天做夜夜夜夜做| 婷婷久久五月天| 蜜桃婷婷狠狠久久综合| 色五月激情综合| 九九久久精品| 欧美在线97| 中文字幕色色| 丁香五月伊人| 色欲五月天| 人人干人人操人人摸| 色婷婷激情| 亚洲国产网站| 99操逼| 激情五月综合网| 色停停影院五月天| 综合婷婷五月丁香在线观看| 日韩五月婷婷久久| 久久九九大香蕉电院| 五月天激情网图片| 中文字幕丰满乱孑伦无码专区| 先锋资源婷婷| 丁香 久久| 综合激情五月天六月婷免费视频| 婷婷六月丁香五月图区| 婷婷五月丁香在线观看| 99精品国产在热久久| 伊人五月婷婷| 久久色五月| 丁香五月婷婷少妇| 婷婷丁香五月亚洲17cao| 中文字幕网伦射乱中文| 97碰碰人人| 五月天婷婷成人网| 狠狠色噜噜狠狠亚洲A∨| 99热骚货| 天天色亚洲| 久久大香蕉丁香| 97成人在线视频精品| 直接看的av| 久久婷婷五月免费视频| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 噢美99| www.sd-xiangsu.cpm| 丁香九月婷婷| 色丁香五月婷婷婷| 日本狠狠干| 五月丁香爱婷婷深深| 婷婷丁香五月综合| 亚洲高清在线| 激情婷婷五月天| 区区久久妻| 亚洲天天| 熟女五月天久久综合| 久久综合五月天| 97se视频在线| 五月天偷拍| 久久婷婷色色| 久热 91| 国产成人AV在线播放| 国产99久9在线| www.99成人视频| 亚洲av电影在线| 天天做天天爱天天做| 日韩国产AV播放| 99九九精品| 丁香五月婷婷国产av| www.久久66| 我淫我色婷婷五月天激情四射| 思思热久久久久思思热| 婷婷五月色播天| 日韩在线五月天婷婷| 日本A片一区| 91.com男女操| 性色五月天| 丁香五月精品| 99色热视频| 思思热99er在线视频| 色噜噜狠噜噜视频| 亚洲色网址| 成人五月天色天堂| 97五月婷| 亚洲综合色五月| 色yeye欧美| 久久婷婷六月综合资源| 国产女生爱爱AA| 99re26视频| 久久ri精品| 婷婷五月天狠狠| a在线免费v| 五月婷婷基地| 丁香涩涩五月天| 五月婷中文娱乐综合| 激情5月天天天| 超碰女人天堂| 99色视频| 亚洲午夜成人av电影网| 婷婷玖玖五月天| 精品一区二区三区免费毛片爱| 亚洲av网站| 色墦五月丁香| 色五月婷婷久久| 天天日夜夜欢| 久久国产一区二区三区| 五月婷婷激情综合网| 插逼综合网| 久久综合九九| 激情六月色| 99热99在线| 亚洲中字AV电影在线网站| 婷婷五月天激情在线观看 | 免费视频WWW在线观看网站| 五月激情网站| 国产肥白大熟妇BBBB视频| 久久综合五月天激情小说网站| 九月激情综合婷婷| 五月婷六月综合在线观看| 九月婷婷久久| 在线99精品| 天天日天天舔天天摸| 日日想日日夜日日操| 久狠狠| 开心五月婷婷| 国产精品18久久久| 啪啪综合| 婷婷色情五月| 婷婷综合影院| 无码一区二区三区四区五区91c| 久久久五月天婷婷成人网| 色婷婷香蕉| 99热在线观看免费| 久9免费视频| 久久视频在线视频| 久9热视频在线观看| 欧美五月丁香啪啪响视频| 成人av中文字幕| 五月天婷婷乱| 狠狠干综合| 亚洲欧美成人在线观看| 久久女婷| 99热伊人| 色婷婷五月天| 无码网站视频| 六月婷婷七月丁香| 婷婷色播色五月五色五月天色妇| 另类综合色| 中文字幕AV在线播放| 色吧婷婷五月亚洲| 99热激情| 激情六月丁香| 天堂婷婷丁香六月网| 综合激情五月丁香| 免费AV在线| 日本人妻伦在线中文字幕| 色婷婷久久| 天天爽综合| 婷婷色色五月| 色99热| 五月丁香激情综合网官网| 这里只有精品视频| 久热九九| 欧美97色| 人人草开心五月天| 日日爽天天| 香蕉国产2013| 国产伦亲子伦亲子视频观看| 亚洲一区二区无遮挡A片| 欧美亚洲操逼| 免费观看全黄做爰的视频| 狠狠色色| www.99视频| 色九九九综合| 91热视频| 97日韩无套内| 国产看真人毛片爱做A片| 色婷婷精品视频| 狠狠操婷婷| 丁香5月综合啪啪| 婷婷综合| 4399伦理午夜| 丁香婷婷综合喷| 在线看片h站| 五月综合色| 国产avapp 网| 能看的av| 久久精品婷婷五月丁香| 六月激情网| 五月婷色| 亚洲黄色影视| www.97干视频| 色婷婷五月天久久| 成人在线观看一区| 五月婷婷激情| 热99国产精品| 国产亚洲在线| 操嫩逼电影| 久久五月丁香| wuyuedingxiang99| 五月婷婷激情网| 欧美成人网婷婷综合在线| 一区视频网站| 色香蕉精品五夜婷| 91超级碰| 天天日天天干天天插天天射| 六月婷婷国产| 超碰在线免费9| 国在线激情网| 新激情五月天| 婷婷丁香色无五月| www.99热这里只有精品| 无码人妻一区二区三区四区| 青青草a在线| 五月婷久久| 99久在线观看| 色5在线| 久久色情| 99啊精典免费视频| 九九久久免费视频44| 精品视频网| www...com黄在线观看| 在线中文字幕免费视频| 六月激情丁香一道本7777| 五月丁香婷婷啪啪网| 日韩人人操| 人人操大| 九九久久综合| 中文字幕有多少字| 婷婷五月天性色| 伊人九九68| 婷婷激情五月天激情小说| 色色影院黄大片| 无码动漫av| 2022人人操人人看| 热99国产精品| 99视频在线观看欧| 色色色色色色网站| 日韩色五月| 婷婷性爱| 4399无码视频| 先锋资源婷婷| 激情美女五月天| 五月天五月色婷婷综合| 99热这里只是精品| 超碰在线免费观看日韩| 亲子乱AV一区二区三区下载| 日日懆天天懆| 天天色综和网| 少妇性BBB搡BBB爽爽爽电影| 99久精品视频| 99re久久| 996黄色片| 97香蕉久久超级碰碰高清版| 激情婷婷内射| 亚州操人在线视频| 六月丁香激情网| 亚洲精品V天堂中文字幕| 亚洲成人综合网在线免费观看| 国产黄色av| 色婷婷狠| 天天爽夜夜爽| 丁香六月激情综合| 岛囯综合激情网| 欧美123区免| 丁香狠狠色婷婷| 色婷婷久久综合| 天天插天天插天天插天天插| 玖玖婷婷五月天| 美女100%露全身无挡网站| 激情丁香五月婷婷| 夜夜骑福利资源| 99er久久| 秋霞AV淫| 任你爽视频| 91大神操美女| 久久婷狠狠色| 91ncm视频| 色婷婷视频在线| 99精色| 丁香五月骚喷水视频| 五月丁香激情综合六月涩涩爱| 91热手机在线| 久久丁香五月天| 97热视频| 五月停停丁香| 中文av网| 吊色AV男人的天堂| 国产67194| 丁香五月区| AⅤ色区| 综合在线网| 天天爽天天| 在线看的免费网站| 性视频久久| 去干网最新版本亚洲版| 色色色色色色色色综合网| 色欲AVV| 99WWW免费视频| 777精品成人a v久久| 欧美激情五月天| 亚洲精品又粗又大又爽A片| 99热99天堂| 五月激情另类| 五月婷婷激情日本| 免费在线观看av网站| 色五月首页| 日本三级黄色大片| 日本社区五月天激情| 婷婷五月激情网| 激情五月婷婷五月| 成人av中文字幕| 99热免费精品| 欧美成人A片AAA片在线播放| 一区=区操屄高清大全av| 99精在线| 丁香五月香蕉在线| 五月五月婷婷| 激情婷婷网| 婷婷成人在线| 色婷婷色五月天| 99爽视频| 激情五月影院| 亚洲色情免费网| 26uuu精品一区二区| 九九色网专区| 亚州视频九九99| 丁香五月五月婷婷| 亚洲一级色电影| 婷婷五月天黄色小说| 天天综合精品| 天天久久66xxx| av性爱在线| 五月综合色| 青青久久大香蕉| 丁香五月婷婷综合网| 欧美肉大捧一进一出免费视频| 热99精品视频五月| 99精品网| 99九九视频精彩在线| 五月激情基地| 狠狠操狠狠色| 婷婷五月天免费| 狠狠色色| 精品激情| 婷婷五月天天爽| 五月丁香综合色婷婷| 欧美丁香婷婷天天操| 亚洲情欲| 99caobi| 日本久久综合| 中文激情网| 黄网免费观看| 99视频精品| 欧美在线看| 九月色婷婷综合亚洲| 性色婷婷| 色五月亚洲五月天| 久久人妻精品| 开心五月婷婷综合在线精品素人| 免费成片在线观看| 99国产er热视频| 五月激激激情综合网| www.六月丁香看AV| 久久婷婷五月综合色丁香| 岛国av网站| 丁香狠狠色婷婷| 国产精女同一区二区三区久| 欧美精品久| 大鸡巴伊人网| 婷婷免费视频| 4399在线观看免费高清黄色视频| 婷婷五月天黄色网址| wWw色五月| 99啪啪| 国产成人网| 成人片在线播放| 久操大香蕉| 亚洲综合视频网| 五月丁香啪啪综合| 激情綜合W W W,激情五月天| 婷婷另类开心| 在线观看免费狠狠色丁香香综合| 五月婷婷丁香瑟瑟视频| 日日操天天| 丁香五月天堂| 五月天婷婷视频| 婷婷综合视频| 色综合久| 五月天性色| 丁香五月五月婷婷| 99综合网| 色婷婷电影网| 五月婷啪啪| 九九免费视频| 天堂成人A片永久免费网站| 91无码一区人妻A片蜜| 五六月婷婷久久| 六月丁香停| 六月色播| 日本啪啪天堂| 99精品网| 99热精品中文字幕| 国产精品一区在线观看你懂的| 99热18| 亚洲色婷婷| 玖玖伦理电影| 天天插天天插天天日| 色综合性视频| 丰满人妻一区二区三区| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 亚洲无aV在线中文字幕 | 极品人妻VIDEOSSS人妻| 久久婷婷五月综合色奶水99啪| 丁香五月视频在线观看| 69er小视频| 超碰在线9| 色五月婷婷五月天| 日韩国产AV播放| 精品婷婷五月天| 婷婷开心激情五月激情网| 五月香婷婷| 亚洲影院婷婷色| 久久这里只有精品视频26| WWW,五月| 狠狠情色| 99热精品在线播放| 色五月综合激情| 成人做爰黄A片免费看直播室男男| 91偷拍视频| 人妻精品久久久久久| 97狠狠色| 99久在线| 亚韩在线视频| 五月九九综合| 99亚洲日韩| 婷婷丁香五月天激情| 婷婷色九月| 五月激情六月丁香| 欧洲区自拍| 日韩成人五月天| 九九热99免费视频| 婷婷99| 91超级碰碰| 婷婷婷婷婷婷婷婷| 九九综合网色全集| 色色色热| 午夜不卡久久精品无码免费| www狠狠com| 丁香五月激情五月开心五月| 超级碰碰97在线| 青青草蜜臀| 国外亚洲成AV人片在线观看| 久久狠狠干| 丁香五月在线观看| 久久久久久97| 色婷婷六月开心中文字| 五月天另类小说久久小说网| 天天久久人人| 久热这里只有精品99re| 五月天婷婷久草丁香| 欧美色色色色色色| www.玖玖婷婷在线| 日本99在线视频| 99自拍视频在线| 超碰日日操| 六月婷婷色| 六月五月天婷婷涩播在线| www.五月天。com| 欧美婷婷精品激情| 久久性综合| 停停五月天激情网 | 亚洲综合网在线| 色情婷婷。| 九月婷婷激情| 色婷婷超碰| 亚洲色色色| 99色播| 乱乱av| 欧美综合在线五月天色婷婷| 丁香五婷| 色婷婷电影| 五月婷婷花| 久草婷婷在线| 久久色五月天综合网| 五月天丁香久久综合| 天天爱天天操| 色五月激情问网站| 五月丁香综合啪啪| 五月丁香六月婷婷综合免| 大香蕉在线观看9| 久久XX| 欧美激情综合色综合色| 91尤物九色在线| 免费AV播放| 丁香五月人妻熟女| 色站9/| 99爱视频| 亚洲五月婷婷在线| 97在线天堂| 日本熟女二区| 91视频精品99| 激情五月激情综合网| 五月天婷婷影院影院观看| 日韩色五月| 婷婷六月香| av在线观看网站| 天天天天天天天操| 色综合天天| 玖玖99免费视频| 色噜婷婷| 另类视频丁香五月| 久久久久人妻| 大香蕉五月婷婷| 亚洲亚洲人成综合网络| 五月天婷婷在线播放| 久久伊人婷婷| 91视频免费后入强操| 99在线免费观看| 色婷婷亚洲五月天| 五月婷婷基地| 亚洲操精品| 久久一品区| 人妻丰满精品一区二区A片| 99亚洲无码| 久啪欧美| 久久婷婷大香蕉| 婷婷.com| 日韩色色视频| 欧美精品999| 思思久久思思| 欧美99| 丁香色六月婷婷| 中文字幕人妻一区二区| 五月色综合| 常久最新免费的色吊丝| 精品久久久久久久人妻| 欧洲精品欧洲情| 久激情网| 26uuu视频欧美| 综合激情婷婷| 在线视频激情网站| www五月婷婷88导航| 国产肥白大熟妇BBBB视频| 色99在线视频| 伊人网啪啪| 五月丁香 啪啪| 色色色色色九九九九九| 九久久九精品视频| 欧美婷婷| 强伦轩人妻一区二区电影| 99热中国| 九九综合精品| 99九九综合久久九九| 91无码色色| 天天干,天天日| 亚洲综合网 665566| 这里只有精品无码| 婷婷无码五月天| 99网| 亚洲AV成人片无码网站| 无码婷婷五月天| 亚洲狠狠丁香婷婷香蕉| 国产亚洲av片| 丁香婷婷AV| 色色网站毛片| 婷婷伊人綜合| 91超级碰人人操| 99这里只有精品| 亚洲九N| 日本人妻A片成人免费看片| 97人人做| www.婷婷五月天| 五月天色婷婷激情综合| 亚洲操操操| 不卡成人免费| 高潮毛片又色又爽免费| 国产性爱大片久久| 99在线精品免费视频| 色婷婷五月天| 婷婷丁香无码专区| ..真实国产乱子伦毛片| 99热大| 综合性爱网| 亚洲欧洲另类| 加勒比久热| 激情伊人网| 婷婷五月天影视首页| 九九亚洲| 日韩AV大全| 欧美色色色色色色| 久久一级AV| 五月天婷婷成人网| 六月婷婷激情| 婷婷五月性感| 99ER热精品视频| 婷婷成人网五月天| 亚洲AV成人在线| 蜜桃婷婷狠狠久久| 国产VA播放| 婷婷涩涩网| 五月天四色房丁香| 五月天天天综合| 开心深爱五月天| 天天拍夜夜爽| 亚洲激情色色| 97热这里只有精品| 九九热精品视频在线观看| 五月婷婷视频| 久久视频这里有精品99| 91精品婷婷国产综合久久| enecarbon-materials.com污K127封锁请涟系@wip1688 | 久久亚洲无码| 五月婷婷丁香五月| 婷婷五月丁香综合瑟瑟| 国产精品汇聚精彩第二页 - 高清完整版在线 - 青蛙AV | 97色在线观看视频| 欧美精品18| 成人短视频免费| 色婷婷成人网| 91欧美| 新激情五月开心五月婷婷五月丁香五月| 伦乱美欧| 亚洲色图在线视频| 99热精品少| 天天摸夜夜夜| 激情第四色| 亚洲精品a成人在线播放| 色婷婷AV久久| 五月天婷基地| 亚洲综合另类| 亚洲超碰在线| 天堂爱啪啪| 天天狠狠插| 丁香五月天在线观看| 丁香六月婷婷| 996热re视频在线观看视频| 91丁香婷婷综合资源| 可以免费看av网站| 中文AV在线观看| 粉嫩AV久久一区二区三区| 色婷婷久久综| 狠狠操.com| 99热这里只有精品首页| 国产精品久久久久久久久久 | 2017狠狠干| 激情婷婷亚洲五月| 五月婷婷 六月丁香| 亚洲不卡| 99热99艹在线观看| 中文字幕不卡视频| 人人操A| 五月天色色婷婷| 激情色播| 激情五月天啪啪| 婷婷五月综合在线视频| 99热精品在线| 婷婷成人AV| 色爱综合五月| 俺去也在线视频| 婷婷五月天在线观看| 四季AV综合网| 99在线精品视频| 夜夜爽77777妓女免费下载| 久久五月激情综合| 狠狠狠色激情综合适合| 狠狠色婷婷丁香五月| 午夜性爱影视一区77| AAA久久| 91avse| 丁香色综合| 九九综合88| 都市激情五月婷婷亚洲| 91久久久久久| 97久久五月丁香婷婷| 亚洲精品小视频| 国产99热| 亚洲激情 久久| 强伦轩人妻一区二区电影| 成人婷婷桔色| 狠狠爱综合| 色婷婷成人做爰A片免费看网站| 五月丁香亭亭操逼| 日韩aaaaa| 91色九| 婷婷伊人网| 激情丁香婷婷六月天| 99热这里只有精品9| 欧美天天五月丁香免费观看| www,色婷婷| 九九婷婷激情综合网| 丁香五月婷在线观看| 六月婷婷日| 五月丁香亚洲婷婷| 久草a片| 九九热视频思思| 久99久视频精选| 操一区| 五月婷婷日| 91Chinese在线| 黄色AV日韩| 五月婷视频| 天天婷婷综合亚洲亚洲| 五月天婷婷成人| 欧美在线视频9| 天天搞天天爽| 日韩色色色色色| 久久大大香| 天天做天天爱天天爽在| 无毒黄色网址| 婷婷五月丁香基| 亚洲AV日韩在线观看| 九九精品综合| 久久99精品久久久久久青青AR| 99热综合网| 先锋资源 996| 五月激情网站| 婷婷丁香激情综合色情| 丁香五月婷婷狠狠色| 成人国产网站在线免费看| 婷婷五月天美女视频| 91蝌蚪窝视频在线| av在线观看免费| 亚洲色优| 五月亭亭六月色| 99热色综合| 五月天婷婷婷| 婷婷六月丁香激情| 亚洲四色五月| 男妓跪趴把舌头伸进我的嘴巴| 六月婷婷中文字幕| 色情·com| 玖玖五月丁香| 五月婷婷伊人在线| 99久久精品国产色欲| 色色色图| 婷婷五月天伊人网| 99热国产国产| 日本综合久久| 在线观看亚洲视频影院| www色五月天| 日木WWW视频| 亚洲av网址| 亚洲精品国产A久久久久久| 丁香五月婷婷少妇| 97在线/日本| 停停色综合伊人| 深爱婷婷网| 成人做爰黄A片免费看直播室男男| 福利视频在线播放| 久九九热| 天天综合亚洲综合| 亚洲AV无码成人精品区电影网| 婷婷九月丁香久久| 九色婷婷| 无码AV免费精品一区二区三区 | 天天日天天做天天操| 91久久1118| 日韩无码性爱| 丁香五月天精品| 国产又粗又大又爽又黄| 综合伊人久久| 在线综合婷婷| 六月激情综合| 欧洲不卡视频| 色碰碰| 丁香婷婷激情六月五月开心| 婷婷最新地址| 色婷婷五月影视| 激情五月天无码| 国产高清av黄色看片| 亚洲超碰青涩| 婷婷色丁香五月| 五月天婷婷操逼视频| 性做久久久久久久免费看| 久九色| 伊人激情综合网| 99热综合网| 综合图片色色| 日本A片一区| 久久aaaa片一区二区| 久色精品| 亚洲人妻五月丁香婷婷| 东京热伊人| 九九视频免费| 天天爽天天干| 综合久久六月| 99久久免费精品| 天天综合天综合久久网| 久久婷婷综合基地| 97热精品| 91久热| 在线成人网址| 色色网站免费在线视频| 九九Av| 五月丁香激情啪啪| 婷色五月| 可以直接看的av网站| 国外亚洲成AV人片在线观看| 久色成人| 久久ww| 情情五月天色| 九 九九九AV| 日日干日日| www.五月婷婷久久.com| 五月丁香色色网| 婷婷激情人妻| 99热精品在线| 六月丁香激情最新更新| 五月天久久婷婷| 青青热视频| 色色色色网站| 丁香久久九九99| 婷婷五月天视频免费在线观看| 國語久久婷| 丁香五月婷婷五月| 思思视频精品| 五月婷婷综合天天操| 色六月婷婷| WWW丁香五月| 丁香五月玖玖| 五月婷六月| 丁香五月综合激情久久潮喷| 97干免费视频| 五月激情四射婷婷丁香| 青青草五月天| 97操碰在线视频| 97碰碰叉| AAA久久久| 天堂爱爱| 五月丁香综合中文| 九九这里都是精品| www.日日夜夜| 久久在线92| 99色综合| 色婷婷丁香五月综合| 99久久婷婷国产综合| 无码免费人妻A片AAA毛片西瓜| 五月婷婷丁香在线视频| 99熟女视频| 亚洲AV成人精品网站在线播放| 99热日| 99热这里只有精品50| 色爽九九| 人人操婷婷| 久久多色| 狠狠色噜噜狠狠狠888了| 庭庭久久内射| 96精品成人无码A片观看金桔| 999热成人在线综合网| 国产婷婷色五月| 不卡成人免费| 日日夜夜爽| 五月天天天开心激情网| www.91九色| 韩日AV片| 色婷婷影视| 极品另类| 99热这里只是精品| 五月天日日操夜夜操 | 色婷婷色五月综合| 激情综合婷婷五月| 人人插9| 久久人妻熟女一区二区| 色色色综合网| 另类小说色婷婷| 五月天婷爱综合| 色婷婷激情| 五月婷婷六月丁香首页| 午夜婷婷| 九九在线精品| 九月丁香婷婷综合| 久久开心五月婷婷| 五月丁香六月婷婷不卡免费无码| 久久婷婷五月综合色奶水99啪| 丁香五月婷婷激情中文| 91女人18毛片水多国产| 亚洲婷婷五月天| 色情婷婷| 久草视频一,二三四| 激情网婷婷五月天| 五月婷婷丁香婷婷| 天天夜夜爽| 成人性爱精品视频| 色五月激情问网站| 欧美三日本三级少妇三99| www.9操| 伊人久久婷| 丁香六月天| 色在线99| 激情五月天在线视频| 五月丁香啪啪网| 激情综合色网| 五月丁香| 日本啪啪网| 五月丁香婷婷激情澎湃四射| 99er这里只有精品| 五月婷婷xxx| 97干婷婷五月天| 日本九九热| 51avj视频大全| 天天澡天天狠天天天做| 99热在线这里只有精品| 99思思热只有在这里看| 去干网最新版本亚洲版| 91wwmm导航| 操日视频| 熟女激情网| 激情五月天影院| 182TV大香蕉| 婷婷五月丁香综合激情| 青青草原伊人网| 九九精品热| 极品少妇高潮啪啪AV无码| 亚洲区在线| 久久伊人婷| 久青青久| 激情五月天婷婷| 丁香五月天婷婷中文| 色J香五月天| 97久久视频| 嫩BBB搡BBBB榛BBBB| 日韩精品一区二区刘| 91啪啪啪啪| 99热国产婷婷| 97碰碰视频在线观看免费| 婷婷六月丁香久| 丁香六月色婷婷综合| 欧美在线干| 大地资源色婷婷视频在线 | 久久久99精品免费观看| 日本九九视频| 五月丁香网av| 婷婷五月天无码| 玖玖婷婷色五月| 99热这里只有精品1| 夜夜撸日日操| 日韩欧美性爱| 亚洲小视频免费播放| 天天摸夜夜夜| 色五月婷婷av| 激情五月综合网| 国产成人AV在线播放| 精品国产va久久久久| 五月婷婷综合精品| 中文字幕黄色片| 五月天激情黄色网址| 午夜色色色极品视频| 天堂五月婷婷| 丁香婷婷狠狠97| 99热主页日本| 九九碰九九爱97超碰| 国产婷婷五月天| 亚洲激情电影五月天色婷婷丁香一起草 | 激情性爱五月| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 六月丁香久久| 丁香婷婷基地| 色婷婷成人做爰A片免费看网站| 亚洲天堂热| 思思热视频在线| 色婷婷精| 丁香五月婷婷色五月| 欧美日韩999| 亚洲av综合在线| 综合激情五月四射婷婷| 26UUU精品一区二区| 大香蕉婷婷| 午夜福利8055| 99精品视频免费观看,| 伊人久久婷婷| 日本久久人人| 亚洲视色| 色婷婷丁香香香蕉视频| 五月成人丁香av91| 91男同| 亚洲无码成人| 天堂综合久| 99精品视频网站| 久久六月婷婷| 色爱综合视频| 国产成人+综合亚洲+天堂| 亚洲激情无码久久| 五月天色色网站| 人妻久久久久久久久妻久久久久久久久| 婷婷五月色综合| 久9热视频在线观看| 少妇人妻人伦A片| 超碰av在| 狠狠狠狠狠草| 五月婷色| 青娱乐美女福利视频美臀| 亚洲久久激情| 人妻乱码久久久| 亚洲日韩一页精品发布| 性色欲情 网站| 久久久久9| 夜夜躁狠狠| 亚洲免费综合一区| 婷婷五月天a| 国产成人一区二区三区在线观看| 婷婷六月综合在线| 激情玖玖sh| 97干在线视频| 九九Av| 日本天天综合| 久久九九Com| 天天舔天天摸视频| 五月丁香趴趴| 综合久久综合久久| 六月丁香久久| 强辱丰满人妻HD中文字幕| 色综合久久88色综合天天99| 日本丁香五月| 久久这里只有精品16| 欧在线一区| 在线网黄| 狠狠99| 色婷婷五月天在线观看| 色综合久久无码| 超碰二区| 久久精品色| 桃色五月婷婷| 96人人操人人操人人| 日日影院 | 99日韩网站| 国产免费一区二区在线A片视频| 综合色五月天| 亚洲精品国产精品乱码不99| 五月丁香久久激情综合| 曰曰久久| 99热这里只有精品2024| 色欲影香| 婷婷五月天堂| 丁香五月激情综合| 久久久9久| 超碰9| 丁香五月天欧美成人| 六月丁香影院| 丁香五月欧美激情| 91黄色五月天视频| 五月天综合区| 色五月成人| 亚洲色五月| 色丁香五月综合网| 狠狠狠狠狠狠色| 日韩一级一片内射视频4K| 丁香五月情| 九九无码视屏| 91超级碰在线视频| 婷婷中文字幕欧美| 色5月婷婷色| 99成人精品视频| 97婷婷色| 猫咪伊人AV| 成人做爰高潮A片免费视频| 欧美黄色韩日网| 99爱免费在线观看| 密视AV综合在线| 色婷婷基地 | 五月丁香久久| 色色色色网| 五月婷色啪| 色婷婷视频| 免费婷婷| 91精品国产日韩91久久久久久国模| 99re视频在线播放| 天天热夜夜操| 玖玖伦理电影| 五月婷婷中文字幕| 91色欲综合| 亚洲AV日韩在线观看| 激情丁香五月天| 色婷婷日本| 99热国品免费| 日本97人人| 天天看夜夜看| 六月婷婷私欲| 五月丁香久久久| AV在线不卡播放| 国产真实乱了老女人视频| www.超碰在线| 丁香五月av| 日本99久久| 久久人妻精品| 欧美婷婷日本| 九九亚洲视频| 91久久久久久久久18| 久久停停超碰| 久Se视频在线观看| 综合 蜜月 婷婷| 99精品偷拍视频| 91狠狠综合久久久| 五月丁香婷婷成人网| 99黄色性生活| 日韩成人AV在线| 五月丁香久久婷| 丁香久久九九99| 91精品又长又大又粗又爽又猛| 丁香玖玖视频大全| 综合激情在线观看| av婷婷丁香| 亚洲狠狠爱婷婷| www.激情五月| 人妻AV在线观看| 殴美日韩成人| 影音先锋91资源站| 四色永久成人网站| 99综合| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 97操操操| 六月 丁香 视频| 色婷婷WWW| 激情五月天之五月婷婷| 丁香五月六月欧美| 五月天综合色| 五月天婷婷激情小说电影| 久久人妻人人| 人妻22p| www.91在线观看| 丁香六月天AV| 深爱婷婷色| 亚洲色优| 激情综合久久| 天天干天天爽| 97sese婷婷| 国产精产国品一二三在观看| 天天日色情| BT综合在线视频观看| 久久久.COM| 人色五月天婷婷| 天天综合图片| www,色婷婷| 狠狠精品干练久久久无码中文字幕| 国产XXXX搡XXXXX搡麻豆| 亚洲精品成人片在线播| 91久久久久久久久久| 中文字幕丰满乱孑伦无码专区| 激情五月,激情综合网| 婷婷五月天激情四射| 久久婷婷九月国产精品| 久久久.www| 婷婷久久婷婷色五月| 天天撸天天干天天插| av人人干| 六月婷婷最新网址| 天天久久人人| 天天爽,夜夜爽| 精品夜夜澡人妻无码AV| 久草a片| 五月天五月色| 五月天啪啪视频| 婷婷日本色| www,欧美干干干干干干| 69婷婷丁香午夜| 五月丁香综合激情网| 99精品综合在线| 九九热这里只有精品5| 天天成人综合| 久久一二三视频| 任你爽精品免费视频6| 婷婷成年人免费视频| 人妻videos人妻高清| 丁香五月色网| 丁香婷婷激情网站| 97超喷视频在线观看| 日日色五月天| PORNY九色9l自拍视频成人| 六月婷婷综合网2| 天天天操天天天爰| 精品人人操| AV中文网| 国产日批视频| 先锋资源婷婷| 色偷偷人人| 九九九九这里只有精品| 99精品在线观看| 亚欧州精品视频| va婷婷在线| 中文av网| 热99国产精品| www.com操| 欧美肉大捧一进一出免费视频| 久热 91| 干一干xxxx| 亚洲色图81p| site:xiongshengzz.com| 香蕉久久国产AV一区二区| 亚洲综合草草| 十一月婷婷激情四射| 久久婷婷五月综合网| 色色婷婷丁香| 久色五月| 性爱激情久久| 操啊操av| 99久久婷婷综合| 五月婷婷丁香婷婷|