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。

Pandas apply() 深度解析:原理、性能陷阱與正確用法

Pandas apply() 深度解析:原理、性能陷阱與正確用法 【Pandas】— apply() 深度解析我第一次用 apply() 是在處理一張 60 多萬行的優(yōu)惠券核銷數(shù)據(jù)。當(dāng)時只想著用 for 循環(huán)太慢了apply 總該快一點吧結(jié)果跑下來快兩分鐘被一個用原生向量化方法的同事版本秒成渣。后來我才意識到我對 apply 的所有認知都停留在“它能跑函數(shù)”這個層面。功能會用了原理完全沒懂。這篇內(nèi)容我不打算把官方文檔抄一遍而是從我踩過的坑里把 apply() 的幾個關(guān)鍵問題拆開講透它到底是在干什么、什么時候該用它、什么時候千萬別用、性能為什么慢、以及遇到各種詭異報錯時怎么排查。無論你是剛接觸 Pandas 的新手還是已經(jīng)在數(shù)據(jù)清洗里被 apply 坑過的老手這篇內(nèi)容應(yīng)該能讓你少走不少彎路。1. apply() 到底在解決什么問題1.1 它不是“高級循環(huán)”那么簡單很多資料喜歡說“apply 就是隱式循環(huán)”這句話對了一半。apply 確實是循環(huán)但如果只把它理解成循環(huán)你會錯過它最核心的定位讓一個普通的 Python 函數(shù)能夠作用到 DataFrame 的每一行、每一列甚至每一個分組上。舉個例子你有一個 DataFrame里面存著商品的價格和折扣率import pandas as pd df pd.DataFrame({ 商品: [A, B, C], 原價: [100, 200, 150], 折扣率: [0.8, 0.65, 0.9] })現(xiàn)在想算折后價常規(guī)做法是直接向量化df[折后價] df[原價] * df[折扣率]這種寫法好、快、清晰不需要 apply。但現(xiàn)實數(shù)據(jù)往往沒那么乖。比如折扣率有的存成字符串 8折有的寫成 滿300減50價格里還混著 100元 這種帶單位的數(shù)據(jù)。這時你沒法直接用乘法得先寫一個函數(shù)去解析這些亂七八糟的格式然后把函數(shù)逐行應(yīng)用。這才是 apply 的主場。1.2 用 apply 的正確姿勢先回答一個問題我現(xiàn)在的判斷標準很簡單用 apply 之前先問自己計算邏輯能不能拆成 Pandas 內(nèi)置的向量化操作能就不用 apply不能再考慮 apply。這句話說起來容易做起來很多人還是拿不準。我通常用一張判斷邏輯圖來衡量如果是“列 A 等于某值列 B 取另一列的值”這種簡單條件優(yōu)先用 np.where 或直接布爾索引。如果是要把一列字符串做歸一化優(yōu)先用 Series.str.replace / str.extract 等字符串方法。如果是要做分組后的聚合優(yōu)先用 groupby.agg。只有當(dāng)邏輯真的無法用以上方式表達比如每一行的判斷依賴多個字段的組合、或者需要調(diào)用一個第三方解析函數(shù)才輪到 apply。當(dāng)然還有一個額外的考量維度代碼可讀性。先說結(jié)論如果一段邏輯用 apply 自定義函數(shù)能寫得非常直白而向量化寫法需要嵌套三四個方法、閱讀成本極高那么我寧可犧牲一點性能來選擇 apply。原因很實在代碼是給人看的下一次維護這段代碼的大概率是三個月后的你。1.3 拿它和 map、agg、transform 分個家apply 經(jīng)常和 map、agg、transform 混淆很多人就是因為分不清這幾個才踩的坑。我做了一個表平時干活時基本就靠這個表做選擇函數(shù)作用對象返回結(jié)果典型用途Series.mapSeriesSeries單列映射、字典替換Series.applySeriesSeries / 標量單列逐元素處理DataFrame.applyDataFrameSeries / DataFrame整行、整列處理DataFrame.applymapDataFrameDataFrame逐元素處理已廢棄改名DataFrame.aggDataFrame聚合結(jié)果對列做聚合如 sum、meanGroupBy.applyDataFrameGroupByDataFrame / Series分組后做復(fù)雜處理其中值得多說一句的是 applymap新版 Pandas 已經(jīng)把它重命名成 DataFrame.map你在老代碼里會經(jīng)??吹?。它的語義是“對 DataFrame 里每個元素執(zhí)行函數(shù)”但實際開發(fā)中它的使用頻率很低因為絕大多數(shù)逐元素操作都可以靠向量化完成。2. 核心細節(jié)拆解apply 的參數(shù)和返回值2.1 Series.apply 與 DataFrame.apply 完全不同這個坑我踩過。不同書籍和教程混著講導(dǎo)致很多人以為 apply 就是“對每個單元格跑一遍”這是錯誤的。Series.apply 是對 Series 中每個元素依次調(diào)用函數(shù)返回值是一個新的 Series。比如s pd.Series([1, 2, 3]) s.apply(int) # 0 1 # 1 2 # 2 3 # dtype: int64這個例子中 int 是 Python 內(nèi)置函數(shù)apply 把它逐一作用到 Series 的每個元素上。DataFrame.apply 的默認行為完全不同。它的 axis0 時是“按列掃描”函數(shù)接收的是每一列這個 Seriesaxis1 時是“按行掃描”函數(shù)接收的是每一行這個 Series。換句話說DataFrame.apply 中函數(shù)處理的是整列或整行而不是單個單元格。df pd.DataFrame({a: [1, 2], b: [3, 4]}) # axis0 時函數(shù)接收的是列 Series df.apply(lambda col: col.sum()) # a 3 # b 7 # dtype: int64 # axis1 時函數(shù)接收的是行 Series df.apply(lambda row: row[a] row[b], axis1) # 0 4 # 1 6 # dtype: int64注意看默認 axis0 的結(jié)果是一個 Series索引是列名axis1 的結(jié)果雖然也是 Series但索引是原來的行索引。2.2 axis 參數(shù)為什么經(jīng)常搞反我身邊幾乎所有同事都在這上面翻過車。為什么 axis0 反而是“按列”因為這里的 axis 指的是“刪除/操作的坐標軸方向”axis0 表示“沿著行的方向移動” 所以每移動一步就取到一列數(shù)據(jù)。axis1 表示“沿著列的方向移動”每移動一步就取到一行數(shù)據(jù)。這個記憶法現(xiàn)在是我的默認答案。還有一個更直接的訪問方式記不住就直接寫“我想要行處理還是列處理”然后通過行為來判斷我想對每一行的 a、b、c 三個字段做組合計算 → 用 axis1。我想對每一列做同樣的處理 → 用 axis0。但我必須提醒一句在 DataFrame.apply 中用 axis0 做逐列處理時函數(shù)收到的“一列”是 Series它的名字是列名用 axis1 做逐行處理時函數(shù)收到的一行也是 Series它的名字是行索引。這意味著在 axis1 的函數(shù)體里你依然可以用 row[列名] 的方式取數(shù)這也是大多數(shù)人常用的方式。2.3 返回值到底怎么確定apply 的返回值經(jīng)常讓人措手不及因為它是動態(tài)推斷的??偨Y(jié)起來就一句話函數(shù)的返回值類型不同apply 結(jié)果的類型也會不同。如果函數(shù)返回標量比如數(shù)字、字符串、布爾值那么 DataFrame.apply 的結(jié)果是一個 Series你用 Series.apply 時結(jié)果也是 Series。如果函數(shù)返回 Series比如你在函數(shù)里構(gòu)造了一個 pd.Series 并返回那么 DataFrame.apply 的結(jié)果會變成一個 DataFrame且每個返回的 Series 會成為結(jié)果 DataFrame 的一行或一列取決于 axis 方向。df pd.DataFrame({a: [1, 2], b: [3, 4]}) def calc(row): return pd.Series({ sum: row[a] row[b], diff: row[a] - row[b] }) df.apply(calc, axis1) # sum diff # 0 4 -2 # 1 6 -2注意兩個返回 Series 的索引sum、diff會被自動用作結(jié)果 DataFrame 的列名。這個行為在某些場景下很實用比如同時生成兩列新數(shù)據(jù)時可以直接用。但如果返回的還是 DataFrame情況就會變得復(fù)雜。函數(shù)返回 DataFrame 時apply 的結(jié)果可能會變成一個多層索引的 Series 或 DataFrame因為 Pandas 會把返回的 DataFrame 完全塞進結(jié)果里。實戰(zhàn)中這種情況很少見我也不建議刻意使用因為結(jié)果結(jié)構(gòu)很容易讓人懵。2.4 關(guān)于 apply 的 raw 參數(shù)apply 還有一個經(jīng)常被人忽略的參數(shù) raw默認是 False也就是函數(shù)收到的是 Series。把 raw 設(shè)為 True 后函數(shù)收到的是 numpy 數(shù)組ndarray性能會提升不少。原理其實很直接Series 是一個包裝對象帶著索引、dtype 等額外信息numpy 數(shù)組更輕量。在 apply 的計算場景中絕大多數(shù)函數(shù)只關(guān)心數(shù)值本身不關(guān)心索引所以沒必要讓每行都包裝成 Series。實測下來rawTrue 的性能提升幅度可以達到 1.5 到 3 倍尤其是在函數(shù)內(nèi)部頻繁做數(shù)值運算的時候。df.apply(lambda row: row[a] row[b], axis1, rawTrue)不過這里有一個坑rawTrue 時函數(shù)接收的不再是 Series不能直接用 row[a] 這種按列名取數(shù)的方式只能按下標訪問比如 row[0]、row[1]。所以如果你的函數(shù)邏輯里需要按名字訪問列字段rawTrue 就不太方便了。你自己權(quán)衡如果函數(shù)邏輯簡單、列順序穩(wěn)定rawTrue 是很好的優(yōu)化手段。3. 性能實測apply 的鍋還是你寫法的鍋3.1 同一種需求五種寫法耗時對比我專門做了一組對比實驗數(shù)據(jù)是 20 萬行的 DataFrame每一行有兩個數(shù)值列 a 和 b需求是計算一個相對復(fù)雜的公式。我分別用原生向量化、numpy 向量化、apply、for 循環(huán)、列表推導(dǎo)式五種方式實現(xiàn)記錄耗時。import pandas as pd import numpy as np import time df pd.DataFrame({ a: np.random.rand(200000) * 100, b: np.random.rand(200000) * 100 }) # 方法1Pandas 原生向量化 t0 time.time() res1 df[a] * 2 np.log1p(df[b]) df[a] * df[b] t1 time.time() # 方法2Numpy 向量化 t0 time.time() res2 np.where( df[a].values 50, df[a].values * df[b].values, df[a].values df[b].values ) t1 time.time() # 方法3apply def calc_row(row): if row[a] 50: return row[a] * row[b] return row[a] row[b] t0 time.time() res3 df.apply(calc_row, axis1) t1 time.time() # 方法4for 循環(huán) result [] cols_a df[a].values cols_b df[b].values t0 time.time() for i in range(len(df)): if cols_a[i] 50: result.append(cols_a[i] * cols_b[i]) else: result.append(cols_a[i] cols_b[i]) t1 time.time() # 方法5列表推導(dǎo)式 t0 time.time() res5 [ (a * b) if a 50 else (a b) for a, b in zip(df[a].values, df[b].values) ] t1 time.time()我實際運行的結(jié)果大致分布為實現(xiàn)方式使用說明耗時相對值Pandas 原生向量化一行代碼搞定最推薦1xNumpy 向量化和 Pandas 原生差不多取決于是不是要脫離 DataFrame1x~1.2x列表推導(dǎo)式 values比 apply 好不少適合簡單邏輯5x~10xapply(axis1)寫法很優(yōu)雅但性能明顯下滑50x~100xfor 循環(huán) values慢在 Python 循環(huán)本身60x~120x我反復(fù)跑過很多次每次結(jié)果基本一致。注意 apply 和 for 循環(huán)差距不穩(wěn)定因為 apply 內(nèi)部做了更多包裝和處理但無論如何都遠慢于向量化。3.2 為什么 apply 這么慢性能差異的根本原因在于Pandas 的向量化操作底層是 C 和 numpy 的優(yōu)化實現(xiàn)而 apply 本質(zhì)上還是在 Python 層逐行執(zhí)行函數(shù)。很多人以為 apply 是個“C 語言級別的循環(huán)”所以會很快。這是最大的誤解。apply 的循環(huán)確實是 C 語言寫的外層遍歷框架但函數(shù)體是 Python 函數(shù)每調(diào)用一次函數(shù)Python 解釋器都要做參數(shù)打包、類型檢查、函數(shù)調(diào)用、結(jié)果解包這一整套流程才是真正耗時的地方。特別是你還在 lambda 里通過 row[列名] 取值每取一次值就要做一次索引解析會被放大更多倍。舉一個極端例子同樣是計算邏輯如果函數(shù)體里用 row[a]、row[b] 反復(fù)取數(shù)apply 的劣化會比使用 row.iloc[0]、row.iloc[1] 更嚴重。因為按列名索引涉及標簽匹配按下標索引則直接按位置訪問。還有一個很容易被忽略的點默認情況下 axis1 時函數(shù)收到的 row 是一個 Series一個 20 萬行的 DataFrame 相當(dāng)于創(chuàng)建了 20 萬個短命的 Series 對象。每個對象都有內(nèi)存開銷這一加下來非常嚇人。這也是為什么上文的 rawTrue 能帶來明顯加速的原因。3.3 什么時候 apply 反而是合理的性能差并不代表 apply 就該被完全封殺掉。我只在兩種場景下主動使用 apply。第一種場景是邏輯本身很復(fù)雜復(fù)雜到向量化做不出來。比如要解析一個包含多種格式的日期字符串或者要根據(jù)多個字段做一長串 if-else 判斷。這種場景下你不得不走 Python 循環(huán)apply 只是讓你能寫在 DataFrame 語義中代碼更干凈。第二種場景是數(shù)據(jù)量不大但代碼可讀性優(yōu)先。如果數(shù)據(jù)只有幾千行哪怕 apply 比向量化慢 100 倍耗時差距可能也就在幾十毫秒內(nèi)用戶根本感知不到。此時寫出清晰、直觀、易維護的代碼比追求極致性能更重要。我通常在團隊里強調(diào)一個原則先保證邏輯正確再談性能優(yōu)化。如果一段邏輯你用 apply 寫得明明白白就不要為了性能硬改成復(fù)雜的向量化寫法。但如果數(shù)據(jù)量上了幾十萬行性能差距就會非常明顯這時候必須認真對待。3.4 優(yōu)化 apply 的幾個實用手段如果你確實不得不用 apply還有幾個手段可以讓它別那么慢。一是上面的 rawTrue 參數(shù)前面已經(jīng)說過能提速。二是盡量減少函數(shù)體內(nèi)的索引操作。把需要的數(shù)據(jù)提前提取成局部變量不要每次都寫 row[列名]。三是如果函數(shù)邏輯里只涉及一列數(shù)據(jù)就不要用 DataFrame.apply(Axis1)換成 Series.apply后者性能通常更好。四是如果邏輯真的很復(fù)雜且對性能要求高可以試試 numba。Pandas 提供了 numba 引擎可以讓支持 numba 的函數(shù)在 JIT 編譯后運行性能往往能接近向量化。不過 numba 有它自己的限制比如函數(shù)內(nèi)部不能用 Pandas 對象只能用 numpy 數(shù)組或純 Python 基本類型這意味著你需要先把數(shù)據(jù)拆出來再通過構(gòu)造函數(shù)來操作開發(fā)成本會高不少。4. 實戰(zhàn)拆解四個真實場景中的 apply 用法4.1 復(fù)雜行級邏輯處理多字段聯(lián)合判斷這是 apply 的經(jīng)典使用場景。比如電商訂單表規(guī)則是訂單金額大于 500 且用戶等級為 VIP運費減免訂單金額大于 500 但普通用戶運費減半其余用戶全價運費。這種邏輯用向量化寫需要多層 np.where嵌套多了可讀性會很差。df pd.DataFrame({ 訂單號: [A001, A002, A003], 金額: [680, 320, 900], 用戶等級: [VIP, 普通, 普通], 基礎(chǔ)運費: [10, 8, 15] }) def calc_freight(row): if row[金額] 500 and row[用戶等級] VIP: return 0 elif row[金額] 500: return row[基礎(chǔ)運費] / 2 else: return row[基礎(chǔ)運費] df[實付運費] df.apply(calc_freight, axis1)這段代碼的好處是邏輯都在一個函數(shù)里測試方便以后規(guī)則變了只需要改函數(shù)不需要改主流程。如果你覺得這個函數(shù)以后還能復(fù)用到別的地方甚至可以單獨放到一個 utils 模塊里配合單元測試。4.2 數(shù)據(jù)清洗把不規(guī)范的字符串統(tǒng)一轉(zhuǎn)成數(shù)字處理外部數(shù)據(jù)時列里總是混著各種詭異格式。比如一個“銷售額”列既有數(shù)值也有 1,200元還有 約3000 這種描述。sales pd.Series([1,200元, 3000, 約2500, 1.5萬, np.nan]) def parse_sales(x): if pd.isna(x): return np.nan s str(x).replace(元, ).replace(,, ).replace(約, ).strip() if 萬 in s: return float(s.replace(萬, )) * 10000 return float(s) sales.apply(parse_sales) # 0 1200.0 # 1 3000.0 # 2 2500.0 # 3 15000.0 # 4 NaN # dtype: float64這種場景下apply 是最合適的選擇因為麻煩在于正則匹配和分支判斷向量化基本沒法做。你把邏輯寫成一個純函數(shù)然后用 apply 一烤整個列就干凈了。不過我想提醒一個小細節(jié)如果這個函數(shù)未來會被調(diào)用多次建議用 transform 或 map或者先緩存解析結(jié)果。反正數(shù)據(jù)清洗通常是一次性的性能要求沒那么高主要還是看代碼好不好維護。4.3 分組后的 applyGroupBy.apply 的注意事項groupby.apply 是一個但凡是真實業(yè)務(wù)就會遇到的功能。比如你有一個員工薪資表想按部門給每個員工算排名并且要生成“高于部門平均薪資”這樣的標記。df pd.DataFrame({ 部門: [技術(shù), 技術(shù), 銷售, 銷售, 銷售], 員工: [張三, 李四, 王五, 趙六, 錢七], 薪資: [15000, 12000, 10000, 8000, 6000] }) def enrich_group(group): group[部門排名] group[薪資].rank(ascendingFalse) group[是否高于平均] group[薪資] group[薪資].mean() return group result df.groupby(部門, group_keysFalse).apply(enrich_group)這里函數(shù)接收的是一個分組后的子 DataFrame你在函數(shù)內(nèi)部對這個子 DataFrame 做任何操作最終都會拼回去。這里有一個值得注意的參數(shù) group_keys。默認情況下 groupby.apply 可能在結(jié)果里加上分組鍵作為索引層group_keysFalse 可以避免這種多余的索引層級。不過 Pandas 新版本里的行為有調(diào)整如果你發(fā)現(xiàn)結(jié)果里出現(xiàn)了層級索引不用慌先試試這個參數(shù)。我還見過有人在這里犯過一個經(jīng)典錯誤分組 apply 的函數(shù)里試圖修改原始 DataFrame給原始 df 添加列但忘了分組后的 group 只是一個視圖或副本實際原表沒變。這個問題的根源是對“修改是發(fā)生在副本上還是原表上”沒有把握。我的建議是函數(shù)內(nèi)部創(chuàng)建新列并 return不要嘗試在全局變量上做修改否則很容易出現(xiàn)“函數(shù)里明明打印了外面卻沒變化”的詭異問題。4.4 一次生成多列apply 返回 Series 的妙用很多時候一列計算完還不夠同時要生成多列。與其分開調(diào)用多次 apply不如只調(diào)用一次讓函數(shù)返回一個 Series。df pd.DataFrame({ 商品: [A, B, C], 單價: [100, 200, 150], 數(shù)量: [3, 2, 5] }) def compute(row): subtotal row[單價] * row[數(shù)量] tax subtotal * 0.13 return pd.Series({ 小計: subtotal, 稅費: tax }) result df.join(df.apply(compute, axis1))這里注意apply 返回的是一個包含兩列的新 DataFrame再用 join 拼回原表。如果不想用 join也可以直接把結(jié)果賦值給 df[[小計, 稅費]]但前提是索引對齊做法實測下來經(jīng)常會有警告。更穩(wěn)的方案是用 join 或 concat。還有一個小技巧如果函數(shù)返回多個值而且不想構(gòu)造 Series可以配合 result_typeexpand。比如def compute2(row): subtotal row[單價] * row[數(shù)量] tax subtotal * 0.13 return subtotal, tax df.apply(compute2, axis1, result_typeexpand)這樣 apply 的結(jié)果會直接變成一個多列 DataFrame省去了構(gòu)造 Series 的麻煩寫起來更輕快。5. 常見問題與排查技巧5.1 明明寫了 axis1為什么還是報維度錯誤很多人在 DataFrame.apply 里寫了 axis1函數(shù)里卻試圖按列名索引但報錯信息經(jīng)常是“Series object is not callable”或維度錯誤。這個問題的本質(zhì)往往是你用了 rawTrue函數(shù)參數(shù)變成了 numpy 數(shù)組自然不能用 row[列名]。檢查一下有沒有動過 raw 參數(shù)。另一個類似情況是函數(shù)體內(nèi)用了 df.apply 而不是 row.apply也就是不小心對整體 DataFrame 調(diào)了 apply傳入的參數(shù)變成了 DataFrame于是函數(shù)內(nèi)部的索引邏輯全亂。排查這類問題建議在函數(shù)里先用 type 打印參數(shù)類型確認收到的是 Series、numpy 數(shù)組還是 DataFrame問題就會一目了然。5.2 apply 結(jié)果出現(xiàn) NaN我哪一步錯了這是我自己第一次用 apply 時踩的坑。場景是對 DataFrame 按行 apply 了一個返回 Series 的函數(shù)函數(shù)返回的 Series 索引和原始 DataFrame 的索引不一致Pandas 會自動做索引對齊匹配不上的位置就填 NaN。def calc_use_index(row): return pd.Series({sum_value: row[a] row[b]}, index[0]) # 錯誤示例 df.apply(calc_use_index, axis1)如果返回的 Series 索引不包含“sum_value”結(jié)果就會以 NaN 填充。解決辦法是保證返回 Series 的索引是需要的列名或者直接用 result_typeexpand 避免返回 Series。索引對齊是 Pandas 的核心特性但也是很多詭異 NaN 的來源。遇到這種情況先不要懷疑數(shù)據(jù)去檢查你的返回結(jié)果和原索引是否對齊。5.3 函數(shù)里能用全局變量嗎能但有坑apply 的函數(shù)體里訪問全局變量是可以的但如果你在函數(shù)內(nèi)部修改全局變量比如用 total row[金額]就會出現(xiàn)問題。原因是在 Python 里函數(shù)內(nèi)部 global 變量的更新需要聲明而 apply 的執(zhí)行順序和次數(shù)又不直觀容易導(dǎo)致結(jié)果不正確。我的建議是不要在 apply 里做有副作用的操作。它不是用來累加的工具累加請用 cumsum 或先取 values 再循環(huán)。如果你真的需要在 apply 過程中維護狀態(tài)把狀態(tài)放到一個可變對象里比如字典或列表然后通過 append 或 update 來保存結(jié)果但說實話這個場景已經(jīng)不適合 apply 了改用 for 循環(huán)更合適。5.4 Pandas 版本更新帶來的函數(shù)更名問題新版 Pandas 2.x 已經(jīng)把 DataFrame.applymap 改名為 DataFrame.map老代碼里如果你把 applymap 拷貝過來會直接報 AttributeError。很多人一看到這個報錯就慌了其實只要改成 map 或者改回舊版本即可。另外apply 的 engine 參數(shù)在 pandas 2.0 之后也支持了 numba如果你在舊文檔里看到 apply 不支持的東西可能只是版本差異。5.5 實踐中的幾條硬性原則這幾條原則是我踩過無數(shù)坑之后總結(jié)出來的基本上每次寫代碼之前都會過一遍能向量化就向量化apply 是備選方案不是默認方案。如果數(shù)據(jù)量超過 10 萬行先跑一下性能測試再決定用不用 apply。不要在 apply 函數(shù)里訪問外部大對象比如每行都去查詢一次數(shù)據(jù)庫這種寫法會慢到讓人懷疑人生。如果 apply 函數(shù)邏輯很復(fù)雜先轉(zhuǎn)換成普通 Python 函數(shù)用幾行數(shù)據(jù)測試通過后再接 apply。使用 DataFrame.apply(axis1) 之前確認每一列的數(shù)據(jù)類型是否符合預(yù)期。字符串列和數(shù)值列混在一起會引發(fā)各種奇怪的 TypeError。還有一點經(jīng)常被忽略apply 返回多列時盡量統(tǒng)一返回類型。如果有時返回 Series 有時返回標量Pandas 會自動推斷結(jié)果類型結(jié)果導(dǎo)致結(jié)果結(jié)構(gòu)不穩(wěn)定。我個人的經(jīng)驗是不用急著把 apply 當(dāng)作一個必須搞懂的高級技巧。它本質(zhì)上就是一個讓你在 DataFrame 上運行 Python 函數(shù)的橋梁。真正重要的是你的函數(shù)邏輯要清晰、數(shù)據(jù)預(yù)處理要到位、性能要心里有數(shù)。數(shù)據(jù)量小的項目里用 apply 通常不會出什么大問題數(shù)據(jù)量大了你自然會去研究向量化、numba、cython 這些更底層的加速方式到時候你對 apply 的理解只會更深刻。記住它是個工具不是信仰適合用的時候再用不適合的時候果斷放棄。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
99热这里只有精品在线| 五月丁香六月婷| 婷婷成人五月天成人文学| 99er精品视频| 99re8这里只有精品99re8热视频| 综合久久综合| 字幕网AV中文字幕| 激情亭亭五月| 狠狠操之狠狠操| 婷婷丁香六月激情综合| 天天五月天综合网址| 深爱五月综合网| 天天色综合天天| 99爱这里只有精品| 欧美va欧美va差| 26UUU精品一区二区| 丁香花色色网| 97 天堂| 久久99免费视频网站| 99色日本| 丁香五月婷婷成人色区| 天天操夜夜操| 风流少妇A片一区二区蜜桃| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 久久9精品视频| 99热大全在线观看| 开心五月深爱婷婷| 日本狠狠干| 婷婷碰碰| 桃色五月婷婷| 婷婷五月天天天| 亚洲成人免费电影| 67久久| 色情婷| 久思思久视频| 人人爽天天爽| 日韩一区二区A片免费观看| 自拍视频在线观看9| 99ri精品视频在线观看| 六月婷婷视频| 欧美视频五区| 婷婷中文字幕网站| 99热这里只有精品26| 超碰AAAAAAV| 激情第四色| 婷婷五月天激情小说| 亚洲综合欧美色丁香婷婷888月图片| 久久久大香蕉| 久久亚洲婷婷| 99激情| 色偷偷色婷婷| 最近中文字幕大全免费版在线| 日韩AV成人电影| 狠狠做五月| 一级操逼内射在线视频| 欧美搡BBBBB摔BBBBB| 99久久.www| 天天爱天天做天天日| 婷婷亚洲色| 久综合网| 天天肏高清在线| 伊人综合网4| 丁香婷婷激情| 天天色五月婷婷91久久久久久久| 99在线观看视频蜜臀| 色婷婷成人| 成人做爰A片免费看视频| 99在线视频女女视频| 亚洲熟妇AV综合网五月丁香伊人 | 狠狠五月激情婷婷直播片| av在线观看免费| 熟女色色一区二区| 成人网站在线观看视频| 五月婷婷五月色| 国产精品涩涩涩视频网站 | www.五月天色色色| 亚洲操b| 国产精品人人做人人爽人人添| 国产综合81p| 五月激激网w'w'w| 秋霞A V毛片| 五月停性愛| 婷婷欧美偷拍综合| 六月丁香五月天| 一起肏在线视频| 久久久区区一久久久久久| 国产激情综合| 超碰免费人妻| 在线观看的av| 丁香六月啪啪啪| 婷婷丁香人妻天天久久| 日韩成人中文| 色五月之第四色| 婷婷激情人妻| 99久久99久久| 久久电影4399| 婷婷久久丁香五月| 久久色天堂| 97人妻碰碰碰碰碰久久久久久| 激情五月激情综合俺也去婷婷小说| 荷兰av一级| 97超级免费无码| 日日婷婷不卡| 久草热8精品视频在线观看| 超碰在线看| 色噜噜狠狠色综合网| 97婷婷丁香五月综合| 婷婷成人综合免费视频| 色综合久| 日日干夜夜撸夜夜骑| 啪啪一区| 丁香婷最新动态| 武则天精品久久| 98永久精品| 日日夜夜狠狠操| 五月婷婷很很色| WWW五月天| 狠狠操综合| 丁香五月区| 99九无网码| 国产综合婷婷| 久久久久亚洲AV无码网影音先锋| 色色色五月婷| 99热免费在线| 91婷婷丁香五月天免费视频网站| 丁香激情五月天| 天天做天天爱天天爽夜夜揉| 国产成人精品一区二区三区视频| 亚洲成人色五月天| 亚洲V国产V欧美V久久久久久| 日本ww亚洲| 99在线精品免费视频| 亚洲综合在线视频| 五月丁香亭亭| 丁香婷婷五月六月天| 欧美成人AAA片一区国产精品| 九九成人精品| 中文字幕无码成人电影| 亚洲另类婷婷综合| 天天干夜夜操A片| 丁香五月天社区| 亚洲第精品| 丁香婷婷狠狠97| 亚洲99热| 日本va欧美va欧美精品88| 久久九九精彩| 高清无码入口| 99久久成人| 色婷婷yy久| 夜夜爽天天干| 4438国产免费看| 天天做天天爱天天爽综合网| 一起草Av| 伊人在线视频| www婷婷| 小色小蛇伊人婷婷色香五月| 丁香五月人妻| 色婷婷综合网站| 久操人| 翔田千里 50岁 无码| 婷婷久久五月丁香| 久久久久亚洲AV综合| 99热这里只有精品最新地址获取| 六月丁香停| 激情综合五月| 国产,欧美,日韩,性爱| 日本三级片片| 精品久久人妻| 操逼棍操逼| 综合九九中文字幕| 天天爽天天干| va亚洲中文在线| 五月丁香婷婷成人版| 青青草成人网| 激情五月视频在线婷婷| 五月丁香色色网| 色色网站| 黄色AAAAA| 人人九色| 亚洲黄色网址| 午夜免费试看| 久久久久久丁香五月| 久久五月天激情婷婷| 天堂久久精品| 丁香婷婷在线| 激情五月天婷婷直播| 在线18av | 99热地址| 日本无va视频| 欧美日本黄色| 成人免费黄色短视频| 女人被男人吃奶到高潮| 三级成人网站| 婷婷五月电影院| 亚洲成人在线在线| 九九AV| 丁香五月av在线| 日熟女| 国产XXXX搡XXXXX搡麻豆| 婷婷丁香小说| 激情五月网站| 五月丁香啪啪啪综合网| 潮汕成人AV片在线| 超碰成人免费| 色综合大香蕉| 五月婷在线播放| 永久的网站AAAA | 人妻操逼视频| 六月丁香深深爱| 国产婷婷综合在线免费视频| 日韩欧美成人一区二区三区| 亚洲国产99| 久久只有18视频| 九九熱最新視頻| 超碰人人在线观看| www久久99| 激情深爱综合网| 亚洲国产色婷婷| 综久久久| 51精品国自产在线| 婷婷99狠狠| 激情噜噜噜| 五月天全国最大成人网| 91狠狠综合久久久| www.色九月| 欧美亚洲色色色色| 国产成人+综合亚洲+天堂| 五月丁香六月婷婷网| www.五月天性.com| 色婷婷色五月另类综合| 国产成人AV在线| 热久久婷婷| 婷婷六月啪啪| 久久久久久综合88| 婷婷五月无码| 这里只有精品视频一区| 婷婷五月天改成什么了| 99色色爰| 六月丁香久久| 丁香五月首页| 九九亚洲综合| 加勒比日本一区二区三区| 亚洲A片成人无码久久精品青桔| 婷婷久久五月| 丁香五月影视| 人人人操97| 99久久国产成人精品| 九九热啪啪| 婷婷丁香激情五月天色色色| 日本精品人妻无码77777| 五月婷婷天| 九九热在线视频| 色播五月丁香| 无码婷婷五月天| 天天综合久久| 中文字幕丰满乱孑伦无码专区| 五月丁香色婷婷色| 9精品视频在线观看| 婷婷五月超碰| 丁香花成人区| 99碰视频| 九月丁香八月婷婷久久综合久97| 亚洲一级AV在线免费播放| 免费一区二区三区| 丁香婷婷综合影院| 婷婷五月丁香人妻无码高清| 亚洲视频1区| 校园春色亚洲色| 精品香蕉99久久久久网站| 九九热九九| 日日噜人人人做人| 99视频精品视频| 日韩无码成人电影| 五月天丁香六月综合| 九九九热精品| 丁香六月AV| 成人网址在线观看| 五月天婷a在线| 99综合网| 天天搞夜夜六| 丁香五月激情六月| 国产精品A片| 操熟女成人网| 九九精品网| 99精品视频网站| 99热99热在线| 97影院一级片| 狠狠插狠狠插| 五月天婷婷色| 影音 五月 婷婷 久久| 操逼五月婷婷| 中文字幕天天干| 中文字幕不卡网站| www91精品| 色爱99| 久久婷五月综合| 五月色婷婷中文字幕| 99re免费精品视频| www.日日日.com| 久久人妻系列| 99视频只有精品| 欧美日韩成人高清在线| 亚州色婷婷| 亚洲人妻AV| 大香蕉久操| 国产午夜精品一区二区三区四区| www.1024久久| 丁香大香蕉| 99热最新精品| 99热最新网址| 人妻久久久久久| 97操视频| 亚洲综合五月天| 色色欧美色色色| 色九月综合网| 久热99| ...婷婷国产成人亚洲日韩| 天天操夜夜夜拍拍拍| 五月天婷婷视频30| 99热在线精品播放| 99热| 综合玖玖偷拍| ss五月天激情| 婷婷五月天激情在线| www.狠狠| 少妇高潮呻吟A片免费看软件| 久久婷婷老| 五月亭大香蕉| 天天爽夜夜爽夜夜爽精| 91人人爽久久涩噜噜噜| 日韩AV大全| 国产精品日本一区二区在线播放| 色五月自偷自拍婷婷婷婷| 狠狠久久婷五月| 久久人妻乱子伦| 五月天六月婷婷电影| 激情六月天| 99色在线视频| 色播色丁香五月| 婷婷成人综合| 国产精品久久久久久五月天加勒比| 五月开心久久| 国产午夜精品一区二区三区嫩草| 成人网站av免费网站推荐| 深爱激情中文五月天av| 99热这里只| 色五月亚洲| 九九爱精品网站| 亚洲AV网站在线观看| 99小精品| 14色综合婷婷| 超碰在线免费观看日韩| 日日噜噜夜夜狠狠久久丁香六月| 中文字幕色色色| 久婷久婷| 久热精品免费视频4| 九九热99视频在线| 婷婷丁香五月噜噜噜| 色情久久久| 色狠狠色噜噜AV天堂五区| 97婷婷久久丁香| 亭亭玉立国色天香| 97色色视频| 1000部毛片A片免费观看| 五月天大香蕉AV| 五月情丁香色| 九月婷婷久久久| 狠狠色综合图片| 97色婷婷| 久久怡红院| 亚洲欧洲中文日韩久久AV乱码| 91|九色|动漫| 天天干com| 日日干天天爽| 91在线视频综合| 五月天婷婷开心| 色婷婷在线播放| 亚洲9久久精品| 综合激情五月四射婷婷| 久9免费视频| 九色亚洲| 伊人久久婷婷五月天激情四射| 色六月婷婷| 97色五月丁香婷婷| 激情综合激情五月| 五月天婷婷综合网| www.久久久久久久| 丁香婷婷激情六月五月开心| 色五月噜噜| 26uuu国产色| 99热免费精品| 色婷婷色丁香色欲av| 美女亚洲五月丁香| 久色资源| 久久婷综合| 99热这里只有精品9| 综合久久狠狠| 狠狠做五月婷婷| 日日综合网| 婷婷99狠狠躁天天躁中文| 99视频一区| 人妻丰满精品一区二区A片| 另类亚洲2| 色婷久| 日噜噜色| 精品综合五月| 熟妇人妻中文字幕无码老熟妇| 无码色色色色色| 五月婷婷色播| jiujiujiuwuyuetian| 色色色色色色色色网站| 丁香婷婷激情四射五月| 开心五月综合| 色婷婷五月天av在线| 激情婷婷亚洲五月| 99在线精品免费视频| 天天干夜夜操A片| 五月婷婷丁香在线| 五月婷在线| 97碰超级人人看| 操逼巨乳91| 夜夜夜夜撸夜夜操| 996热re视频在线观看视频| 99热在线观看这里只有精品| 色综合网页| 色五月婷婷啪啪五月| 香蕉婷婷| 一區四區歐美日韓| 蜜桃成语时李时珍 免费| 国产免费AV在线| 婷婷九月在线| 九月激情网| 五月婷婷六月丁香| 逼逼AV| 久久深爱激情网| 5月婷婷五月天| 欧美成人A片AAA片在线播放| 激情99| 久热九九| 亚洲精品白浆高清久久久久久| 99热热热99精品婷婷| 五月开心播播网| 久久九九99视频| 日韩无码乱轮| 欧美噜噜噜草| 日日色五月天| 日日.c| 色99热| 五月天开心激情综合网| 99riav 亚洲| 97碰91| 极品色丁香| 啪啪色激情五月天| 九九热精品视频九九| 五月久视频| 99热最新| 婷婷综合仓库中文| 91九色精品| 五月天天天综合| 婷婷五月天激情AV影院| 婷婷五月丁香欧洲| 久色网五月| 五月丁香啪啪综合| 久久久婷| 日操夜操天天操不卡| 91国产精品视频播放| 久久久久久久久久久44| 国产 亚洲 在线| 五月激情综合婷婷| 大香蕉欧美在线| 超碰人人在线| 久久精品女人天堂AAA| 久久草大香蕉| 亚洲五月天婷婷在线| 99热网址| 91男人操女人视频| 五月丁香无码| 五月婷婷激清网| 色婷婷先锋| 亚洲日韩乱码一区二区三区四区 | 成人色图情色成人网 www.5b5b5bcom 五月天 | 激情综合另类| 久久婷婷五月综合97色一本| 婷婷丁香五月在线播放| 色综合色综合网| 亚洲韩国日产综合AV| 日韩成人网址| 五月丁香婷婷成人网| 国产无套精品一区二区| 午夜福利8055| 99热首页在线30| 站长推荐无码播放| 5月丁香婷婷激情网| 九九热99热| 99噜噜噜在线播放| 狠狠操综合| 色婷婷五月综合网| 九九色婷婷| 五月丁香婷婷伊人日韩| 五月天激情站| 久久婷婷五月丁香网| 天天日天天肏天天奸| 人妻激情视频| 成人色色视频| 精品一二三区久久AAA片| 婷婷五月18永久免费网站| 天天日狠狠| 综合久久影院| 丁香97综合| 婷婷另类开心| 激情五月天婷婷| 丁香五月WWW| 99热视| 97干欧美| 97久久五月丁香婷婷| 四色女婷婷| 久久久久久综合88| 久久五月情| 狠狠干激情五月| 婷婷九月丁香| 九九人人自拍| 很很干天天干| 内射 无码 伊人| 狠狠香蕉| 五月丁香啪啪综合| 五月丁香色色色| 五月丁香六月婷婷亚洲激情综合| 综合色色色| 99碰碰视频| 久久激情网| 色婷婷av综合网| 五月丁香六月婷婷免费| 婷婷91| 狠狠香蕉| 丁香五月综合婷婷| 久婷五月| 九九热99视频在线| 九九热免费视频| 99久久婷婷综合| 色宗合久久五月婷婷| 欧亚成人A片一区二区| 就要爱综合| 中文字幕不卡+婷婷五月| 97久久五月丁香婷婷| 婷婷午夜天| 色五月美女| 日日噜狠狠色综合久久| 青草视频在线播放| 激情都市五月天| 午夜天天精品视频| 玖玖资源天天无码| www.韩日视频| 这里只有精品1| 另类激情首页| 婷婷六月啪啪| 激情五月婷婷| 婷婷免费视频| 五月天激情四射| 99视频激情四射| 常久最新免费的色吊丝| 麻豆123区| 五月婷婷激情四季| 日本色道视频网站| 97久久草草超级碰碰碰| 丁香五月开心亚洲| 婷婷94s| 日韩黄在免| 久久婷婷六月综合| 超碰91在线| 久久婷五月天| 三级三久久线久久99久目本WW| 五月精品| 99色视频| 丁香五月婷婷大香蕉| 色五月激情五月天| 五月天综合婷婷| 丁香综合网| 婷婷激情欧美| 天天色天天噜| 五月天狠狠干| 婷婷五月色亚洲| 操日本99| 欧美性爱丁香五月| 大香蕉 婷婷| 激情婷婷丁香| 九色亚洲| 狠狠综合久久综合| 久草网大香视频| 在线sebiav精品视频| www.韩日视频| 国产亚洲av片| 九草性爱| 婷婷六月视频| 粉嫩av懂色av蜜臀av熟妇| 人人干99| 秋霞免费三级片| 大香网伊人久久综合| 欧美日本韩国亚洲| 色噜噜狠狠狠综合曰曰曰| 久久日韩婷婷五月| 日韩啊啊啊| 国产精品久久久丁香五月八戒视频| 丁香婷婷综合喷| 9久视频| 狠狠色丁香婷婷基地| 久久五月天 91| 91久久久久久久久18| 97色五月天| 91人人爽人人操| 天天综合五月| 五月色丁香国产在线视频| 黄色成人AV在线| 婷婷婷婷婷婷婷五月丁香| 久久这里只有精品网| 五月婷婷,狠狠操| 色狠狠综合| 久久五月天色| 韩日在线熟女| 69精品人人人人人人| 五月丁香五月综合欧美| 五月开心深爱激情网| 大香蕉啪啪网| 色色丁香色五月| 性综合网| 婷婷成人五月天成人文学| 国庆精品久久| 黄色一级影片| 激情五月色在线播放| 9久久久久久久久久久| 中国女人内射6XXXXX| 97色97干| 五月六月激情| 激情网五夜婷婷| 丁香五月婷婷五月| 亚洲V国产V欧美V久久久久久| 天天插综合| site:jszngf.com| 2016日日夜夜操| 免费看欧美成人A片无码| 五月丁香欧美综合| 欧美色色色色色色色| WWW,色五月| 久久 无毛。| 国产古装妇女野外A片| 久久女人天堂| 天天久| 日本熟妇人妻在线| 婷婷丁香射射| 五月婷婷,六月婷婷| 中文字幕日产A片在线看| 超碰日日操| 五月天婷婷中文字幕在线播放| 人妻久久久久久久久妻久久久久久久久| 五月婷天堂视频| 久久精品99国产精品日本| 97在线视频人妻九色| 热思思| 操逼福利视频| 亚洲综合激| 亚洲色图五月丁香| 91操女| 99视频在线观看地址| 色五月激情五月天| 九九99九九99九九99视频网| 这里只有精品免费视频| 色爱终和网| 开心四月婷婷在线色播播| 久久婷综合| 大香av| 97超碰在线观看免费| 狠狠噪| 99精品偷自拍| 1000部毛片A片免费观看| www99热| 狠狠色婷婷777| 婷婷亚洲久久| 天堂在线婷婷| 99热官网精品在线| 奇米色大香蕉| 亚州欧美黄色电影| 99视频热99| 亚洲第一成人无码A片| 六月丁香啪啪啪| AVDV久久| 女人天堂AV| 丁香婷婷六月| 五月丁香六月激情综合| 青草五月天| 9久热| 91九九| 这里只有精品在线观看视频| 婷婷六月久久综合导航| 九九热最新地址| 婷婷午夜天| 无码任你操| 色色射| 五月天大香蕉| 九九热最新| 九九Av| 国产精产国品一二三在观看| 99在线精品免费视频| 69精品人人人人人人人人人| 五月J香蕉婷婷| 国产毛片操B| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 五月天三级久久| 欧美色色色色色色色色色色| 99热播放| 伊人五月天综合网| 日日操,日日爽| 99re这里只有精品首页| 婷婷激情五月色综合| 热99AV网站| 99无码视频| 99色网站| 免费视频无码| 久久婷婷五月综合色欧美| 免看黄大片AA | www,99热在线观看| 97久久五月丁香婷婷| 婷婷精品视频| 免费精品99| 青草青草视频2免费观看| 日本三级第一页| 美女伊人久久| 丁香五月久久| 五月丁香av在线| 美国色五月天婷婷资源站| 五月婷婷五月色| 欧美性爱五月天| 色播五月| 婷婷五月丁香亚洲| 色玖玖玖| 97AV在线视频| 婷婷六月插屄激情| 久狠狠| 色播五月| 一级AV片| 超碰在线国产9| 免费色色色| 丁香五月婷婷俺也要去| 国产va视频| 天天玩夜夜操| 人人操人人妻| 丁香五月婷婷激情网| 亚洲综合五月天综合| 亚洲va在线∨a天堂va欧美va| 999热在线视频| 一本道在线电影| 激情五月婷婷啪啪| WWW.桔色成人.COM入口| 久久色五月天| 91丁香色| 久久99这里只有精品| 日韩九九| 色婷婷基地 | 日本一级特黄大片AAAAA级| 天天综合亚洲综合| 思思久久精品| 五月狠狠| 五月婷婷在线观看| 五月丁香激情综合| 91精品久久久久久久久| 国色天香伊人狠狠色| 五月天丁香网| 日本毛片内射| 五月婷六月丁香| 久久538| 啪啪操操| 激情五月丁香六月婷婷| 六月色色| 日韩一级A片黄色| 激情内射p| 国产肥白大熟妇BBBB视频| 久操无码| 五月丁香五月婷婷| www超碰com| 99热久只有精品首页| 婷婷五月激情欧美| 九月丁香欧美综合| 激情色情五月天| 婷婷五月天色色| 超碰com| 激情五月影院| 午夜AV网| 襙逼网| 丁香久久| 大香蕉啪啪啪| 人妻九九九九| 99五月婷| 天天插天天插天天插天天插| 桃色五月婷婷| 久久五月丁香六月婷| 深爱激情综合网| 97干免费视频| 久久综合中文字幕| 97婷婷在线视频| 久久这里有| 99综合一区| 国产精产国品一二三在观看| 亭亭玉立国色天香| 婷婷精品免费久久| 色五月婷婷操逼| 最新va在线播放| 91美女啪啪| 99综合免费视频| 色图亚洲91| 欧洲综合色| 操碰色一区就去操| 婷婷丁香五月天小说| 天天色情站| 婷婷丁香高潮了| 国产人妻777人伦精品HD| 国产乱码久久| 九九香蕉网| 性色欲情 网站| 日日操日日撸| 日韩免费乱轮网站| 五月天色五月| 狠狠干天天内射| 99精品久久| 色五月婷婷久久爱| 五月天社区| 日本婷婷综合精品| 日本三久久| 五月丁香婷婷AV天堂| 亚洲综合一区二区| 97日韩无套内| 啪啪啪大香蕉| 日本高清综合网五月丁香| 婷婷色五月天第7色| 1024操逼视频| 亚洲美女裸体被操在线观看| 超碰在线成人| 99re在线视频| 婷婷丁香五月综合激情小说| 亚洲小说五月婷婷| 久久久久8888| 97超级免费无码| 国产人妻人伦精品一区二区| 亚洲综合久| 欧美一级操逼视频| 欧美黑人巨大猛烈cuckold| 91婷婷搞| 天综合日日夜综合7799| 99干日日干| 色色色热热热| 9999三级片| 婷婷五月色播放| 婷婷中文字幕版| 激情五月天久久丁香| 久久免费丁香| 日本道久久91| 人妻无码视频网| 综合久| 九九精品自拍| 九九热最新| 狠狠色噜噜色狠狠狠综合久久成人波 | 国产这里只有精品| 激情床戏| 激情五月五月婷婷| 丁香五月婷婷欧美成人色图| 五月婷成人网| 五月色综合网欧美网| 狼人婷婷久久| 婷婷五月18永久免费网站| WWW.HENHENL.| 怎么样可以看免费的一级av| 色色无码| 色婷婷丁香五月| 精品久久99码| 婷婷色丁香五月| 激情综合色婷婷啪啪六月天| 激情五月天伊人影院| www.sezonghe| 国产精品色一哟哟| 日在线V视频在线播放| 国产成人AV人人爽人人澡Va| 精品视频这里只有精品| 日本色道视频网站| 超碰免费成人| 婷婷五月天六点丁香五月| 亚洲久久日| 丁香六月婷婷色播| 婷婷综合日本| 色日本综合| 九九综合网色全集 | 久久99精品视频| AV在线资源| 欧美性色五月天| 中文精品在| 射婷婷中文字幕| 97婷婷狠狠| 丁香五月激情澎湃一区| 碰碰女| 99久操视频| 91碰碰碰| 日本五月婷婷| 新99思思视频| 婷婷成人AV| 久久人妻少妇嫩草AV| 伊人网碰碰| 日本九九热| 91Chinese在线| 青青操日本摸摸看看| 五月婷婷成人| 六月婷婷色综合| 69婷婷丁香午夜| 色婷婷婷婷| 草榴视频黄色网| 欧美成人精品A片免费一区99| 色综合色综合色综合色综合| 婷婷日| 国产精品成人AV在线| 综合久久激情久久| 色五月天婷婷| 日日夜夜干| 五月婷婷丁香色吧网| 激情欧美婷婷| 激情四射婷婷色色色| 精品成人a v无码内射| 色10月婷婷视频| 久久9RE热视频精品98| 五月天网址在线刘玥| 97自拍视频在线| 欧美色性色好| 久久这里只有国产精品视频| 婷婷五月激情四月综合| 在线不卡中文字幕| 婷婷中文综合网| 国产成人精品亚洲线观看| 97在线视频人妻九色| 婷婷丁香五月在线播放| 99精品视频在线| 金桔一区二区ab地址| 九九九午夜视频| 韩国不卡AC视频| 少妇AB又爽又紧无码网站| 国产亚洲在线观看| 午夜爱爱网站| 五月久久婷婷成人网| 婷婷五月天色综合| 丁香婷婷射| 亚洲激情校园| 99er日韩| 五月婷在线观看| 婷婷五月天综合久久| 碰超在线九色| 色爱爱综合网| 99综合97| AV大片在线播放| 免费看欧美成人A片无码| 九九热在线精品视频| 婷婷永久在线| 99热主页日本| 六月撸婷婷| 大香蕉欧美在线| 五月天婷婷丁香| 色狠久| 无码网站视频| 精品色色色| 操你av| 韩国久久少妇视屏| 精品少妇蜜臀91| www.五月天婷婷姐姐| 狠狠色情婷婷| 深爱激情网婷婷| www.久久五月天.com| 天天网站天天爽| 婷婷丁香五月天综合网| 99热这里只有精品亚洲| 国产五月丁香在线| 好吊操这里只有精品| 五月天激日本色情在线| 无码地址| 午夜理论片最新午夜理论剧| 五月丁香五月丁香| 色色色色色级无码| 欧美99热| 丁香花五月天| 色五月色五天色情网| 99热只有这里才是精品| 婷婷色情五月| 色噜噜狠狠一区二区三区| 天天色天天操天天射| 91日日日| 久热大香蕉| 另类小说色婷婷| 五月丁香久久| 五月天大香蕉av| 一级黄色片看看| 成人一区在线观看| 色婷婷偷拍| 五月激情视频| 这里只有视频精品| 激情综合网亚洲色图| 婷婷五月天综合小说网| 一本色道久久综合狠狠躁小说| 97干在线播放| 日本怕怕视频| 人妻videos人妻高清| 五月丁香六月婷综合成人综合| 99热免费看| 九色无码| 久久婷婷五月天| 国产亚洲在线观看| 五月久久综合| 婷婷激情四射五月天| www.henhenl| 五月综合视频在线| 成年人99热| 丁香五月天成人网站| 丁香五月日韩| 色99色| 日逼影音先锋男人资源站| 婷婷丁香五月天熟女丝袜| 五月婷婷激情性爱| 青青操avbb| 免费视频这里只有精品| 99热资源在线| 狠狠色综合网| 婷婷九月久久| 亚洲不卡欧洲| 色亚洲视频| 婷婷色欧美激情| 狠狠人妻色综合| 99∨VTV| 亚洲激情六月丁香| 性一交一乱一交A片久久四色| 色婷婷五月基地在线| 五月丁香中文字幕| 99综合网| 激情色五月天| 五月天激情久久| 日日婷婷不卡| 这里只有精品久久| 五月丁香色色网| 日本在线观看aaa 99| 色久九| 五月婷婷视频ab| 大香蕉五月婷婷| 风流少妇A片一区二区蜜桃| www五月天com| 日本本土色网第一区| 开心深爱激情网| 久久人妻精品| av在线不卡播放| 婷婷激情丁香五月婷婷激情丁香五月婷婷| 天天舔天天摸天天透| 九月丁香亭亭| 99视频综合| 激情综合五月丁香| 在线可以看的av网址| 久久三级视频| 亚洲永远av在线播放| 久久五月婷| 婷婷噜噜| av中文在线| 五月丁香综合成人社区| 人人干天天操五月丁香| 丁香五月六月综合激情| 丁香五月五月婷婷欧美大香蕉| 日韩成人AV在线播放| 五月天婷婷青青草| 第四色五月天| 色青五月天| 五月丁香婷婷激情| 色九网| 99热大| 中文不卡一二三区| 在线99热| 色婷九九九| 九九九成人在线视频| 日本一级黄色电影| 无码一级片| 99热这里只有精品33| 婷婷五月丁香久久| 婷婷五月丁香激情图片| 婷婷六月色丁香视频在线观看| 噜噜操操| 欧在线一区| 六月婷婷狠狠色在线观看| 在线另类视频| 黄色成人AV在线| www.久久五月天.com| 婷婷五月天色色| 99精品久久久久| 五月精品99综合| 丁香婷婷综合五月天| 97干在线视频| 国内久久亭亭| 婷婷色情五月| 老师的粉嫩小又紧水又多A片视频 粉嫩AV久久一区二区三区 | 亚洲V国产V欧美V久久久久久| 激情五月天视频| 丁香五月六月婷婷综合| 婷婷五月激情综合网| 深爱网深爱综合网| 天天日天天爽| 99啪啪视频| 五月丁香色综合| 97AV人人插人人操| 亚洲色亚洲精品| 亚洲愉拍99热成人精品| www色婷婷久久综合久色| 色婷婷综合网站| 五月天激情久久| 五月婷丁香| 亚洲欧洲小视频9| 婷婷五月天亚洲综合| 91紱請| 五月婷婷就去色| 亚洲操逼网| 五月天激情综合在线| 99久在线| 99大香蕉| 一区二区乱码视频| 六月色激情| 日韩三级高清无码| 成人在线免费网址| 色丁香影院| 91丁香色五月| 婷婷丁香综合成人| 婷婷影院A成人| 六月丁香婷婷开心综合基地| 国产伦亲子伦亲子视频观看| 五月天色婷婷激情综合| 开心五月深爱五月| 五月天另类小说亚洲| 激情网五月| 人妻久久做| 久热超碰| 五月婷人妻| 亚洲精品久久久久AV无码| 婷婷五六月丁香| 婷婷久草| 99这里只有免费的小视频在线观看| 99热这里只有精品1025| 伊人色综在线| 久久涩视频| 97色色在线视频| 久久99免费视屏| 色婷婷丁香五月天在线观看| 久久精品噜噜噜成人A∨色欲| 裸体美女丁香五月天。| 黄色91在线观看| 99激情| 国产精品99久久久久久猫咪| 97干视频| 丁香 婷婷 激情 综合 五月| 色色国产| 激情的五月| 日韩专区五月天婷婷丁香| 婷婷色欧美激情| www:99热视频| 色婷婷久久| 67194成I人在线观看线路1| 开心五月网 | 亚洲色就是色色色| 丁香六月婷婷综合在线| 激情综合网站| 激情啪啪五月| 激情五月天婷婷直播| 色色亚洲| 五月婷婷啪啪网| 五月丁香最新| 玖玖色综合网| 激情四射五月天偷偷看婷婷| 亚洲成av人影院| 五月婷天堂视频| 久久人妻精品| 久久久18| 农村熟妇高潮精品A片| 婷婷六月花| 激情久久 婷婷| 91丨九色丨熟女高潮| 色婷婷精品小视频| 狠狠爱丁香婷| 色婷婷88| 激情五月伊人婷婷| 99热最新国内| 激情av在线| 综合激情开心五月| www99精品日韩| 五月丁香综合中文| 这里只有精品视频视频在线观看| 丰满少妇乱A片无码| 婷婷伊人五月天| 182TV亚洲| 极品少妇XXXX精品少妇偷拍| 99成人免费热视频| 五月丁香婷婷综合久久| 五月婷婷啪啪| 精品人妻久久久久| 91狠狠色| 99热99艹在线观看| 五月婷婷婷丁香播| 色欲婷婷夜夜| 一区操| 激情综合网五月激情| 天天爽天天爽夜夜爽| 99热日| 亚洲精品V天堂中文字幕| 九九精品网| 欧美色图天堂网| 这里只有精品96| 久久婷婷综合国产| 丁香五月婷婷六月婷| 美国天天操无码| 超碰精品在线| 天天狠狠六月婷丁香影院| 婷婷激情肏屄网| 日韩小视频在线99| www.五月.com| 久久思思精品| 五月婷婷干干干| 热久免费视频9| 激情网五月| 亚洲色99| 永久99免费视频网站| 国产永久一黄| 99热久久这里只有精品| 六月婷婷综合| 婷婷六月中文字幕| 色5月婷婷色| 综合网精品99| 婷婷成人五月天成人文学| 天堂草在线观看| sS丁香五月婷婷| 热99久| 碰97 久| 婷婷五月天色色| 婷婷开心久久| www.狠狠操.co m| 日日操夜夜操无码免费| 中国女人内射6XXXXX| 99热碰碰热| 79色色色色| 99热20| 色5月婷婷色| 九九99视频精品| 北京熟妇搡BBBB搡BBBB| 國語久久婷| 五月激情婷婷开心| 久久激情综合| PORNY九色9l自拍视频成人| 97偷拍对白视频| 最近中文字幕2019视频1| 夜夜 操无码| 色五月婷婷在线观看| 五月永久激情| 五月丁香狠狠爱| 99免费在线视频| 亚洲岛国电影| 日日夜夜干| 亚洲综合九九| 日本天天色| 婷婷亚洲色| 日韩av干| 亚洲激情亚洲激情| 思思99久久| 激情五月婷婷色色| 黄色录像网点| 少妇高潮呻吟A片免费看软件| 婷婷五月天堂| 97碰啪啪|