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。

數(shù)據(jù)科學(xué)全流程實(shí)戰(zhàn):從pandas到SQL、機(jī)器學(xué)習(xí)與Spark

數(shù)據(jù)科學(xué)全流程實(shí)戰(zhàn):從pandas到SQL、機(jī)器學(xué)習(xí)與Spark 先理清一個(gè)前提數(shù)據(jù)科學(xué)項(xiàng)目的學(xué)習(xí)成本不在記住某個(gè)庫(kù)的接口而在理解一條完整鏈路。從拿到原始數(shù)據(jù)開始數(shù)據(jù)要經(jīng)過讀取、清洗、探索、建模、評(píng)估和交付每一環(huán)都會(huì)改變數(shù)據(jù)形態(tài)而上一環(huán)的輸出就是下一環(huán)的輸入。UC Berkeley 的 Data 100 數(shù)據(jù)科學(xué)全流程課程正是按這條鏈路組織教學(xué)內(nèi)容核心工具覆蓋 pandas、SQL、機(jī)器學(xué)習(xí)與 Spark。它也常被作為本科高年級(jí)核心課來上適合正在系統(tǒng)學(xué)習(xí)數(shù)據(jù)科學(xué)的人反復(fù)對(duì)照實(shí)踐。這篇文章會(huì)按照類似的教學(xué)主線做一次技術(shù)整理先建立全局認(rèn)知再準(zhǔn)備本機(jī)環(huán)境然后跑通一個(gè)最小數(shù)據(jù)科學(xué)閉環(huán)接著單獨(dú)拆解 SQL 和 Spark 里最容易卡住人的部分最后補(bǔ)充常見報(bào)錯(cuò)排查和工程化建議。讀完這套內(nèi)容后你可以直接拿它指導(dǎo)課程筆記、課程設(shè)計(jì)或者作為畢業(yè)設(shè)計(jì)里的數(shù)據(jù)科學(xué)項(xiàng)目主線。1. 為什么數(shù)據(jù)科學(xué)課程要把“全流程”當(dāng)作主線1.1 全流程不是指工具多而是指問題閉環(huán)一個(gè)數(shù)據(jù)科學(xué)項(xiàng)目的起點(diǎn)通常是業(yè)務(wù)問題而不是某一個(gè)函數(shù)。以常見的房?jī)r(jià)預(yù)測(cè)為例先要想清楚要預(yù)測(cè)什么、有什么數(shù)據(jù)、數(shù)據(jù)存放在哪里。得到數(shù)據(jù)后第一步是確認(rèn)表格里有多少行、多少列、每個(gè)字段是什么類型、是否含有空值。接下來是清洗再往后是做探索性分析觀察目標(biāo)變量分布、特征之間是否相關(guān)、有沒有明顯異常。這個(gè)過程中每一步之間都有明確的依賴關(guān)系。如果原始數(shù)據(jù)里混入非數(shù)值字符串后續(xù)所有統(tǒng)計(jì)計(jì)算都可能報(bào)錯(cuò)如果訓(xùn)練集和測(cè)試集拆分前就把整個(gè)數(shù)據(jù)集統(tǒng)一做了標(biāo)準(zhǔn)化預(yù)測(cè)結(jié)果會(huì)被數(shù)據(jù)泄漏污染。Data 100 這類課程的真正價(jià)值就是把這些問題放在同一個(gè)項(xiàng)目語(yǔ)境里反復(fù)訓(xùn)練而不是只教 pandas 有哪些 API、Spark 有哪些算子。課程主線通??梢詨嚎s成下面五段數(shù)據(jù)獲取與讀寫從 CSV、Excel、數(shù)據(jù)庫(kù)或 API 進(jìn)入 DataFrame。數(shù)據(jù)清洗與類型轉(zhuǎn)換處理空值、重復(fù)值、錯(cuò)誤類型、異常值。探索性分析與可視化查看分布、相關(guān)性、分組差異。機(jī)器學(xué)習(xí)建模與評(píng)估拆訓(xùn)練集和測(cè)試集訓(xùn)練基線模型計(jì)算指標(biāo)。規(guī)模化與交付數(shù)據(jù)量變大后切換到 SQL 或 Spark最后把結(jié)果寫成可復(fù)現(xiàn)的報(bào)告。這五段不是相互獨(dú)立的模塊而是一條閉環(huán)。每次從一個(gè)階段進(jìn)入下一個(gè)階段都要驗(yàn)證一下“數(shù)據(jù)形態(tài)是否滿足下一階段的輸入要求”。1.2 局部語(yǔ)法只解決局部問題流程設(shè)計(jì)決定項(xiàng)目成敗新手容易陷入一種錯(cuò)覺把所有 pandas 函數(shù)學(xué)完就等于會(huì)做數(shù)據(jù)科學(xué)了。實(shí)際項(xiàng)目中更常遇到的困難是數(shù)據(jù)可能有幾十個(gè)字段有的字段是時(shí)間戳字符串有的是帶單位的價(jià)格文本有的是稀疏的分類值。僅僅調(diào)用dropna()或fillna()并不能解決所有問題你必須先弄清楚每個(gè)字段缺失的含義才能決定填充中位數(shù)、填充默認(rèn)值還是單獨(dú)標(biāo)記為缺失。同樣SQL 查詢很快不等于數(shù)據(jù)質(zhì)量好。一個(gè) join 鍵在兩張表里都出現(xiàn)重復(fù)時(shí)查詢結(jié)果行數(shù)會(huì)被放大直接進(jìn)入模型就會(huì)產(chǎn)生重復(fù)樣本。機(jī)器學(xué)習(xí)模型跑出很高的分?jǐn)?shù)不等于業(yè)務(wù)可用還要看是否發(fā)生過數(shù)據(jù)泄漏、測(cè)試集是否真實(shí)反映未來數(shù)據(jù)。這些問題的共同點(diǎn)是它們發(fā)生在流程設(shè)計(jì)層面而不是單純的工具使用層面。所以學(xué)習(xí)時(shí)要以“完成一條完整流程”為目標(biāo)而不是以“用某個(gè)庫(kù)寫了多少行代碼”為目標(biāo)。1.3 這套主線適合哪些讀者這套內(nèi)容適合四類讀者準(zhǔn)備系統(tǒng)學(xué)習(xí)數(shù)據(jù)科學(xué)的高年級(jí)本科生和研究生尤其是想把零散知識(shí)點(diǎn)串成項(xiàng)目實(shí)戰(zhàn)的人。數(shù)據(jù)分析師已經(jīng)在用 Excel 或 BI 工具做報(bào)表想補(bǔ)上 pandas、SQL 和建模能力。后端開發(fā)或大數(shù)據(jù)開發(fā)想理解數(shù)據(jù)科學(xué)項(xiàng)目如何組織特征、訓(xùn)練模型、評(píng)估效果。正在做課程設(shè)計(jì)或畢業(yè)論文的人需要一條可以直接映射到項(xiàng)目章節(jié)的技術(shù)主線。學(xué)完這條主線后至少可以獨(dú)立完成一個(gè)從文件或數(shù)據(jù)庫(kù)中取數(shù)、清洗、建模、評(píng)估的預(yù)測(cè)項(xiàng)目并且知道數(shù)據(jù)量增長(zhǎng)到單機(jī)無(wú)法處理時(shí)應(yīng)該在哪里切換到 Spark 或更完整的計(jì)算平臺(tái)。2. 四個(gè)核心工具在數(shù)據(jù)科學(xué)里的分工2.1 pandas單機(jī)表格世界的日常主力pandas 是 Python 生態(tài)中最常用的表格計(jì)算庫(kù)核心對(duì)象是 DataFrame 和 Series。它解決的問題是讓你在代碼里像操作 Excel 一樣操作表格數(shù)據(jù)但保留編程語(yǔ)言的自動(dòng)化、批處理和模塊化能力。在個(gè)人分析、Notebook 實(shí)驗(yàn)和幾百萬(wàn)行以內(nèi)的數(shù)據(jù)場(chǎng)景里pandas 通常是第一選擇。它適合做數(shù)據(jù)探索、清洗、特征工程和模型前處理。下面是最基礎(chǔ)的讀取與概覽代碼import pandas as pd df pd.read_csv(housing.csv) print(df.shape) # 查看行數(shù)和列數(shù) print(df.dtypes) # 查看每列數(shù)據(jù)類型 print(df.isnull().sum()) # 統(tǒng)計(jì)每列空值數(shù)量這段代碼解決的是“進(jìn)入任何數(shù)據(jù)集后第一步要做什么”的問題。先看形狀知道體量再看類型確認(rèn)數(shù)值列有沒有被讀成字符串最后看空值決定清洗策略。pandas 的特點(diǎn)是接口豐富、靈活但靈活性也帶來坑。索引對(duì)齊就是一個(gè)典型問題兩個(gè) DataFrame 合并時(shí)如果索引或 key 的取值不一致結(jié)果里會(huì)出現(xiàn)大量 NaN。讀入 CSV 時(shí)如果數(shù)值列混入了千位分隔符或貨幣符號(hào)整列 dtype 會(huì)變成 object后續(xù)做mean()或sum()就會(huì)報(bào)錯(cuò)或直接跳過。這些細(xì)節(jié)在流程中很容易被忽略。2.2 SQL離數(shù)據(jù)越近分析越高效業(yè)務(wù)數(shù)據(jù)通常不是以 CSV 形式存在的而是存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)湖中。SQL 的作用是用聲明式語(yǔ)法從關(guān)系數(shù)據(jù)中取出所需子集。所謂聲明式是指只描述“我要什么”不描述“怎么遍歷計(jì)算”。數(shù)據(jù)庫(kù)引擎會(huì)自己決定 join 順序、索引掃描方式和聚合執(zhí)行計(jì)劃。SQL 在數(shù)據(jù)科學(xué)流程中的位置通常位于清洗和建模之間。特征提取、報(bào)表統(tǒng)計(jì)、AB 實(shí)驗(yàn)取數(shù)幾乎都離不開 SQL。很多情況下與其把幾十 GB 的表導(dǎo)出到本地用 pandas 處理不如直接在數(shù)據(jù)庫(kù)里完成過濾、分組和聚合把結(jié)果集壓縮到可分析的大小。下面是一個(gè)典型分組統(tǒng)計(jì) SQLSELECT region, COUNT(*) AS cnt, AVG(sales_amount) AS avg_sales FROM orders WHERE order_date 2024-01-01 GROUP BY region ORDER BY avg_sales DESC;這段 SQL 的核心邏輯是先過濾時(shí)間范圍再按區(qū)域分組最后計(jì)算訂單數(shù)和平均銷售額。這里的關(guān)鍵順序是 WHERE 在 GROUP BY 之前執(zhí)行所以先縮小數(shù)據(jù)范圍再分組聚合在大表里性能會(huì)更好。2.3 機(jī)器學(xué)習(xí)從歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律機(jī)器學(xué)習(xí)在數(shù)據(jù)科學(xué)流程里的作用是把清洗后的表格數(shù)據(jù)變成預(yù)測(cè)模型。它不是魔法而是從歷史樣本中尋找特征與目標(biāo)之間的關(guān)系。課程里更重視的是訓(xùn)練流程、評(píng)估方式和誤差來源而不是復(fù)雜的調(diào)參技巧。一個(gè)最小建模流程如下from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_squared_error X df.drop(price, axis1) y df[price] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) model RandomForestRegressor(n_estimators100) model.fit(X_train, y_train) y_pred model.predict(X_test) rmse mean_squared_error(y_test, y_pred) ** 0.5 print(RMSE:, rmse)關(guān)鍵是train_test_split必須在任何使用全量數(shù)據(jù)的統(tǒng)計(jì)操作之前執(zhí)行。無(wú)論是標(biāo)準(zhǔn)化、缺失值填充還是異常值截?cái)喽紤?yīng)該用訓(xùn)練集計(jì)算參數(shù)再用同一組參數(shù)轉(zhuǎn)換測(cè)試集否則測(cè)試集信息會(huì)提前進(jìn)入訓(xùn)練過程導(dǎo)致評(píng)估結(jié)果虛高。2.4 Spark數(shù)據(jù)超過單機(jī)內(nèi)存時(shí)的分布式方案Spark 是一個(gè)分布式計(jì)算框架。在數(shù)據(jù)科學(xué)語(yǔ)境下最常用的是 Spark DataFrame它暴露的 API 與 pandas 相似但底層由集群并行執(zhí)行并且引入惰性求值機(jī)制定義轉(zhuǎn)換操作時(shí)不會(huì)立刻計(jì)算只有調(diào)用 show、write、count 等行動(dòng)操作時(shí)才會(huì)真正執(zhí)行。pandas 與 Spark 的差異可以從幾個(gè)維度對(duì)比維度pandasSpark DataFrame數(shù)據(jù)規(guī)模單機(jī)內(nèi)存適合 GB 級(jí)以下分布式存儲(chǔ)與計(jì)算適合 TB 級(jí)執(zhí)行方式即時(shí)計(jì)算單進(jìn)程為主惰性計(jì)算集群并行學(xué)習(xí)成本低接口直觀中等需要理解分區(qū)和行動(dòng)操作核心場(chǎng)景EDA、清洗、建模前處理大規(guī)模 ETL、全量特征計(jì)算、分布式訓(xùn)練前處理很多人在學(xué)完 pandas 后再學(xué) Spark會(huì)發(fā)現(xiàn)接口類似卻總報(bào)錯(cuò)。原因常常不是 API 記錯(cuò)了而是沒有理解“惰性執(zhí)行”和“分區(qū)并行”這兩個(gè)概念。Spark 的學(xué)習(xí)重點(diǎn)不是背算子而是理解一個(gè) DataFrame 從讀取到寫出之間系統(tǒng)什么時(shí)候真正開始計(jì)算、數(shù)據(jù)如何被切分到不同節(jié)點(diǎn)。3. 環(huán)境準(zhǔn)備把 pandas、SQL 和 Spark 都跑起來3.1 本地 Python 環(huán)境推薦用虛擬環(huán)境不要在系統(tǒng) Python 里直接安裝一堆數(shù)據(jù)科學(xué)庫(kù)時(shí)間一長(zhǎng)版本沖突很難處理。推薦先建虛擬環(huán)境python -m venv .venv # Linux / macOS source .venv/bin/activate # Windows .venv\Scripts\activate pip install --upgrade pip pip install pandas numpy scikit-learn matplotlib jupyter pyspark在 PyCharm 中新建項(xiàng)目時(shí)可以把 Project Interpreter 指向這個(gè)虛擬環(huán)境。之后在項(xiàng)目終端里執(zhí)行pip install pandas右下角解釋器會(huì)同步使用它。初學(xué)者經(jīng)常遇到“在 PyCharm 里 import pandas 報(bào) ModuleNotFoundError”的問題最常見原因不是 pandas 沒安裝而是終端安裝包時(shí)用的是全局 PythonPyCharm 項(xiàng)目解釋器卻指向另一個(gè)虛擬環(huán)境。檢查方式是打開 PyCharm 的 Settings 里的 Python Interpreter看當(dāng)前解釋器路徑再在項(xiàng)目終端執(zhí)行python -c import pandas; print(pandas.__version__)確認(rèn)命令行解釋器與項(xiàng)目解釋器一致。3.2 SQL 練習(xí)環(huán)境怎么選如果只想練 SQL 語(yǔ)法推薦 SQLite 或 DuckDB。它們都是零配置嵌入式數(shù)據(jù)庫(kù)不需要啟動(dòng)服務(wù)一個(gè)文件就是一個(gè)數(shù)據(jù)庫(kù)適合在 Jupyter 里邊跑邊看結(jié)果。如果需要練習(xí)與生產(chǎn)接近的數(shù)據(jù)庫(kù)語(yǔ)法可以使用 Docker 啟動(dòng) PostgreSQL 或 MySQLdocker run --name pg-test \ -e POSTGRES_PASSWORDpostgres \ -p 5432:5432 \ -d postgres:16這樣數(shù)據(jù)庫(kù)運(yùn)行在容器里不會(huì)污染宿主環(huán)境。用完可以docker stop pg-test需要重新使用時(shí)再啟動(dòng)。生產(chǎn)環(huán)境通常不會(huì)直接讓你接觸真實(shí)數(shù)據(jù)權(quán)限本地練熟增刪改查、窗口函數(shù)和 join才是最好的準(zhǔn)備。3.3 Spark 本地環(huán)境兩種搭法第一種方式是直接安裝 PySparkpip install pyspark安裝完成后可以用下面代碼驗(yàn)證from pyspark.sql import SparkSession spark SparkSession.builder.appName(test).getOrCreate() print(spark.version) spark.stop()PySpark 3.x 自帶本地運(yùn)行環(huán)境學(xué)習(xí)小數(shù)據(jù)集時(shí)不需要單獨(dú)下載 Hadoop。如果課程要求與某個(gè)發(fā)布版的 Spark 集群完全一致再去下載對(duì)應(yīng)的二進(jìn)制發(fā)行版。第二種方式是利用 Docker 啟動(dòng)獨(dú)立 Spark 鏡像適合模擬集群環(huán)境但只有一臺(tái)機(jī)器的同學(xué)。這種方式更接近真實(shí)部署但需要額外理解容器網(wǎng)絡(luò)和端口映射本地學(xué)習(xí)不必一上來就搞。需要注意一個(gè)常見坑Spark 本地模式也對(duì)臨時(shí)文件、路徑中的空格敏感。如果在 Windows 上使用包含中文或空格的目錄可能在提交任務(wù)時(shí)出現(xiàn)解析異常。建議把課程項(xiàng)目放在不含空格的路徑中。3.4 環(huán)境版本檢查清單初始化環(huán)境后按下面表格逐項(xiàng)確認(rèn)檢查項(xiàng)命令或方法期望結(jié)果Python 版本python --version3.9 或更高pandas 可用python -c import pandas; print(pandas.__version__)輸出版本號(hào)無(wú)報(bào)錯(cuò)scikit-learn 可用python -c import sklearn; print(sklearn.__version__)輸出版本號(hào)無(wú)報(bào)錯(cuò)Spark 可用運(yùn)行 SparkSession 創(chuàng)建代碼能輸出 Spark 版本SQLite 可用python -c import sqlite3; print(sqlite3.sqlite_version)輸出版本號(hào)Notebook 可用執(zhí)行jupyter notebook瀏覽器打開并能新建 ipynb這個(gè)清單應(yīng)該是開始任何數(shù)據(jù)科學(xué)項(xiàng)目前的固定動(dòng)作。環(huán)境不一致導(dǎo)致的報(bào)錯(cuò)往往比代碼邏輯錯(cuò)誤更消耗時(shí)間。4. 手寫一個(gè)最小數(shù)據(jù)科學(xué)閉環(huán)下面用一個(gè)房?jī)r(jià)數(shù)據(jù)集作為示例。不要關(guān)注數(shù)據(jù)本身是否真實(shí)存在重點(diǎn)看清洗、建模、評(píng)估之間的銜接邏輯。4.1 讀入數(shù)據(jù)并做概覽import pandas as pd df pd.read_csv(housing.csv) df.head() df.info()執(zhí)行info()后要重點(diǎn)觀察每列非空數(shù)量是否等于總行數(shù)哪些列是數(shù)值類型哪些列是 object。如果“price”“area”這類本應(yīng)是數(shù)值的列顯示為 object說明原始數(shù)據(jù)里混入了非數(shù)值內(nèi)容必須進(jìn)入清洗階段。4.2 數(shù)據(jù)清洗空值、重復(fù)值、類型轉(zhuǎn)換數(shù)據(jù)清洗的完整順序建議是先看空值再看重復(fù)行最后做類型轉(zhuǎn)換和異常值過濾。# 數(shù)值列統(tǒng)一轉(zhuǎn)成 float無(wú)法轉(zhuǎn)換的變成 NaN df[price] pd.to_numeric(df[price], errorscoerce) df[area] pd.to_numeric(df[area], errorscoerce) # 刪除完全重復(fù)的行 df df.drop_duplicates() # 刪除缺失目標(biāo)值的行缺失特征值可以用中位數(shù)填充 df df.dropna(subset[price]) for col in [area, room_count]: df[col] df[col].fillna(df[col].median()) # 過濾不合理業(yè)務(wù)值 df df[df[price] 0] df df[df[area] 0]這里解釋兩個(gè)選擇。第一特征列缺失值用中位數(shù)而不是均值填充是因?yàn)榫祵?duì)異常值敏感。如果某個(gè)特征分布嚴(yán)重右偏少數(shù)極大值會(huì)把均值拉高中位數(shù)更能代表典型水平。實(shí)際項(xiàng)目中還要記錄填充策略方便后續(xù)評(píng)審。第二在使用全量數(shù)據(jù)填中位數(shù)之前其實(shí)已經(jīng)先完成了訓(xùn)練集和測(cè)試集的劃分才能避免數(shù)據(jù)泄漏。更嚴(yán)謹(jǐn)?shù)淖龇ㄊ侵皇褂糜?xùn)練集的中位數(shù)填充測(cè)試集。示例為了講解方便變得簡(jiǎn)化但你要記住這個(gè)區(qū)別。4.3 探索性分析與可視化清洗后不要急著建模。先用圖表確認(rèn)目標(biāo)變量分布和特征相關(guān)性import matplotlib.pyplot as plt import seaborn as sns plt.figure(figsize(8, 6)) numeric_cols df.select_dtypes(includenumber).columns sns.heatmap(df[numeric_cols].corr(), annotTrue, cmapRdBu_r) plt.title(Correlation Matrix) plt.tight_layout() plt.show()相關(guān)矩陣可以幫助發(fā)現(xiàn)兩點(diǎn)是否有特征與目標(biāo)變量強(qiáng)相關(guān)這類特征通常是建模主力。是否有多列特征之間強(qiáng)相關(guān)這類特征會(huì)帶來多重共線性在部分線性模型中影響穩(wěn)定性。如果目標(biāo)變量分布嚴(yán)重偏斜比如房?jī)r(jià)少數(shù)極高值拉長(zhǎng)右尾可以先對(duì)目標(biāo)做np.log1p變換讓模型更關(guān)注相對(duì)誤差。4.4 特征工程與模型訓(xùn)練分類變量需要編碼。一種簡(jiǎn)單方式是獨(dú)熱編碼df_model pd.get_dummies(df, columns[neighborhood], drop_firstTrue)然后拆分訓(xùn)練集和測(cè)試集from sklearn.model_selection import train_test_split X df_model.drop(price, axis1) y df_model[price] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 )這里random_state42的作用是固定隨機(jī)拆分結(jié)果讓實(shí)驗(yàn)可復(fù)現(xiàn)。實(shí)際項(xiàng)目中如果數(shù)據(jù)存在時(shí)間屬性應(yīng)該按時(shí)間切分而不是完全隨機(jī)切分因?yàn)槟P鸵A(yù)測(cè)的是未來數(shù)據(jù)。再訓(xùn)練一個(gè)隨機(jī)森林回歸模型from sklearn.ensemble import RandomForestRegressor model RandomForestRegressor(n_estimators200, max_depth10, random_state42) model.fit(X_train, y_train)隨機(jī)森林的優(yōu)勢(shì)在于它可以處理數(shù)值和編碼后的分類特征也能輸出特征重要性適合作為第一個(gè)基線模型。真正調(diào)參要基于驗(yàn)證集或交叉驗(yàn)證不能直接拿測(cè)試集反復(fù)試。4.5 模型評(píng)估與結(jié)果交付from sklearn.metrics import mean_squared_error y_pred model.predict(X_test) rmse mean_squared_error(y_test, y_pred) ** 0.5 print(Test RMSE:, rmse) # 特征重要性 importance pd.Series(model.feature_importances_, indexX.columns) print(importance.sort_values(ascendingFalse).head(10))評(píng)估時(shí)不要只看 RMSE 一個(gè)數(shù)字。建議同時(shí)看測(cè)試集 RMSE 與訓(xùn)練集 RMSE 的差距差距過大說明過擬合。殘差是否隨預(yù)測(cè)值變化有規(guī)律說明模型漏掉重要特征。與一個(gè)簡(jiǎn)單基線模型對(duì)比比如直接用目標(biāo)均值預(yù)測(cè)看看復(fù)雜模型是否真的有提升。交付時(shí)建議在 notebook 或報(bào)告里固定記錄以下信息數(shù)據(jù)集行數(shù)、清洗后剩余行數(shù)、特征數(shù)量、模型類型、超參數(shù)、測(cè)試集指標(biāo)、特征重要性排序、已知問題和下一步改進(jìn)方向。這些記錄在課程答辯和畢業(yè)設(shè)計(jì)中非常加分。5. SQL 部分要理解的三件事5.1 DataFrame 和 SQL 思維是一體兩面pandas 和 SQL 雖然語(yǔ)法不同但表達(dá)的語(yǔ)義高度對(duì)應(yīng)。語(yǔ)義pandasSQL選擇列df[[a, b]]SELECT a, b過濾行df[df[a] 1]WHERE a 1分組聚合df.groupby(g)[v].mean()SELECT g, AVG(v) FROM t GROUP BY g排序df.sort_values(a)ORDER BY a連接兩張表df1.merge(df2, onkey)JOIN理解這種對(duì)應(yīng)關(guān)系能幫你快速把一段 pandas 代碼改寫成直接的 SQL 取數(shù)。實(shí)際項(xiàng)目中優(yōu)秀的數(shù)據(jù)科學(xué)工程師不會(huì)把所有數(shù)據(jù)搬到本地而是盡量把過濾和聚合下推到數(shù)據(jù)庫(kù)。有一個(gè)容易混淆的地方pandas 的groupby默認(rèn)會(huì)把分組鍵變成索引需要reset_index()才能恢復(fù)為普通列SQL 的GROUP BY則直接把分組鍵作為輸出列。兩者執(zhí)行結(jié)果相似但后續(xù)處理習(xí)慣不同。5.2 窗口函數(shù)的使用場(chǎng)景窗口函數(shù)解決的是“分組后還要保留明細(xì)行”的問題。普通 group by 會(huì)把多行壓成一行窗口函數(shù)則在不改變明細(xì)行數(shù)的前提下計(jì)算分組聚合。典型場(chǎng)景是“每個(gè)部門薪資排名 Top 3”SELECT department, employee_name, salary FROM ( SELECT department, employee_name, salary, ROW_NUMBER() OVER ( PARTITION BY department ORDER BY salary DESC ) AS rn FROM employees ) t WHERE rn 3;這里PARTITION BY department表示按部門切分窗口ORDER BY salary DESC表示在窗口內(nèi)排序ROW_NUMBER()生成組內(nèi)序號(hào)。外層再過濾rn 3就能得到每個(gè)部門薪資最高的三個(gè)人。窗口函數(shù)還有RANK()、DENSE_RANK()、SUM() OVER()、LAG()、LEAD()等用法分別用于并列排名、累計(jì)求和、取上一行、取下一行。在時(shí)間序列特征提取和業(yè)務(wù)報(bào)表中這些能力非常常用。5.3 慢 SQL 的基本排查路徑數(shù)據(jù)科學(xué)流程中SQL 取數(shù)經(jīng)常是瓶頸。遇到慢查詢按下面順序排查用EXPLAIN查看執(zhí)行計(jì)劃確認(rèn)是否全表掃描。檢查 WHERE 和 JOIN 字段是否有索引。確認(rèn)沒有寫成兩表大結(jié)果集先做笛卡爾積再過濾的寫法。不要把SELECT *帶回所有列只選擇需要的字段。把過濾條件放在 GROUP BY 之前盡早減少參與計(jì)算的數(shù)據(jù)量。如果是數(shù)據(jù)倉(cāng)庫(kù)場(chǎng)景以上路徑仍然適用但要繼續(xù)看分區(qū)裁剪是否生效。按分區(qū)字段過濾可以極大減少掃描量。5.4 寫 SQL 時(shí)的幾個(gè)容易忽略的坑第一個(gè)坑是 NULL 參與比較。SQL 中WHERE column ! x會(huì)排除掉column IS NULL的行因?yàn)镹ULL與任何值比較都返回未知。如果要保留缺失值要顯式寫WHERE column ! x OR column IS NULL。第二個(gè)坑是 join 鍵重復(fù)。兩張表 join 之前要先確認(rèn)關(guān)聯(lián)鍵的基數(shù)。如果主鍵重復(fù)結(jié)果行數(shù)會(huì)成倍放大進(jìn)入統(tǒng)計(jì)或建模后會(huì)造成雙重計(jì)數(shù)。第三個(gè)坑是拼接 SQL 字符串。在業(yè)務(wù)系統(tǒng)或腳本中千萬(wàn)不要用字符串拼接用戶輸入來構(gòu)造 SQL應(yīng)該使用參數(shù)化查詢或占位符方式否則會(huì)產(chǎn)生注入安全風(fēng)險(xiǎn)。這是工程底線任何場(chǎng)景都不能妥協(xié)。6. Spark 分布式計(jì)算的實(shí)戰(zhàn)要點(diǎn)6.1 從 pandas 到 Spark 的思維遷移很多人在開始學(xué) Spark 時(shí)自然希望 API 和 pandas 完全一樣但這是誤解。Spark DataFrame 的 API 雖然看起來像底層執(zhí)行模型不同。先看最小示例from pyspark.sql import SparkSession spark SparkSession.builder.appName(example).getOrCreate() sdf spark.read.csv(large_data.csv, headerTrue, inferSchemaTrue) result sdf.groupBy(region).agg({sales: sum}) result.show()這里有一個(gè)關(guān)鍵點(diǎn)groupBy和agg只是構(gòu)造了執(zhí)行計(jì)劃真正計(jì)算發(fā)生在show()被調(diào)用時(shí)。這種惰性求值設(shè)計(jì)讓 Spark 可以把一系列轉(zhuǎn)換操作組合成完整執(zhí)行計(jì)劃再自動(dòng)做優(yōu)化比如調(diào)整 join 順序、下推過濾條件。pandas 中所有操作都立即執(zhí)行Spark 中則要區(qū)分轉(zhuǎn)換操作和行動(dòng)操作。只定義轉(zhuǎn)換而不觸發(fā)行動(dòng)程序不會(huì)報(bào)錯(cuò)也不會(huì)真正跑數(shù)據(jù)。很多初學(xué)者的疑惑是“代碼沒報(bào)錯(cuò)但等待時(shí)間很長(zhǎng)”最后發(fā)現(xiàn)是在反復(fù)觸發(fā)多個(gè) action 導(dǎo)致重復(fù)計(jì)算。6.2 快速跑通本地 Spark 任務(wù)本地開發(fā)時(shí)可以使用 local 模式spark-submit --master local[2] your_job.pylocal[2]表示使用兩個(gè) CPU 核心并行執(zhí)行本地任務(wù)。local[*]表示使用本機(jī)全部可用核數(shù)。如果是 YARN 集群環(huán)境提交命令會(huì)更復(fù)雜spark-submit \ --master yarn \ --deploy-mode cluster \ --driver-memory 2g \ --executor-memory 4g \ --executor-cores 2 \ --num-executors 10 \ your_job.py這幾個(gè)參數(shù)直接決定作業(yè)能申請(qǐng)多少資源。executor-memory是每個(gè) Executor 的 JVM 堆內(nèi)存executor-cores是每個(gè) Executor 可用的 CPU 核數(shù)num-executors是 Executor 數(shù)量。配置過高超過 YARN 隊(duì)列上限任務(wù)不會(huì)啟動(dòng)配置過低則并行度不夠作業(yè)會(huì)很慢。6.3 為什么 Executor 在 YARN 上每個(gè)容器只分配一個(gè) vCore這是 Spark 學(xué)習(xí)群里出現(xiàn)頻率很高的問題現(xiàn)象是明明機(jī)器有幾十個(gè)核心作業(yè)里 Executor 的 Core 數(shù)卻只有 1任務(wù)跑得很慢??赡茉虬磧?yōu)先級(jí)排列提交時(shí)沒有顯式指定--executor-cores而默認(rèn)值是 1。在 YARN 模式下不同發(fā)布版的默認(rèn)配置不完全一致但很多場(chǎng)景下確實(shí)只有一個(gè) Core。YARN 調(diào)度器限制了單個(gè)容器最大資源導(dǎo)致申請(qǐng)超過限制后被降級(jí)或失敗。集群節(jié)點(diǎn)空閑資源不足即使申請(qǐng)了 2 個(gè) Core資源管理器也只能按最小可用資源分配。沒有合理設(shè)置spark.dynamicAllocation.enabled動(dòng)態(tài)調(diào)整 Executor 數(shù)量的機(jī)制沒有生效。排查方式很直接打開 Spark Web UI 的 Executors 標(biāo)簽頁(yè)查看每個(gè) Executor 的 Cores 屬性同時(shí)打開 YARN ResourceManager UI看容器實(shí)際分配的資源。不要把 Spark UI 里的任務(wù)并發(fā)數(shù)當(dāng)成 CPU 核數(shù)兩者不同。如果是本地偽分布式環(huán)境只有一個(gè)節(jié)點(diǎn)幾個(gè)核心不必過度糾結(jié) vCore 數(shù)如果確實(shí)需要調(diào)高 executor 并行度要按集群節(jié)點(diǎn)規(guī)格估算可分配資源。假設(shè)一個(gè)節(jié)點(diǎn)有 16 vCore32GB 內(nèi)存系統(tǒng)和其他服務(wù)要留一部分資源剩余資源才能分配給 Spark。7. 常見問題排查清單7.1 pandas 類問題問題現(xiàn)象可能原因檢查方式處理建議數(shù)值列變成 object 類型數(shù)據(jù)中有“,”或其他非數(shù)字字符df.dtypespd.to_numeric(df[col], errorscoerce)合并表后行數(shù)異常增長(zhǎng)join 鍵在兩張表中有重復(fù)df[key].duplicated().sum()先查重復(fù)鍵再?zèng)Q定去重或確認(rèn)是否需要多對(duì)多連接對(duì)某列賦值后出現(xiàn)大量 NaNDataFrame 索引不對(duì)齊檢查df.index是否連續(xù)使用reset_index(dropTrue)后再賦值調(diào)用了dropna()但行數(shù)沒變空值是以空字符串形式存在df[col].value_counts(dropnaFalse)把空字符串替換成None或直接過濾7.2 SQL 類問題問題現(xiàn)象可能原因檢查方式處理建議查詢結(jié)果出現(xiàn)重復(fù)行join 鍵非唯一分別查兩張表的鍵基數(shù)確認(rèn)關(guān)聯(lián)是否多對(duì)多必要時(shí)先聚合再去重查詢結(jié)果為空NULL 參與了比較檢查 WHERE 條件和數(shù)據(jù)樣例用IS NULL顯式處理缺失值查詢很慢無(wú)索引或全表掃描執(zhí)行EXPLAIN查看執(zhí)行計(jì)劃建立索引、裁剪列、盡早過濾窗口函數(shù)報(bào)語(yǔ)法錯(cuò)誤數(shù)據(jù)庫(kù)版本過舊查看數(shù)據(jù)庫(kù)文檔中的窗口函數(shù)支持更換引擎或在 group by 后用自 join 替代7.3 Spark 類問題問題現(xiàn)象可能原因檢查方式處理建議作業(yè)長(zhǎng)時(shí)間卡住或 OOMshuffle 數(shù)據(jù)量過大Spark UI 的 Stages 頁(yè)查看 shuffle 讀寫量增加分區(qū)數(shù)、調(diào)大執(zhí)行內(nèi)存、減少不必要的 action 次數(shù)每個(gè) Executor 只有 1 個(gè) vCore提交參數(shù)未配置或資源受限查看 Spark UI Executors顯式指定--executor-cores確認(rèn) YARN 隊(duì)列上限日志出現(xiàn)大量 WARN 但看不出錯(cuò)誤配置或依賴版本不匹配找到第一條 ERROR 或 Exception按日志堆棧里提到的類名搜解決方法輸出寫入的文件數(shù)過多分區(qū)太碎查看輸出目錄 part 文件數(shù)量用coalesce()或調(diào)整分區(qū)策略控制文件數(shù)7.4 排錯(cuò)順序參考遇到問題時(shí)不要一開始就懷疑框架有 Bug。多數(shù)情況下問題出在輸入、路徑、版本、配置這四個(gè)層面。建議按下面順序排查輸入數(shù)據(jù)格式是否符合預(yù)期。文件路徑、列名、表名是否寫對(duì)。Python 或 Spark 依賴版本是否與代碼兼容。配置是否真的生效比如環(huán)境變量和 spark-defaults.conf。權(quán)限、端口、網(wǎng)絡(luò)、資源限制是否正確。日志里是否有關(guān)鍵異常堆棧??蚣鼙旧硎欠翊嬖谝阎拗?。其中第 4 步最容易忽略。在本地改配置不一定同步到集群在 PyCharm 里改代碼不一定同步到正在運(yùn)行的環(huán)境。先確認(rèn)所有配置文件和運(yùn)行環(huán)境一致再開始查代碼邏輯。8. 從課程實(shí)戰(zhàn)走向工程化8.1 數(shù)據(jù)科學(xué)代碼不能只是腳本課程練習(xí)里寫一個(gè)從上到下的 notebook 腳本是可以接受的。但進(jìn)入項(xiàng)目后代碼應(yīng)該更像工程而不是流水賬。推薦做法把數(shù)據(jù)讀取、清洗、特征工程、建模拆成函數(shù)或模塊讓每一步可以單獨(dú)測(cè)試。用配置文件統(tǒng)一管理路徑、參數(shù)和依賴版本而不是散落在代碼里。在關(guān)鍵階段打印日志比如“原始數(shù)據(jù) 10000 行清洗后 9600 行”方便定位數(shù)據(jù)問題。保留中間產(chǎn)物比如清洗后的 CSV 或 Parquet避免每次調(diào)試都重跑全部步驟。對(duì)異常分支做處理比如某個(gè) CSV 文件缺失時(shí)不至于整個(gè)程序崩潰。下面是一個(gè)簡(jiǎn)單結(jié)構(gòu)示例def load_data(path: str) - pd.DataFrame: df pd.read_csv(path) print(floaded rows: {len(df)}) return df def clean_data(df: pd.DataFrame) - pd.DataFrame: before len(df) df df.drop_duplicates() df df.dropna(subset[price]) print(fcleaned: {before} - {len(df)}) return df def train_model(df: pd.DataFrame): # 特征工程、拆分、建模 pass df load_data(housing.csv) df clean_data(df) train_model(df)日志的價(jià)值在數(shù)據(jù)科學(xué)項(xiàng)目中格外明顯因?yàn)閿?shù)據(jù)變化很快。今天能跑通的數(shù)據(jù)明天字段可能變了、空值比例可能變了、分布可能漂移了。沒有日志很難定位差異點(diǎn)。8.2 學(xué)習(xí)環(huán)境與生產(chǎn)環(huán)境的差異維度學(xué)習(xí)環(huán)境生產(chǎn)環(huán)境數(shù)據(jù)量小樣本單機(jī)內(nèi)存可處理大樣本可能超出單機(jī)內(nèi)存數(shù)據(jù)質(zhì)量相對(duì)干凈重點(diǎn)在學(xué)方法字段漂移、缺失、來源不穩(wěn)定代碼要求能跑通、能解釋可測(cè)試、可監(jiān)控、可回滾依賴管理虛擬環(huán)境即可需要固定版本、容器化或鎖文件模型上線Notebook 實(shí)驗(yàn)即可需要服務(wù)化、日志、監(jiān)控、告警權(quán)限與安全本機(jī)文件為主數(shù)據(jù)權(quán)限、敏感信息脫敏、審計(jì)學(xué)習(xí)時(shí)不需要一步到位但要意識(shí)到課程里跑通的模型只是原型離線上服務(wù)還有一段距離。8.3 交付或發(fā)布前的可復(fù)用檢查清單不管是課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)還是真實(shí)項(xiàng)目交付下面這份清單都適用[ ] 是否清理了硬編碼的數(shù)據(jù)庫(kù)密碼、API Key 和敏感路徑[ ] 是否固定了 Python 包版本而不是依賴“剛裝的最新版”[ ] 訓(xùn)練集和測(cè)試集是否嚴(yán)格分開所有統(tǒng)計(jì)參數(shù)是否只從訓(xùn)練集學(xué)習(xí)[ ] 是否設(shè)置隨機(jī)種子實(shí)驗(yàn)是否可以復(fù)現(xiàn)[ ] 是否記錄了數(shù)據(jù)清洗前和清洗后的行數(shù)和字段變化[ ] 是否檢查過模型在測(cè)試集上的表現(xiàn)并與基線模型對(duì)比[ ] 是否輸出了特征重要性或其它可解釋性信息[ ] 是否把關(guān)鍵日志和中間結(jié)果保留下來[ ] 是否考慮了未來數(shù)據(jù)漂移后什么情況下需要重新訓(xùn)練[ ] 是否準(zhǔn)備了回滾方案模型效果變差時(shí)如何回切舊版本這些條目看起來簡(jiǎn)單但實(shí)際項(xiàng)目里最容易出問題的反而是前幾條代碼里殘留密碼、數(shù)據(jù)泄漏、實(shí)驗(yàn)結(jié)果不可復(fù)現(xiàn)。8.4 下一步擴(kuò)展方向走完 pandas、SQL、機(jī)器學(xué)習(xí)、Spark 這條主線后還可以繼續(xù)擴(kuò)展學(xué)習(xí)更系統(tǒng)的 ETL 工程理解數(shù)據(jù)管道是如何從源端流向數(shù)倉(cāng)和特征表。學(xué)習(xí)數(shù)據(jù)質(zhì)量測(cè)試用測(cè)試來保證字段分布、空值率、主鍵唯一性符合預(yù)期。學(xué)習(xí)模型服務(wù)化把訓(xùn)練好的模型變成 API 接口并加上監(jiān)控和告警。學(xué)習(xí)特征存儲(chǔ)和模型注冊(cè)讓特征和模型版本可追蹤。在更大規(guī)模的場(chǎng)景中深入學(xué)習(xí)分布式計(jì)算比如分區(qū)策略、shuffle 調(diào)優(yōu)和資源調(diào)度。如果你正在準(zhǔn)備課程設(shè)計(jì)或畢業(yè)論文可以把“完整數(shù)據(jù)科學(xué)閉環(huán)”直接作為項(xiàng)目主線先說明問題背景再介紹數(shù)據(jù)來源和環(huán)境然后依次描述數(shù)據(jù)清洗、EDA、建模、評(píng)估和總結(jié)。每一章都要有可運(yùn)行代碼和驗(yàn)證結(jié)果這樣評(píng)審老師每看一步都能復(fù)現(xiàn)通過率會(huì)高很多。學(xué)習(xí)這門課程時(shí)也不要只追求把 27 講全部快速過一遍而是每學(xué)一個(gè)階段就停下來用一份自己的數(shù)據(jù)重做一遍直到可以脫離課件獨(dú)立完成整個(gè)閉環(huán)。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
桃色成人网| 96精品国产综合久久久久久| 大香蕉婷婷久久| 天天弄天天爽| 狠狠情色| 久热re在线视频| 99久在线观看| 香蕉婷婷五月| 精品无码久久久久久久久| 五月婷婷在线观看| 我爱va亚洲va52| 丁香婷婷五月人体| 天天干人人奸97| 丁香五月六月| 天天综合精品| 二色av| 国产激情在线| 色婷另类| 婷婷六月综合基地| 激情六月色| 五月婷婷丁香大陆免费| 激情五月天综合图片小说网站| 久操激情| 这里只有精品免费视频| 亚洲色视频| 五月丁香综合伦理片| 亚洲超碰在线| 狠狠干综合| 色五婷婷在线视频| 五月婷婷六月色| www,com,五月色色| 天天摸天天日天天舔| 日本婷婷网| 91vip在线观看| 奇米影视在线视频| 大香蕉五月| xfplayav在线| 丁香五月综合在线播放| 婷婷丁香激情五月天色色| 99这里有精品久久97| 另类小说五月天| 激情五月天色婷婷综合| 黄色三级日本| 九九九九九无码| 婷婷五月花| 91精品婷婷国产综合| 色色丁香五月天社区| 亚洲一二三网| 婷婷色偷拍| 婷婷五月天色色| 色香欲综合| 亚洲热久久| 日本色色视频| 在线观看av网站| 五月天婷婷影院| 网站免费一站二站| 激情五月天影院| 思思热这里只有精品| 99久久婷婷国产综合| 超碰不卡在线| 99久在线精品99re8| 久草 tingting| 爱超碰性| 婷婷六月综合| 丁香五月综合在线播放| 第一区久久网站| 丁香婷婷五月六月天| 情情五月天色| 婷婷五月情| 五月天婷a| 日逼免费视频| 日韩999| 婷婷啪啪| 精品热九九| 第1影院之五月婷婷| 亚洲a片免费观看| 婷婷综合五月| 深爱五月激情| 婷婷五月综合丁香久久| 任你爽免费视频| 久久九九怡红院| 婷婷丁香五月天综合网| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 五月丁香激情婷婷| 久久永久视频| 老师的粉嫩小又紧水又多A片视频| 精品人妻午夜一区二区三区四区| 五月丁香九九| 色婷婷伦理| 婷婷五月图片小说视频| 五月天婷婷丁香| 色五月婷婷777| 狠狠 久久| 久久久久激情网| 婷婷五月丁香基地在线视频官网| 91操片| 久久网日本| 五月天开心网| 亚洲中文AV| 第四色色六月色综合| 亚洲午夜电影| 丁香社区婷婷五月| 色色影院aaaav| 九九大香蕉黄色影院| 97精品在线| 色婷婷视频| 久久久9久| 玖玖色综合| 狠狠干狠狠干狠狠干狠狠干| 另类小说色婷婷| AV在线不卡网站| 丁香五月香蕉在线| 丁香五月91| 99精品国产乱码久久久人妻| 91超级碰| 色五月综合激情网| 超碰免费99| 综合五月亭亭9| 婷婷六月丁香五月| 色五月婷婷丁香凹凸| 影音先锋四区| 少妇达人正片在线播放_ikun_福利吧| 专区无日本视频高清8| 啪啪六月婷婷| 五月天六月婷婷| 色婷婷久久| 婷婷丁香五月天熟女丝袜| 99在线精品视频免费| 九九热精品6| 99色中文| 香蕉婷婷| 色色色欧美| 丰满老熟妇BBBBB搡BBB| 大香蕉手机视频| rr天天操| 精品少妇蜜臀91| 大香蕉婷婷丁香视频在线| www.韩日视频| 999影院成人在线影院| 久久久天堂国产精品女人| 免费黄色片子| 激情五月婷婷视频一区二区三区| 丁香婷婷大香蕉| 亚洲激情综合| 九色91视频| 99久在线精品99re8热| 成人av播放| www九九热| 啪啪日本欧美| 国产片色| 九九爱激情| 婷久看人爽| 婷婷99中文字幕| 九一牛视频探花| 国产六月婷婷| 日本不卡一区二区三区| 狠狠操天天操综合| 双性美人被调教到喷水A片| 色99在线| 26uuu成人网| 五月停停大香蕉| 色婷婷丁香综合中文字幕| 九九这里有精品| 色情一区二区播放| 国产乱妇无乱码大黄AA片| 色婷婷狠狠| 97色欧美| 26uuu青青| 99re这里只有精品视频了| 亚洲AV成人无码精品| 天天射夜夜骑| 天天搡日日搡aaaaⅩ| 任你搞网站| 色综合九九| 大香蕉手机视频| 国产乱码久久| 超碰人人在线观看| 九九 激情 网| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 欧美黄色一级| 91成人品| 丁香婷婷性爱| 亚洲av免费在线| 热99在线精品| 色,激情五月天| 狠狠狠狠狠狠| 狠狠干思思热| 丁香九月婷| 婷婷五月丁香花综合| 99热色精品| 激情久久丁香| 99精品无码| 袁子仪视频观看| 成人午夜视频精品一区| 真实的国产乱XXXX在线91| 啪啪啪五月天| 五月丁香色情| 91窝窝| 一本婷婷丁香久久| 亚洲综合激情五月| 五月丁香另类图片| 日韩黄色影院| 久久狠狠干| 丁香五月性爱| 色色欧美。| 免费观看大片视频 丁香婷婷 六月欧美| 成人亚洲精品| 夜夜AVV| 99热国产这里只有精品| 婷婷成人视频| 婷婷五月天亚洲综合| 五月丁香91| 七月丁香五月婷婷在线| 超碰99在线观看| 思思热视频| 都市激情久久| 婷婷五月综合在线| 五月天天综合| 就去色色五月丁香婷婷久久久| 丁香五月综合婷婷| 久草狼人| 婷婷五月色惰| 色情免费视频播放| 秋霞性爱AV| 黄桃AV无码免费一区二区三区| 深情五月天| 91成人品| 色婷婷玖玖影院| 欧美在线干| 九九草热在线观看| a在线观看| 亚洲日韩久久婷婷伊人| 色综合久| 五月丁香免费看| 五月婷婷啪啪| 久久激情五月婷婷| 五月婷婷五月天| 婷婷丁香人妻久久在线观看| 国产精品色| 国产精品成人在线| 九伊人网| 色婷婷亚洲综合天堂| 超碰免费在线| 狠狠一日| 男女啪啪做爰高潮无遮挡| 激情图片婷婷丁香五月| 国产激情在线| 成人丁香五月| 天天爱天天操| 九色PORNY9l原创自拍| 91在线日| 亚洲日日日| 色999;丁香五月| 日本狠狠色| 婷婷色色丁香| 午夜丁香六月婷| 五月天色欧美| Www99热| 九九久久免费视频44| 99丁香五月| 尤物一区二区| 亚洲V国产V欧美V久久久久久| 色播五月婷婷五月| 狠狠色噜噜狠狠狠888了| 丁香五月婷婷啪| 日韩三级视频一区二区| 99亚洲精品综合在线| 激情亚洲网| 色五月婷婷很很操| 99亚洲无码| 五月夜丁香| 伊人干综合| 欧美色碰| 日韩黄色电影| 区美毛片子| 婷婷五月天伊人网| 99色在线视频| 亚洲欧美成人在线| 天堂在线伊久| 69久热| 日韩成人网址| 男妓跪趴把舌头伸进我的嘴巴| 午夜色婷婷| 女人天堂久久| 79精品在线视频| 成人片在线播放| 国产日产成人亚洲欧美国产VA| 99这里只有免费的小视频在线观看| 欧美va国产va| 六月丁香开心婷婷欧美| 婷婷六月丁香在线| 亚洲狠狠干| 狼人婷婷综合| 中文成人在线| 五月香蕉婷婷| 亚洲九九九九| 丁香五月婷婷亚洲综合精品| 婷婷五月天国产传媒| 亚洲无码免费看| 9l视频自拍9l九色9l成人| 亚洲成人网站在线观看| 婷婷五月中文在线视频| 啊v视频在线观看| 91婷婷视频| 色五月丁香伊人五月| 伊人丁香五月| 五月天伊人综合| 婷婷激情五月天激情| 丁香五月婷中字幕| 五月丁香欧美综合| 亚洲AV成人在线| 免费AV播放| 人与禽A片啪啪| 色色色激情网| 五月开心久久| 五月婷六月综合在线观看| 思思99精品视频在线观看| 五月丁香婷色| 日本人人超碰| 综合久久综合久久| 久机视频这只有精品| 九九色色| 色五月丁香婷婷| 97久久久久| 开心五月婷婷| 亚洲图色五月天| 婷婷丁香五月天影院 | AA片在线观看视频在线播放| 亚洲AV成人在线| 婷婷六月五月天综合| 99热婷婷| 亚洲AV综合在线观看| 五月天婷婷激情春色小说| 色婷婷综合久久久久| 久久日婷婷| 亚洲丁香五月综合| 色色五月婷婷| 婷婷五月激情网| 色99视频| jiujiujiuwuyuetian| 这里只有精品在线看| 大香蕉520| www.久久爱.com| 91精品综合久久久久久五月丁香 | 玖玖资源部在线播放| cc精品国产性传播| 夜夜躁爽日日| 狠狠综合色网| 激情五月丁香在线观看直播| 久久久大香蕉| 99riAV成人在线视频| 日韩色五月| 婷婷区日本| 青草五月天| 色五月 五月婷婷| 中文字幕不卡网站| 久久精品性爱视频,| 久久九九蜜| 久99热| 色婷婷丁香AV综合| 色五月婷婷少妇人妻| www.激情五月天.com| 亚洲熟妇无码乱子AV电影| 色青青电影色五月| 91精品啪| 爱婷婷五月| 五月丁香色综合| 五月天激情视频网站| 久久久久9久无码视频| 精品99只有。| 国产在线自| 丁香六月婷婷综合缴| 欧美久人人| 亚洲激情综合| 久久婷婷五月| 麻豆观看夏晴子| 99久久久国产精品免费蜜乳tv| 丁香五月婷婷图片综合| 九九综合| 久久精品国产色| 国产精品天天狠天天看| 五月婷婷开心综合| www.婷婷六月天| 久久久8| 久久久妻人人人| 国产亚洲成AV人片在线观黄桃| 5月丁香六月情| 香蕉久久五月| 久久婷五月天| 色情久久久| 色婷狠狠| 夜夜谢天天干| 日日夜夜狠狠操| 99在线视频免费| 欧美一级色| 天天狠天天狠| 狠狠色中色| 99狠狠| 激情小说五月天社区丁香| 亚洲激情在线| 五月丁香五月综合欧美| 狠狠香婷婷五月| 99热热热99精品婷婷| 四色AVwww| 婷婷五月AV| 无码激情AAAAA片-区区| 九九色综合网| 色色色国产| 日韩色五月| 婷婷丁香五月视频| 五月激情婷婷丁香| 九九人人看| 色五月婷婷基地| 激情丁香五月天图片| 激情综合六月| 天堂网色婷婷| 99.N在线视频| 五月丁香六月婷| 激情丁香婷婷| 在线观看熟女少妇| 性av| 天天爽日日爽夜夜爽| 九久久九精品视频| 六月婷婷激情| 久久综合五月| 国产精品久久久久久五月天加勒比| 超碰国产av| 国精产品一区一区三区免费视频| 91久女| 久久这里只| 伊人热婷婷| 五月天社区婷婷丁香社区| 日韩欧美成人片| 九月丁香| 六月丁香深深爱| 热热色色五月天婷婷| 伊人网色婷婷五月天| www,setingting| 99色性爰网络| 久久人人看| 99天堂网| 五月婷婷激情综合网 | 五月婷婷亞洲中文| 99手机在线精品视频| AV在线中文| 99re思思热在线视频| 天天色情站| 5月丁香六月婷婷| 5五月综合网亚洲| av在线免费播放| 婷婷开心深爱五月天| 国产精品久久久久久久久久免费 | 九月丁香久久网| 成人va在线播放| 中文无码婷婷| 亚洲综合新99视频| 丁香五月欧美成人| 色色激情五月天| 91丨九色丨高潮丰满日本| 色色色色色五月| 五月九九综合| 色吊丝av中文字幕| 麻豆精品| 天堂色婷婷| 97碰成超视频免费视频| 久久hd| 婷婷午夜综合| 97操在线视频| 蜜臀A∨在线水帘洞| www,av好吊操| 婷婷色情网| 精品久久久久成人码免费动漫 | 亚州精品色情在线观看| 影音先锋男人资源站一区二区| 亚洲第一第二网站| 草五月| 天天操夜夜操| 草草视频91| 久久久这里有精品| 国产熟妇乱子伦hd| 大香蕉伊然在亚洲90| 五月天婷婷丁香人人操91| 婷婷五月色花丁香社区| 国产精品色婷婷99久久精品| 久久久人妻人伦| 激情五月图| 五月天综合区| 色色色网站| 久久五月天色婷婷| 激情婷婷| 激情五月婷婷她| 日韩高清成人| 色婷婷五月天天天做| 久久亚洲婷婷| 另类综合激情| 久久AAAA片一区二区| 90色免费视频| WWW免费视频碰碰碰碰| 亚洲av网站| 五月婷婷丁香五月亚洲色| 天天干天天干天天干天天干天天| 六月婷婷综合| 国产日韩欧美| 99热热热国产超碰| 美女五月天婷婷| 婷婷色欧美激情| 天天干,夜夜爽| 婷婷免费视频| 操逼综合网| 欧美A级网站| 天天干天天射综合网| 激情人妻综合| 777米奇影视第四色| 综合一啪| 人人舔人人色人人高潮| 婷婷欧美激情综合| 95精品区一区二| 色欲久久久久久综合网综合网| 99热99在线| 免费观看欧美成人AA片爱我多深 | 婷婷五月婷婷五月天| 色色色热| 国产在线网| 91超级碰在线| 五月激情久久综合网| 91狠狠综合久久| av在线播放网站| 天天久综合网永久入口17v | 婷婷五月天 丁香五月天 裸体| 五夜丁香| 欧美婷婷五月丁香| AA片在线观看视频在线播放| 激情丁香婷婷| 天堂在线婷婷| 五月丁香久久激情网| 久热婷婷| 久久丁香五月| 六月综合婷婷开心伊人| 成人五月丁香花| 婷婷丁香六月综合激情站| 五月婷婷香| 99ER热精品视频| 五月婷婷综合激情网| 色色色图| 亚洲正能量欧美| 色婷婷狠狠干| 久久精品性爱| 操碰97| 色丁香五月| 日本久久极品| 能直接看的av网站| 亚洲AV久久久久久久久久久久久久久久| 99久久婷婷国产综合精品青桔| 成人视频在线免费播放| 丁香六月综合激情| 日本色天堂| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品| 婷婷五月情| 超碰狠狠操| 久久色在线视频| 婷婷的五月天另类视频| 伊人久久五月天| 婷婷日日夜夜| www色五月| 色欧洲| 99热| 国产综合丁香五月天| 4399在线观看免费毛片| 亚洲婷婷五月天在线激情综合网| 天天天天天操| 天天天天天天操| 五月丁香久久综合| 亚洲乱码日产精品BD| 啪啪视频99| 日本九九视频| 开心四月婷婷在线色播播| 五月婷婷精品无在线| 日本欧美成人片AAAA| 人人爱国产| 久九男女天堂| 免费97碰碰| 婷婷丁香六月五月天| 久久婷婷五月天激情| 国产精品VA在线| 91狠狠综合久久久久久| 男人大jjc女人免费视频| 欧美丁香五月| 精品婷婷五月视| 婷婷五月激情天| 9久久精品| 亚洲愉拍99热成人精品| 情色婷婷五月天| 激情网狠狠干| 99热日| 无码免费人妻A片AAA毛片西瓜| 94干大香蕉| 五月婷婷激情四季| 天天干电影| 91Chinese在线| 五月婷综合激情| 综合激情五月四射婷婷| 丁香五月成人社区| 裸睡玩奶头(高H)| 欧美大道不卡| 丁香婷婷色五月天| 99久在线精品99re8热| 丁香五月亚洲综合丝袜| 国产人妻操逼| 99综合网| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 丁香五月激情六月| 91精品综合久久久久久五月丁香| 丁香婷婷老司机久操| 77799热| 久久精彩免费视频| 熟女色色一区二区| 第四色色六月色综合| 人人摸人人搞| 九九成人电影婷婷| 激情五月图| 激情四射网| 永久天堂日本| 丁香婷五月| 久久免费精彩视频| 91人人澡人人爽人人看| 五月天社区狠狠| 五月天综合网| 91性高潮久久久久久久久| 激情五月天小说| 国产偷人爽久久久久久老妇APP| 久操人妻| www.五月婷婷| 成人av观看| 五月丁香中文字幕| 黄色av网站在线免费播放| 一區四區歐美日韓| 丁香激情五月天| 午夜激情综合| 婷婷五月电影| 婷婷丁香五月天影院| 欧美丁香婷婷五月天| 婷婷丁香日韩五月| 婷婷五月天深爱| 狠狠色丁香| 九九熱最新視頻| 大香蕉啪啪| 综合久久高清| 激情五月天网站| 婷婷伊人綜合| 五月天婷婷久久| 伊人热婷婷| se99视频| 极品九九九九九九| 另类小说色婷婷| 操人视频91| 五月天激情图片| 五月天大香蕉AV| 婷婷五月天激情电影小说| 91色色色视频| 五月激情婷婷国产精品久久久久久| www.五月.com| yiqicaoav| 天天透天天爱| 色天堂97| 激情婷婷色色| 丁香5月激情网| 日日噜噜夜夜狠狠久久丁香五月| 免费成人va| 天天做天天爱天天爽| 久色视频首页| 97爱艹婷婷开心丁香激情综合| 亚洲mm色| 婷婷久久欧美| 婷婷色片| 欧美色色色| 久色激情| 五月婷婷六月奇米网丁香| 伊人丁香在线| 五月天激情久久| 五月天综合久久丁香91| 五月婷婷激情网| 五月花婷婷在线精品视频| 亚洲激情综合| 激情婷婷五月基地| 五月婷婷日| 婷婷丁香成人| 日本ww亚洲| 亚洲韩国日产综合AV| 日日干夜夜干| 天天做综合| 婷婷99综合| 99re这里只有| 久久欧洲久久| 色婷丁香91| 天天操天天插| 五月婷婷丁香深深爱| 色吧婷婷五月亚洲| 婷色五月天| 综合激情伊人影视在线| 久久婷婷免费| 日本啪啪网| 色亚洲中文| 青青操日本摸摸看看| 9l视频自拍9l九色9l成人| 亚洲va日| 极品嫩草| 久久激情五月婷婷| 天天干com| 久久综合中文| 91九色偷拍| 99热日韩| 婷婷色成人| 亚洲AV成人片无码网站| www.com久久久久久久久久久久久久久久久| 免费在线观看欧美激情xx小视频| 激情五月天在线观看色婷婷| 中文字幕欧美精品久久| 五月丁香偷拍| 人。妻久久| 婷婷五月天中文字幕.| 91av成人| 激情婷婷丁香| 能看的AV| 人人舔天天| 色啪影院| 丁香综合久久| 免看黄大片AA | 色丁香五月天| 五月婷婷六月综合| 激情五月天开心网丁香无码| 性高潮久久久久久-九九九九九九九九九九热-成人AV | 色丁香婷婷| 99久久九九| 99免费视频久久| 丁香五月电影院在线观看| 国产午夜成人AV在线播放| 超碰在线9| 色噜噜婷婷| 秋霞午夜理论| 亚洲在线操| AV中文字幕夜夜操b天天摸bb | 91九色在线视频| 激情综合亚洲色婷婷五月| 69热在线| 日本婷婷在线| 大香蕉啪啪啪啪啪啪| 日日影院 | 激情欧美五月丁香| 激情99| 色亚洲欧洲| oVV4WIB3vFi8D| 亚洲九九夜夜| 亚洲免费99| 免费AV在线网址| 国产毛片操B| 国产做A爰片毛片A片美国| 综合久久99| 五月天婷婷操逼视频| 色99在线视频| 婷婷射婷婷舔| 深爱激情av| 欧洲亚洲欧洲99久久| 秋霞三级色戒| 开心婷婷中文字慕| 五月婷婷综合激情网| 91人操人人人操人| 亚洲无码成人网| 欧美操我| 麻豆精品| 九九人人看| 婷婷干六月综合旧址| 久久五月热| 精品9久| 六月丁花香啪啪激情欧美| 极品少妇XXXX精品少妇偷拍| 九九热精品| 丁香五月天激情| 久久精品人妻| 深爱五月天| 天天插天天射| 亚洲色婷婷| 337p大胆噜噜噜噜噜91Av| 可以看的AV| 日日操夜夜撸| 这里只有精品视频在线| 国产精产国品一二三在观看| CHINESE熟女老女人HD视频| 日韩成人综合网| av大香蕉| 色色三级视频| 中文字幕不卡网站| www.99热精品99.com| 欧美操综合| 夜夜大香蕉婷婷丁香| 久久伦乱| 五月婷婷六月丁香免费| 就99这里只有精品| www.日日夜夜| 五月天久久网站| 婷婷五月激情中文字幕| 另类图片激情五月| 九热视频| 国产午夜精品一区二区三区四区| 青青久在线视频免费观看| 99热爆在线| 色色色天堂网| 91操熟女| 丁香五月成人论坛| 精品三区影院| 天天干,夜夜爽| 99熟女| 午夜69成人做爰视频| 最新无码专区| 99日本视频| 超碰碰碰碰| 亚洲丁香五月美女| 99久久性爱| 97色婷婷成人综合在线观看| 久久婷五月天| 色五月噜噜| 人妻激情综合| 久久香蕉婷婷五月天| 色婷婷丁香| 久久婷五月| 日本二级毛片二级毛片| 五月婷婷激情日本| 亭亭丁香aV| 天天综合网亚洲网站| 涩综合网| 99精品偷自拍| 色五月欧美| 天天天操天天天爰| 国产三级秋霞| 婷婷五月天色播| 色噜噜狠狠狠狠色综合久欧美| 日韩av在线免费观看| 这里只有视频精品| 色噜噜狠狠一区二区三区| 色999亚洲人成色| 国产操B| 五月婷网| 亚洲人人操BD| 香蕉综合网| 99热每日| 丁香五月影院| 色五月婷婷丁香五月| 婷婷五月六月| 丁香97综合| 一区二区中文字幕| 五月婷婷官网色| 五月色综合| 狠狠爱婷婷丁香| 综合在线丁香五月| 99操久久| 色婷婷色丁香色欲av| 高清无码.com| 婷婷综合五月天| 国产精品日本一区二区在线播放| 性生活视频98791| www.26uuu.com亚洲电影| 五月丁香久久网| 琪琪狠狠干| 国产激情综合五月| 综合狠狠干| 超碰色碰碰| 色色是色N一| 久久五月天网| 欧美黄色一级| 国产99精品免费视频| enecarbon-materials.comWu染请涟系Bao护@wip1688| 97高清国语自产拍| 久操热| 五月激情婷婷播播开心| 琪琪布丁香社区激情五月天| 金桔一区二区ab地址| 五月天婷婷丁香基地在线观看| 中文中文在线| 久久只有精| 91丁香五月| 色五月婷婷影视| 色婷激情网| 丁香六月婷| 91 九色 熟女| 婷婷综合97| 极品九九九九九九| 久久久五月四色| 国产精品久久久久久喷浆| 狠狠色丁香久久久婷| 26UUU欧美激情一区二区| 日本A片一区| 色小说五月婷婷| wwwss在线观看| 狠狠做五月| 粉嫩av懂色av蜜臀av熟妇| 一区二区三区XXXXXX| 开心五月深爱婷婷| 五月停视频天堂| 人人干天天操五月丁香| 五月婷婷大香蕉| www99热| 综合色播| 秋霞性爱AV| 久久精品4| 99精品在线观看视频| 日日撸夜夜操| 国产婷婷五月| 天天插天天插天天插天天插| cao视频,现在观看| 丁香五月a| 婷婷五月丁香四射| 夜夜做夜夜愛| 99在线看视频| 色欲AV导航| 亚洲视频码| 开心五月网 | av操一操| 五月丁香婷婷综合网色欲| 天天做天天摸| 国产在线视频1234| 婷婷五月在线观看| 麻豆雪千夏| 亚洲成人AV在线观看| 丁香五月香蕉| 噜噜视频| 十月丁香婷婷| 日日操夜夜擼| 婷婷开心六月| 中文字幕五月久久婷婷| 日本天堂免费99| 日本系列_4页_777FP| 中文激情网| 色之综合网| www.97视频| a久久免费视频| 97婷婷在线视频| 色伊人婷婷| 婷婷激情五月吧| 在线18av | 久热网站| 久久久久久99精品无码| 五月激情啪啪| 婷婷区日本| 五月婷狠狠| 色色无码| 99视频超级精品| 成人国产欧美大片一区| 婷婷五月情天| 色婷婷av在线| 亚洲人妻av伦理| 久久精品视频9| 黄久久久| 九九久久99| 人人操人人爱丁香五月| 五月天激情啪啪| 狠狠操狠狠操AV| 欧美英丁香开心快乐六月天网| 99综合成人视频在线观看| 97婷婷狠狠| 99在线观看视频精品| 97超级啪啪在线观看| 日日干日日| 婷婷六月丁香综合| 97超喷视频在线观看| 激情综合网激情五月天| 综合激情网五月激情| 日韩一级淫乱片一区二区三区| 9久国产| 狠狠操天天操综合| 婷婷之玖玖| 九九综合| 亚洲情欲| 日韩人妻无码一区二区| 七七久久婷婷| 色情五月婷婷| 色五月首页| 国产激情久久久| 久热久69| 久久综合丁香激情五月| 色婷婷色人人射| 五月婷亚洲精品AV天堂| 大香伊人久色| 综合色播| 午夜婷婷五月天| 天天久久人人| 婷婷五月开心六月AV| 久久a热| 五月天 无码| 五月停停直播| www.97碰碰com| 日曰躁夜夜躁2026| 操99| 毛片色五月| 欧美婷婷六月丁香综合色连续高潮抽搐| 香蕉五月婷婷| 91婷婷| 婷婷色五月开心五月| 麻豆123区| 色区久久| 美欧成人视频| 97超碰,人人舔,人人操,人人摸| 丁香九月婷婷综合| 五月丁香花婷婷玉莉AV| 婷婷五月成人有| 99亚洲视频| 国产99久9在线+|+传媒| 日本99视频| PORNY九色9l自拍视频成人| 国产精品婷婷午夜在线观看| 五月天婷婷一起草| 国产精品色婷婷99久久精品| 精品热青草| 伊人综合网站| 久久曰曰| 伊人婷婷色| 夜丁香五月婷婷| 五月情婷婷五月| 婷婷综合欧美| 六月丁香色色| 色色色1网址| 成人.在线日韩| 五月激情视频| 色婷婷电影网| 99啪啪网| 亚洲激情五月| 韩国三级五月天婷婷。| 六月婷婷私欲| 亚洲欧美在线观看| 26uuu精品一区二区| 射区导航| 激情五月婷婷视频一区二区三区| 亚洲丁香五月| 26UUU在线观看| 色色永久| 伊人五月天日日夜夜久久久天天| 丁香激情网| 丁香婷婷五月综合影院| 五月五月婷婷| 超碰在线观看caop| 白度黄视频| 九九九激情网| 五月天操逼激情| 亚洲精品白浆高清久久久久久| 久久五月丁香| 久久色情| 色欲天天综合网| 丁香色五月 97干| 五月天com| 五月激情六月丁香| 婷婷五月综合网| 婷婷激情小说| 26uuu国产| 亚洲综合五月天| 综合激情视频| 五月婷婷五月天| 狠狠色成人影片| 日本99久久| 五月婷婷丁香| 国产AV一区二区三区最新精品| 五月丁香六月激情综合| 噼里啪啦完整版中文在线观看| 免费看欧美成人A片无码| 性色做爰片在线观看WW| 69超碰在线| 99热10在线高清播放| 极品嫩草| 午夜成人在线免费视频| 久久久久久99精品无码| 丁香五月天黄色片| 99色6爱9热| 精品综合久久久久久五月天| 五月天婷婷乱| 五月开心深爱激情网| 26uuu精品一区二区| 另类图片五月天| 丁香五月天激情综合网| 亚洲欧州色情在线观看| 激情五月婷婷五月丁香五月开心五月 | 婷婷激情在线| 亚洲va欧美| 婷婷五月俺要去| 五月婷久久在线| 激情五月丁香五月| 在线成人网址| 激情综合网激情五月天| 农村熟妇高潮精品A片| 五月J香蕉婷婷| 国产永久一黄| 亚洲第一成人无码A片| 激情婷婷内射| 色五月天视频| 狠狠狠狠狠狠| 激情综合网五月婷婷| 国产熟妇乱子伦hd| 久久机热探花| 97人人超| 这里只有精品视频看看| 五月婷六月| 婷婷久热| 极品人妻VIDEOSSS人妻| 九九热99久久99| 337p大胆噜噜噜噜噜91Av| 天天色五月| 婷婷五月丁香综合激情| 超碰在线99| 婷婷丁香91综合| 久久婷婷丁香| 亚洲五月天天| 五月天成人综合| 久久久免费精彩视频| 精品热九九| 92久久| 九月婷婷丁香| 色九九九九| 国产精品扒开腿做爽爽爽A片唱戏| www.com在线操视频免费观看| 91精品婷婷国产综合久久| 日韩激情人伦人| 婷婷五月天视频免费在线观看| 天天舔天天爽| 亚洲成人av在线观看| 色播五月丁香| 亚洲成人在线五月天| 九九热精品视频| 大香蕉太香蕉视频97| 97色碰| 丁香六月久| 开心五月婷婷激情| 久七香蕉| sewuyue第四色| 91九色丨国产丨爆乳| 狠狠插.com| 久久综合99| 夜夜干天天干| www.夜夜操| 亚洲视频操| 亚洲狠狠狠| 色五月婷婷久久| 久久jiuwww| 天天操天天谢| 五月丁香久久| 先锋男人91资源| 色五月天天| 亚洲丁香花色| 色情五月天导航| 五月熟妇婷婷久久| 五月天婷婷av| 爱狠射| 天天综合图片| 亚洲综合五月天婷婷| 正宗黄色毛片| 色欲五月婷婷| 99热这里只有精品9| 免费97碰碰| 99re最新地址| 亚洲A片成人无码久久精品青桔 | 日本熟女啪啪| 色婷婷国色天香综合| 丁香五月天激情| 激情五月丁香六月综合AVXXXX| 久久在线人妻| 亚洲天堂久久| 黄网在线播放| 天天肏高清在线| 欧美日韩精品一区二区三区钱| 午夜性爱影视一区77| 丁香五月五月婷婷| 婷婷五月激情欧美| 丁香五月婷婷六月丁香| 婷婷五月综合丁香久久| 久久久婷丁香五月| 色婷婷久久| 91精品综合久久久久久五月丁香| 99色在线观看视频| 97在线日本| 97色色色色色| 婷婷天堂伊人| 色色婷婷综合网| 婷婷五月天av| 久久综合激情五月天| 综合色情网| 欧美精产国品一二三区| 99色在线视频| 丁香五月婷婷欧美成人色图| 女人天堂 AV| 色色色色综合| 五月婷婷无码| 视频这里只有精品| 这里只有精品2| 中文字幕在线观看视频www| 婷婷射图| 五月丁香久人妻中文| 99免费视频| 91疯狂操操操操| 久久视频婷婷| www热久久yy9| 丁香六月av| 婷婷五月天激情小说| 《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 | 日本44久久在线| 五月丁香狠狠| 97偷拍对白视频| 丁香五月播播| 丁香五月综合久久| 伊人婷婷五月天| 天天综合 99久久婷婷| 伊久久婷婷| 婷婷视频网| 日日噜噜夜夜狠狠久久丁香五月| 五月天婷婷六月激情网| 国产成人网站在线观看| 国产精品噜噜在线视频| 欧洲MV日韩MV国产| www.夜夜.com| www,99色| 思思99久久| 色五月综合激情| 久久激情网| 激情五月六月婷婷综合啪啪| www久久久久久久久久久| 亚洲五月天婷婷综合| 香蕉99网| 在线成人视频免费| 婷婷伊人网| 开心五月深爱五月| 色情免费视频播放| 婷婷丁香黄色| 日本在线99| 久久婷婷视频| 成人午夜视频精品一区| 五月综合缴情网| 国产九九一区二区三区| 综合婷婷| 成人网站免费sxj| 日本9区视频| 美女网黄| 综合99在线| 伊人大香蕉毛片| 99热新网址| 久久在这里有精品| 久久综合55| 97婷婷狠狠| caobi四区| 99综合99| 五月丁香综合| 中文aV网| 激情五月婷婷啪啪| 婷婷五月天亚洲| 激情 婷婷 插| 五月停停色| 婷婷久久综合| 欧美日本va| 99热只有精品综合| 人人人操 超碰| 国产精品国产| 热久久77777| 丁香婷婷午夜| 99精品在这里| 精品草原久久视频| 在线中文av| 五月婷婷丁香日韩在线| 操逼视频一区| 激情五月网站| 国产.亚洲.欧洲视频在线| 三年高清大片免费观看国语| 色噜噜狠狠色综无码久久合欧美| 丁香六月狠狠|