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 DataFrame時間序列處理:重采樣、滾動特征與數(shù)據(jù)泄漏排查

Pandas DataFrame時間序列處理:重采樣、滾動特征與數(shù)據(jù)泄漏排查 DataFrame 的時間序列處理我前后踩過三輪坑才算真正用順。第一輪是把時間列當(dāng)普通字符串排序結(jié)果亂序數(shù)據(jù)喂進模型指標(biāo)飄得沒法復(fù)現(xiàn)第二輪是重采樣窗口邊界沒對齊日匯總和原始分鐘數(shù)據(jù)對不上賬排查到半夜第三輪最狠構(gòu)造的特征里混進了未來信息離線評估漂亮得離譜實際跑起來直接失效。這三個坑基本覆蓋了時間序列 DataFrame 的絕大多數(shù)陷阱也正好說明了為什么這一塊必須單獨拎出來講。它是 DataFrame 系列的收尾篇也是銜接機器學(xué)習(xí)前置技術(shù)棧的關(guān)鍵一環(huán)——前面講的索引、切片、合并、聚合本質(zhì)都是把數(shù)據(jù)擺整齊而時間序列這一篇要解決的是讓數(shù)據(jù)帶著時間語義動起來。如果你正在做設(shè)備采集分析、業(yè)務(wù)指標(biāo)監(jiān)控、銷量預(yù)測或者準(zhǔn)備把一張帶時間戳的表轉(zhuǎn)成模型能吃的特征矩陣這篇的內(nèi)容基本可以照著抄。下文所有代碼都基于常規(guī)實踐整理環(huán)境是 Python 3.10 以上配 Pandas 2.x2.x 和 1.x 在部分時間序列行為上有差異我會在涉及的地方標(biāo)出來。1. 時間序列 DataFrame 的底層邏輯與設(shè)計取舍1.1 為什么時間列不能只當(dāng)普通列用很多人第一次處理時間數(shù)據(jù)的直覺是時間不就是一列字符串嗎排序、篩選、分組照做就行。這個做法在數(shù)據(jù)量小、需求單純的時候確實能跑一旦涉及按天匯總、取最近七天均值、補齊缺失的分鐘點這類操作就會立刻暴露出問題。原因在于 Pandas 的時間序列能力并不是掛在列上的而是掛在索引上的——DatetimeIndex是一個帶有頻率語義的特殊索引對象它能回答下一個時間點是誰這種普通列回答不了的問題。你寫df.resample(D)Pandas 需要知道當(dāng)前索引的粒度、有沒有空洞、邊界怎么取這些都依賴索引是DatetimeIndex這個前提。把時間留在普通列里resample直接報錯rolling的時間窗口寫法也用不了只能退化成按行數(shù)滾動的近似方案精度和語義雙輸。我自己習(xí)慣的做法是原始數(shù)據(jù)讀進來之后第一時間把時間列轉(zhuǎn)成datetime64[ns]然后set_index提到索引位置再sort_index()排一次序。這三步做完后面所有操作才有意義。排序這一步特別容易被跳過因為大多數(shù)采集數(shù)據(jù)天然是順序?qū)懭氲目雌饋聿挥门?。但只要中間有過補數(shù)、合并、多源拼接順序就可能被打亂而resample、rolling、shift全都是順序敏感的——順序錯了結(jié)果不會報錯只會靜默算錯這是最難查的一類問題。1.2 頻率語義freq 到底約束了什么freq這個參數(shù)經(jīng)常被誤解成數(shù)據(jù)實際的間隔其實它表達的是時間軸上的柵格規(guī)格。舉個例子一張表里記錄的是設(shè)備觸發(fā)事件的時間戳間隔完全不規(guī)則你可以給它設(shè)freqNone默認也可以強行設(shè)成1min。設(shè)成1min之后Pandas 會認為這條時間軸是按分鐘對齊的asfreq(1min)就會把不在整分鐘上的點丟掉或者對齊行為完全不同。所以freq是一個聲明不是一個檢測——你聲明了什么Pandas 就按什么處理聲明錯了它也不會提醒你。這個設(shè)計取舍背后其實很合理自動推斷頻率在數(shù)據(jù)有噪聲時極不可靠與其猜錯不如讓使用者顯式聲明。代價就是我們必須自己確認數(shù)據(jù)的真實粒度。我常用的檢查手段是把索引轉(zhuǎn)成 Series 求差分然后看眾數(shù)import pandas as pd gap df.index.to_series().diff().value_counts().head(5) print(gap)輸出的前幾名基本就反映了真實粒度。如果第一名是0 days 00:01:00且占比九成以上那freq1min就是安全的如果前幾名分散得很厲害說明數(shù)據(jù)有大量缺失或者本身就是事件流這時候強行設(shè)freq只會給自己埋雷不如保持None用resample的時候再顯式指定目標(biāo)頻率。這個習(xí)慣幫我省過很多次排查時間——頻率聲明錯誤導(dǎo)致的問題往往要等到下游聚合結(jié)果明顯不合理才被發(fā)現(xiàn)。1.3 幾種常見方案的橫向?qū)Ρ葧r間序列的建模方式不止一種選錯了后面全是返工。我把實際項目里用過的幾種方案列個表方便對照自己的場景挑。方案時間位置適用場景主要優(yōu)勢主要代價普通列 手動分組普通列一次性報表、低頻分析無需學(xué)習(xí)成本無法用 resample/時間窗口 rollingDatetimeIndex resample索引固定頻率聚合、降采樣語義清晰、代碼短要求數(shù)據(jù)大致規(guī)整整數(shù)序號 時間列普通列不規(guī)則事件流、序列模型順序可控、便于對齊時間語義要自己維護PeriodIndex索引按月/季等周期統(tǒng)計周期邊界天然正確跨周期運算受限第三行那個方案值得多說一句。做序列模型比如基于滑動窗口的回歸時我有時會故意不用DatetimeIndex而是保留一列整數(shù)seq當(dāng)索引時間作為普通列掛著。原因是模型訓(xùn)練階段更關(guān)心第 t 步到第 t-1 步的嚴(yán)格先后關(guān)系用整數(shù)序號可以避免時間空洞帶來的隱式錯位特征對齊也更直觀。這不是說DatetimeIndex不好而是說工具要匹配階段——探索分析和特征工程用時間索引喂模型前轉(zhuǎn)成規(guī)整的二維矩陣。分清楚這個邊界很多到底該用哪種的糾結(jié)就沒了。2. 時間索引的建立與清洗臟數(shù)據(jù)的第一道閘2.1 to_datetime 的參數(shù)怎么選才不出事pd.to_datetime是入口函數(shù)也是最容易埋雷的地方。最常見的坑是不指定format讓它自己猜。Pandas 的推斷邏輯在混合格式下會退化成逐行解析速度慢幾十倍不說遇到2024-03-01和01/03/2024混在一起的情況它可能把后者解析成 1 月 3 日——月日顛倒結(jié)果全錯而且不報錯。我在一個多源合并的表上吃過這個虧兩個數(shù)據(jù)源一個用 ISO 格式一個用斜杠格式合并后時間線整體錯位了半個月查了兩天才定位到。所以我現(xiàn)在的固定寫法是能確定格式就顯式寫format格式不統(tǒng)一就先按來源拆開分別轉(zhuǎn)轉(zhuǎn)完再合并。import pandas as pd raw pd.DataFrame({ ts: [2024-03-01 08:00:00, 2024-03-01 08:01:00, 2024-03-01 08:02:00], value: [1.2, 1.5, 1.1], }) raw[ts] pd.to_datetime(raw[ts], format%Y-%m-%d %H:%M:%S, errorsraise)errors參數(shù)也值得展開說。默認是raise遇到解析不了的值直接拋異常改成coerce會把壞值變成NaT流程能繼續(xù)跑下去。我傾向于在探索階段用raise逼自己把臟數(shù)據(jù)全部找出來只有在已經(jīng)確認臟值占比極低、且能接受丟棄的場景下才用coerce。見過不少代碼一上來就errorscoerce結(jié)果整列里有三成解析失敗全變成NaT后續(xù)dropna一刪樣本少了一大截還沒人察覺。另一類坑來自時間戳里的意外成分比如帶毫秒、帶時區(qū)偏移、帶中文時分秒。帶時區(qū)的字符串轉(zhuǎn)出來是datetime64[ns, tz]和本地時間的不同列運算會報錯需要統(tǒng)一tz_localize或tz_convert??鐣r區(qū)采集的場景里我的建議是一律先轉(zhuǎn)成 UTC 存著展示和業(yè)務(wù)判斷的時候再轉(zhuǎn)回本地偏移。這樣算差值、算間隔時永遠不會因為切換偏移量而出現(xiàn)一小時誤差也避免了短暫偏移調(diào)整期內(nèi)的重復(fù)或缺失時間點——這類問題在日志里極難發(fā)現(xiàn)表現(xiàn)就是某個小時的樣本數(shù)莫名其妙多出或少掉一批。2.2 set_index、排序與重復(fù)時間戳的處理轉(zhuǎn)完類型就可以提索引了。這里有個順序細節(jié)先set_index再sort_index和先sort_values再set_index結(jié)果一樣但后者更慢因為sort_values走的是普通列排序路徑。直接排序索引效率更高df raw.set_index(ts).sort_index()真實數(shù)據(jù)里重復(fù)時間戳非常普遍尤其是多設(shè)備、多渠道寫入同一張表的時候。重復(fù)索引會讓resample的某些聚合口徑變得微妙也會讓reindex報錯。處理方法要看業(yè)務(wù)含義如果是重復(fù)上報保留最后一條更合理后寫覆蓋先寫如果是同一時刻不同維度那就不該合并應(yīng)該加維度列做成MultiIndex。dup_cnt df.index.duplicated().sum() if dup_cnt: df df[~df.index.duplicated(keeplast)]keep取first、last、False三種False是把所有重復(fù)項全刪掉慎用——它會連帶丟掉本來有效的那條。我一般先統(tǒng)計重復(fù)數(shù)量占比很低千分之幾才直接去重占比高的話說明數(shù)據(jù)源有問題得回頭查采集鏈路不能靠去重掩過去。還有一個容易被忽略的點MultiIndex下的時間序列操作。當(dāng)索引是(設(shè)備編號, 時間)兩層時resample需要配合level參數(shù)指定在哪一層做df_multi df_multi.resample(1h, levelts).mean()level寫錯或者不寫會得到完全不相關(guān)的結(jié)果或直接報錯。這個用法在處理多序列數(shù)據(jù)多臺設(shè)備、多個門店時幾乎是必備的比循環(huán)groupby快一個量級我做過一次對比二十萬行、200 個分組resample(level)比groupby().apply()快大約四倍。2.3 補齊時間軸reindex 的正確打開方式缺失時間點有兩種處理哲學(xué)一種是沒有就是沒有保持稀疏一種是補齊柵格再填值保持規(guī)整。分析階段我偏向后者因為整條時間軸完整之后rolling、diff、shift的語義才準(zhǔn)確。補齊用reindex配合date_range比resample更可控因為它不會做任何聚合full_idx pd.date_range( startdf.index.min(), enddf.index.max(), freq1min, namets, ) df_full df.reindex(full_idx)namets這個參數(shù)別漏不寫的話新索引沒名字后面reset_index會得到index這個列名接下游容易對不上。補出來的空位是NaN怎么填取決于數(shù)據(jù)性質(zhì)測量值可以前向填充ffill或線性插值計數(shù)類指標(biāo)應(yīng)該填 0比率類指標(biāo)最好別亂填寧可標(biāo)成缺失讓模型自己處理。我見過把缺失的比率直接ffill二十多個點的做法等于人為制造了一段平坦的假數(shù)據(jù)模型學(xué)到的就是這個假規(guī)律評估階段看起來還行實際預(yù)測時就會在同樣的位置給出可疑的平穩(wěn)輸出。注意ffill一定要設(shè)limit否則長時間斷流會被一個值填滿整段看起來像真的連續(xù)觀測。我的習(xí)慣是limit3最多補三個點超出的保持NaN交給下游丟棄或單獨標(biāo)記。3. 重采樣與頻率轉(zhuǎn)換降采樣和升采樣的實操細節(jié)3.1 resample 的聚合字典與命名規(guī)范降采樣高頻轉(zhuǎn)低頻最常用的就是resample?;A(chǔ)寫法很簡單但真正用起來聚合方式往往不是一個函數(shù)能打發(fā)的——平均值、最大值、樣本數(shù)、缺失率一次要算好幾個指標(biāo)。這時候用命名聚合Pandas 0.25 之后支持比傳字典更清晰daily df.resample(D).agg( val_mean(value, mean), val_max(value, max), val_min(value, min), sample_cnt(value, count), missing_cnt(value, lambda s: s.isna().sum()), )(列名, 函數(shù))這種元組寫法直接產(chǎn)出扁平列名比agg({value: [mean,max]})出來的多級列名好處理得多。多級列名后續(xù)要droplevel或者手動拼名字很容易出錯尤其是下游要按列名取特征的時候。這一點我在給模型準(zhǔn)備特征表時深有體會——多級列名導(dǎo)成 CSV 再讀回來列名會變成(value, mean)這樣的元組字符串再想取某列就非常難受。所以從聚合那一步就把名字定干凈后面省事。3.2 窗口邊界closed 和 label 到底怎么影響結(jié)果resample里最容易算錯的就是窗口邊界。默認closedleft、labelleft意思是左閉右開、標(biāo)簽用左端點。舉個具體例子resample(5min)在08:00到08:05之間默認口徑包含08:00:00到08:04:59的數(shù)據(jù)時間標(biāo)簽記為08:00。這個默認值符合大多數(shù)人的直覺但當(dāng)你要和另一套系統(tǒng)對齊時就必須顯式確認——對方是左閉右開還是左開右閉標(biāo)簽打在區(qū)間起點還是終點差一點就是整體偏移。left_closed df.resample(5min, closedleft, labelleft).mean() right_closed df.resample(5min, closedright, labelright).mean()這兩行結(jié)果看起來只差一個時間標(biāo)簽但實際數(shù)值分布完全不同因為落到每個桶里的原始點不一樣。我在一次對賬里就是因為這個差了一整個時間桶上游按右閉算、我按左閉算兩邊的日匯總在跨天時刻差了整整五分鐘的數(shù)據(jù)量級不大但對不上賬就是問題。還有一個參數(shù)origin在按天、按周聚合時很關(guān)鍵。默認originstart_day也就是按自然日切如果要按從某個時間點開始的 24 小時切就得傳originstart或具體時間戳。做班次統(tǒng)計、按批次時長聚合的場景這個參數(shù)直接決定結(jié)果對不對。3.3 asfreq 和 resample 的差別別混著用這兩個函數(shù)經(jīng)常被當(dāng)成等價物其實定位完全不同。resample是分組聚合必須給一個聚合方式或者默認取均值asfreq是重采樣到新柵格只做取樣不聚合多出來的點直接丟空出來的位置給NaN。做升采樣低頻轉(zhuǎn)高頻的時候我?guī)缀踔挥胊sfreq因為升采樣本來的語義就是放大柵格、保留原值、填空缺用resample反而會引入不必要的聚合邏輯。up df.asfreq(30s) up[value] up[value].interpolate(methodtime)interpolate(methodtime)這個寫法值得單獨說。普通的interpolate()是按位置線性插值methodtime是按時間距離加權(quán)。數(shù)據(jù)間隔不均勻的時候兩者差別明顯比如08:00值是 1、08:04值是 5中間08:01那個點按位置插值給 2等距假設(shè)按時間插值同樣給 2看起來一樣但如果中間點是08:03按位置給 3按時間給 4。顯然按時間更符合物理意義。不規(guī)則采集的數(shù)據(jù)做插值一定要加methodtime否則時間間隔的信息白丟了。3.4 一個完整的分層聚合實戰(zhàn)把上面這些串起來走一遍從分鐘級原始數(shù)據(jù)到日級特征表的完整流程。假設(shè)手頭是某設(shè)備采集項目導(dǎo)出的一份記錄字段是時間和讀數(shù)存在亂序、少量重復(fù)、部分時段斷流。import numpy as np import pandas as pd # 1) 解析與索引 df (raw .assign(tslambda d: pd.to_datetime(d[ts], format%Y-%m-%d %H:%M:%S)) .set_index(ts) .sort_index()) # 2) 去重 df df[~df.index.duplicated(keeplast)] # 3) 補齊分鐘柵格 full_idx pd.date_range(df.index.min(), df.index.max(), freq1min, namets) df df.reindex(full_idx) # 4) 短缺口前向填充長缺口保留 NaN df[value] df[value].ffill(limit3) # 5) 日級聚合 daily df.resample(D).agg( val_mean(value, mean), val_std(value, std), val_max(value, max), sample_cnt(value, count), missing_cnt(value, lambda s: int(s.isna().sum())), ) # 6) 派生指標(biāo) daily[coverage] daily[sample_cnt] / 1440 daily[range] daily[val_max] - daily[val_min]這里第 6 步的coverage覆蓋率是我每次都會加的一列。它等于有效樣本數(shù)除以理論樣本數(shù)直接反映當(dāng)天數(shù)據(jù)質(zhì)量。覆蓋率低于某個閾值的日期后面建模時我會單獨標(biāo)記甚至剔除——用覆蓋率只有三成的天算出來的日均值噪聲比信號大得多混進訓(xùn)練集只會拉低模型表現(xiàn)。這個指標(biāo)沒有任何技術(shù)難度但很多人的特征表里就是沒有導(dǎo)致他們永遠不知道自己的日均值里有多少天是殘缺的。4. 滾動窗口與滯后特征機器學(xué)習(xí)前置的核心武器4.1 rolling 的窗口類型與 min_periods 陷阱rolling有兩種窗口定義方式整數(shù)窗口按行數(shù)和時間窗口按時間跨度。按行數(shù)寫rolling(7)就是前 7 行前提是數(shù)據(jù)已經(jīng)按固定頻率補齊否則7 行可能對應(yīng)三天也可能對應(yīng)七小時語義完全不同。時間窗口寫rolling(7D)才是字面意思上的過去七天Pandas 內(nèi)部按時間戳判斷不看行數(shù)。做業(yè)務(wù)特征我強烈建議用時間窗口因為業(yè)務(wù)口徑通常按自然時間定義最近七天而不是最近七條記錄。df[ma_7d] df[value].rolling(7D, min_periods1).mean() df[std_7d] df[value].rolling(7D, min_periods3).std()min_periods這個參數(shù)是個大坑。默認值等于窗口長度意味著前六個點的滾動均值全是NaN——數(shù)據(jù)頭部直接損失。設(shè)成min_periods1能讓頭部也算出值但早期的值是兩三個點算出來的方差極大和后面的值不在一個尺度上。我的處理方式是折中設(shè)min_periods為窗口長度的一半左右早期那一段直接在下游截掉不用。這樣既不會因為頭部NaN導(dǎo)致整行被dropna刪掉也避免了用兩三個點冒充七天均值。窗口的center參數(shù)也要留意默認False表示窗口右端對齊當(dāng)前點只用歷史設(shè)True會讓窗口居中等于用了未來數(shù)據(jù)。做特征工程時center必須是False一旦設(shè)成True你的滾動均值里就包含了未來信息離線指標(biāo)會虛高。這個參數(shù)在畫圖平滑曲線時很好用在建模特征里是禁用項兩種場景要分開記別寫混。4.2 expanding 與 ewm長記憶特征的兩條路線rolling是固定窗口expanding是從開頭累積到當(dāng)前點窗口長度一直變大。適合刻畫累計表現(xiàn)和歷史全量統(tǒng)計df[cum_mean] df[value].expanding(min_periods10).mean() df[cum_max] df[value].expanding(min_periods10).max()ewm是指數(shù)加權(quán)越近的點權(quán)重越大數(shù)學(xué)上等價于一個無限長但權(quán)重衰減的窗口。做有明顯趨勢和突變的指標(biāo)比如流量、活躍度ewm通常比簡單滾動均值跟得更緊滯后更小。關(guān)鍵是span和alpha的換算關(guān)系alpha 2 / (span 1)span7對應(yīng)alpha0.25。我一般直接用span因為它和多少天的直覺對應(yīng)得更直接。df[ewm_7] df[value].ewm(span7, adjustFalse, min_periods3).mean()adjustFalse這個參數(shù)務(wù)必加上。默認True時早期結(jié)果會做歸一化修正數(shù)值形態(tài)和False有明顯差別而且在數(shù)據(jù)頭部差異最大。做特征時統(tǒng)一用False因為它的遞推形式更接近在線更新的語義也便于你在流式計算里復(fù)現(xiàn)同樣的值。如果訓(xùn)練時用了默認值、推理時自己手寫遞推公式兩邊必然對不上這類線上線下不一致的問題排查起來極其折磨。4.3 shift / diff / pct_change滯后特征的正確姿勢滯后特征是時間序列建模的主力三個函數(shù)各管一段shift平移、diff差分、pct_change變化率。用法簡單但有兩個細節(jié)必須講清楚。第一個是shift的方向。shift(1)是把數(shù)據(jù)往下推一行也就是當(dāng)前行拿到的是上一行的值——這才是用歷史預(yù)測現(xiàn)在的正確構(gòu)造。shift(-1)是把未來值拉到當(dāng)前行這是標(biāo)簽構(gòu)造用的當(dāng)前特征對應(yīng)下期目標(biāo)絕對不能出現(xiàn)在特征里。我在代碼審查時見過把shift(-1)當(dāng)特征寫進流水線的那基本等于作弊。第二個是pct_change的除零和負值。當(dāng)上期值為 0 時變化率是inf當(dāng)上期值為負時變化率的符號會翻過來語義完全變味。穩(wěn)妥做法是先檢查分母分布必要時改用diff或者加一個極小偏移df[diff_1] df[value].diff(1) df[lag_1] df[value].shift(1) safe_base df[value].shift(1).where(lambda s: s.abs() 1e-9) df[pct_1] (df[value] - safe_base) / safe_base用where把接近 0 的分母替換成NaN比直接replace(0, np.nan)更安全因為后者只處理精確的 0處理不了1e-12這種實際上等效于 0 的值。除出來的inf一旦進了模型標(biāo)準(zhǔn)化會被直接帶偏整列特征失效。4.4 一套可直接套用的特征構(gòu)造流水線把上面的零件組裝成一個函數(shù)這是我在項目里反復(fù)用的骨架。核心原則只有一條所有用到歷史統(tǒng)計量的特征都要先在原始序列上shift(1)再計算否則當(dāng)前點的值會進到自己的特征里。def build_ts_features(df, targetvalue, lags(1, 2, 3), windows(7, 14)): out df.copy() base out[target] # 滯后特征 for k in lags: out[flag_{k}] base.shift(k) # 滾動統(tǒng)計先 shift 再 roll防泄漏 for w in windows: shifted base.shift(1) out[froll_mean_{w}] shifted.rolling(w, min_periodsmax(2, w // 2)).mean() out[froll_std_{w}] shifted.rolling(w, min_periodsmax(2, w // 2)).std() out[froll_max_{w}] shifted.rolling(w, min_periodsmax(2, w // 2)).max() # 差分與變化率 out[diff_1] base.diff(1) safe base.shift(1).where(lambda s: s.abs() 1e-9) out[pct_1] (base - safe) / safe # 時間特征 idx out.index out[hour] idx.hour out[weekday] idx.weekday out[is_weekend] (idx.weekday 5).astype(int) # 周期性編碼 out[hour_sin] np.sin(2 * np.pi * idx.hour / 24) out[hour_cos] np.cos(2 * np.pi * idx.hour / 24) return outshift(1)再rolling這個組合是整段代碼的靈魂。很多人寫特征時只對lag做了shift滾動統(tǒng)計直接在原序列上算結(jié)果第 t 行的roll_mean_7里包含了第 t 行的真實值——模型只要盯著這個特征就能看到答案離線評估自然漂亮。這個錯誤的隱蔽性在于單看代碼base.rolling(7).mean()完全合理根本不像有 bug。唯一的防法是養(yǎng)成條件反射——看到滾動統(tǒng)計先問一句這個窗口的右端點包不包含當(dāng)前時刻。時間特征的周期性編碼也值得說一下。hour直接當(dāng)數(shù)值喂進去模型會認為 23 點和 0 點相差 23實際它們只差 1。用sin/cos做環(huán)形編碼把 24 小時映射到單位圓上距離關(guān)系就正確了。這個技巧對星期、月份同樣適用代價是多了幾列特征收益是模型不用再自己學(xué)這個映射關(guān)系小樣本下提升挺明顯。4.5 切分與防泄漏最后一道關(guān)卡特征表造好之后切訓(xùn)練集和測試集這一步必須按時間切不能隨機切。隨機切會讓測試集的時間點散落在訓(xùn)練集內(nèi)部模型實際是在插值而不是外推評估結(jié)果虛高。正確做法是按時間點截斷split_point int(len(feature_df) * 0.8) train feature_df.iloc[:split_point] test feature_df.iloc[split_point:]如果要做多折驗證別用默認的 K 折用時間序列專用的滾動切分保證每折的驗證集都在訓(xùn)練集之后。還有一個細節(jié)標(biāo)準(zhǔn)化、歸一化這類操作統(tǒng)計量只能用訓(xùn)練集算然后應(yīng)用到測試集。很多人在整張表上fit完再切均值方差里已經(jīng)包含了測試集信息這是典型的隱性泄漏。我習(xí)慣在流水線里把fit嚴(yán)格限定在訓(xùn)練切片上寧可多寫兩行也不圖省事。提示造完特征先用一句feature_df.isna().mean().sort_values(ascendingFalse).head()看一眼各列缺失率。頭部那幾行被shift挖空是正常的如果有中間段落的列缺失率異常高多半是原始時間軸沒補齊或者聚合口徑寫錯了別急著往下走。5. 常見問題與排查實錄5.1 問題速查表下面這張表是我這幾年遇到頻率最高的一批問題按癥狀—原因—處理三列整理遇到類似現(xiàn)象可以直接對號入座。癥狀大概率原因處理方式resample 報TypeError索引不是 DatetimeIndex檢查set_index后有沒有to_datetime聚合結(jié)果比原始數(shù)據(jù)少很多時間列解析失敗變NaT后被丟用errorsraise重跑定位壞值日匯總和手工核對差一截closed/label口徑不一致顯式指定兩個參數(shù)并與上游對齊rolling 頭部全NaNmin_periods默認等于窗口長度降到窗口長度一半頭部截斷rolling 中間出現(xiàn)大段NaN時間軸有空洞時間窗口跨不過去先reindex補齊再滾動pct_change出inf上期為 0分母where掉近零值模型離線指標(biāo)好得反常特征含未來信息排查shift(-1)、centerTrue、未 shift 的 rolling推理結(jié)果與訓(xùn)練分布不符ewm的adjust不一致統(tǒng)一adjustFalse合并后時間線整體偏移多源時間格式不統(tǒng)一分源解析后再合并統(tǒng)一時區(qū)5.2 幾個只有踩過才知道的細節(jié)第一個是resample對空桶的處理。如果某個時間窗口內(nèi)一個樣本都沒有聚合結(jié)果里這一行會存在但全是NaNcount會是 0。這在做特征時很危險——如果你用count當(dāng)樣本量特征模型會看到一堆 0如果用mean當(dāng)特征那是一堆NaN。我的做法是單獨保留count列作為質(zhì)量指標(biāo)其他統(tǒng)計量遇到NaN直接保留不填讓下游根據(jù)count決定這條樣本用不用。一刀切fillna(0)是最糟的選擇會把沒有數(shù)據(jù)偽裝成數(shù)值為零。第二個是Grouper和groupby的配合。當(dāng)你要按周聚合、但周的定義不是自然周比如從周一開始算resample(W)可能不符合預(yù)期pd.Grouper(freqW-MON, closedleft, labelleft)更靈活。另外多列分組時Grouper可以只對時間列生效其他列正常分組weekly df.groupby([ pd.Grouper(freqW-MON, closedleft, labelleft), device_id, ]).agg(val_mean(value, mean))這個寫法比先resample再unstack干凈得多尤其是在分組維度多的時候。第三個是性能。resample().agg()在千萬行級別會明顯變慢我實測過幾種寫法用命名聚合比傳字典快用內(nèi)置聚合函數(shù)比lambda快很多l(xiāng)ambda里的s.isna().sum()這類操作會退化成逐組 Python 調(diào)用。如果數(shù)據(jù)量大把自定義邏輯挪到聚合之后用向量化算能省掉一大半時間。另外一個思路是先降采樣到粗粒度再算比如日級特征不需要從分鐘級逐點算可以先聚合到小時再往上滾誤差在可接受范圍內(nèi)而速度提升明顯。第四個是時間序列的對齊問題多序列合并時尤其明顯。兩張表的采樣時刻不完全一致df1 df2會產(chǎn)生大量NaN因為 Pandas 按索引精確對齊。這時候用resample先統(tǒng)一到同一柵格或者用merge_asof做近似匹配。merge_asof要求兩邊都按時間排序direction參數(shù)控制取最近的過去還是最近的未來做傳感器數(shù)據(jù)與事件打標(biāo)對齊時特別好用比reindexffill更精確因為它可以選擇最近鄰而不是單純的前向。最后分享一個我自己養(yǎng)成的習(xí)慣任何一次時間序列處理開頭先打印三行——索引類型、索引是否單調(diào)遞增、時間跨度。這三行幾乎能提前暴露八成的潛在問題。print(type(df.index).__name__) print(df.index.is_monotonic_increasing) print(df.index.min(), -, df.index.max(), | rows:, len(df))看起來是廢話但我確實靠這三行抓到過好幾次數(shù)據(jù)只導(dǎo)入了半天的低級錯誤——文件截斷、查詢條件漏了時間上限這類問題不會報錯只會讓你在幾小時后對著一堆反常的聚合結(jié)果發(fā)懵?;ㄈ腌姶蛴”然ㄈr排查劃算得多。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
超碰中文字幕在线| 久久久亚洲成人无码A片| 99精品在线| 五月天激情网站| 91碰碰碰| 男人大jjc女人免费视频| 99热最新国内| 色99视频| 战争与艾拉电影免费观看| 色色五月婷婷丁香| 色婷网| 日本色五月| 国产精品久久欧美久久一区| 天堂久久大香蕉| 五月丁香激情综合网官网| 一区二区三区XXXXXX| 色综合中文| 色欲天天综合网| 日日干夜夜撸夜夜骑| 99热久草| 婷婷99| 人妻少妇色综合| 97五月婷| 婷婷丁香久久| 久久99草五月婷婷| 狠狠色婷婷在线| 就爱操www com| 深爱1激情网| 婷婷五月大香蕉| 久久99久久99久久99人受| se色婷婷视频| 色色五月婷婷| 亚洲激情婷婷| 国产真实乱对白精彩| 丁香五月 激情文学| 在线色色| 人妻内射视频| 九九色逼| 亚洲AV中文在线| 爱草视频在线| 丁香六月啪啪| 91疯狂操操操操| 久久久中文| 欧美日本一区二区三区| 欧美日本国产欧美日本韩国99| 婷婷五月激情网| 97成人在线视频| 97av在线视频| 激情深爱五月天| 亚洲国产无线乱码在线观看| 欧美97色| 五月天亭亭俺也| 武则天精品久久| 玖玖色综合| 亚洲婷婷五月天| 影音先锋一区| 亚洲视频另类| 亚洲色欲欧美一区二区三区| 激情视频网址| 丁香五月婷综合| 婷婷久久五月| 香蕉久久国产AV一区二区| 熟妇高潮一区av| 综合99综合久久久久久久| www夜夜操wwwcon| 97碰| 精品9久| 热中文字幕| 婷婷五月婷| av大香蕉| 亚洲旡码| www久久艹| 99热.com| 六月激情婷婷| 超碰爱爱爱| 欧美交换配乱吟粗大25P| 婷婷99狠狠躁天天躁中文| 色情久久久| 精品人妻久久久久久| 色97啪啪| 综合久久五月天| 亚洲日韩乱码一区二区三区四区 | 91久久精品无码一区二区三区| 超碰97干| 国产99久9在线| 婷婷综合成人五月天| 色老久久| 亚洲黄网AV| 2025中文在线视频字幕免费观看| 日韩在线一级| 国产视频色色色色色色色| 丁香五月开心亚洲| 久久伊人日日夜夜| 激情综合色五月丁香| 天堂伊人干| 久久色频| 就要爱综合| xxxx五月激情| 色色色热| 最近中文字幕2019视频1| 色人久久| 天天综合五月天| 99re欧美精品| 精品自拍97| 精a品a视a频| 久婷久婷| 日操夜操天天操不卡| 九九久久9 9在线观看| 久草五月| 婷婷情色激情| 99热在线观看| 五月天婷婷色在线视频免费观看| 亚洲男女激情| 亚州欧美黄色电影| 色播五月丁香婷婷| 五月丁香色婷婷| 激情性爱五月| 爱草人视频| 激情 五月 婷婷 丁香| 99er日韩| 永久的网站AAAA| 99热在线资源| 丁香五月天黄色片| 亚洲激情网| 人妻22p| 欧美精品A片一区在线观看| 99热99热在线| 另类激情四射| www.91久久| 97精品在线| 超碰9| 色情综合| 最近中文字幕2019视频1| 婷婷五月天亚洲色| 五月丁香777| 亚洲精品第一国产综合亚AV| 国产美女视频久| av无码电影| 成人综合视频在线| 99在线视频播放| 99热在线观看| 婷婷色网| 亚洲深喉aV| 综合久久五月| 五月婷婷导航| 久久婷婷五月天| 激情深愛五月視頻| 99在线视频网址在线观看| 伊人狠狠干| 婷婷丁香五月天激情四射| 色色色999| 欧美色色干| 丁香六月婷婷色播| 欧美色图天堂网| 婷婷五月丁香综合| 热的国产,热的综合,热的有码| 久久99热这里只频精品6学生| 久久激情四射| 性爱久久| 色色网站免费观看| 高清无码网址| 性爱AV天堂| 精品九九九久| av超碰在线| 日韩成人综合| 激情综合色网| 五月丁香婷婷成人综合网| 五月丁香婷婷色色| 激情婷婷五月黑人| 97超级操操| 久久综合性| 五月婷婷色男女| av人人操| 色五月激情五月天| 狠狠色噜噜狠狠| 色呦呦美女| 大香蕉啪啪网| 丁香六月婷婷综合| 极品人妻videosss人妻| 久久综合网桃花| www.激情五月| 色五月丁香婷婷在线观看| 成人国产综合| 日本97人人| 99热最新精品| 婷婷精品性性性性性性性| 久久资源网五月婷| 性按摩玩人妻HD中文字幕| 天天干天天爽天天操| 日本系列_4页_777FP| 久久久网站| 欧美成人精品一区二区| 深爱五月月天| 九九久99免费视频| 国外亚洲成AV人片在线观看| 五月天久久综合| 99热在线中文字幕| 97干在线观看| 国产99热| 五月天成人免费视频| 狠狠操.com| 黄色AAAAAAA| 俺去也综合| 色五XX| 超碰99在线观看| 日韩99无码| 成人丁香五月| 操操操操操电影网| 最新日本A片| 亚洲欧美国产A片免费观看| 在线成人视频免费| 5月丁香六月情| 99热在线精品播放| 9色天堂| 思思热在线视频精品| www狠狠| 91操人视频| 婷婷五月丁香五月基地| 九九碰九九爱97超碰| 丁香五月天堂网| 成人小说 五月天 婷婷| 成人视频一区| 欧美激情中文字幕| 欧美婷婷色五月网| 成人精品视频99在线观看免费 | 国产无套精品一区二区| 亚洲天天操| 5月丁香婷婷激情网| site:picc-up.com| 色娸娸综合网| 久热一区| 欧美日韩一区二区三区四区| 国产婷婷综合| 亚洲天堂aaa| 激情丁香婷婷六月天| 婷婷六月天天| 色www.con| 伊大人久久| 播播网色播播| 狠狠干在线| 五月婷婷日| 丁香六月激情综合啪啪| 丁香五月天啪啪激情综和网| 久久性爱网站| 中文字幕+乱码+中文字幕在线观看| 五月丁香好婷婷A片网| 久久婷婷五月综合网| 国产肥白大熟妇BBBB视频| 六月99天天婷婷激情综合| 妻久久人久久| 日韩精品无码99| 激情婷婷丁香五月| 99 这里只有精品| 五月天激情综合在线| 久久久久8888| 国产综合色婷婷精品久久| 久热9热| 新激情五月天| www,av好吊操| 色婷婷九月| 天天拍夜夜爽日日| 男女久久婷婷五月天| 色五月婷婷天天干| 久久这里这里有精品免费视频| 99久在线精品| www.久久| 99这里是99在线视频| 中文字幕综合| 日本99视频| 五月婷婷色影院| 99热综合色图| 大香蕉婷婷丁香视频在线| 九九热re99re6在线精品| 91久久国产综合久久| 波多野结衣成人作品在线| 99热个人在线| 九九综合九色欧美狠狠| 色九九一二| 俺去婷婷 丁香| 色情婷婷久久五月天| 色婷婷色综合久久精品V| 日韩二区搞逼插逼毛片| 影音先锋一区二区资源站| 永久天堂日本| 色婷婷狠狠久久YY| 九九热黄色| 91大神操美女| 婷五月天天| 天天综合亚洲综合网天天αⅴ| 五月色网| 狠狠干综合| 国产成人精品一区二三区熟女在线| 激情99| 亚洲乱码日产精品BD| 成人无码髙潮喷水A片| 色狠狠色噜噜AV天堂五区| 丁香在线视频| yazhoujiqingav| 95精品区一区二| 婷婷综合国产| 色婷精品91| 91狠狠综合久久久| 婷婷五月天在线观看av| 夜夜操天天爽| www.99精品在线| 成人AV在线电影| 久久这里只有精品热在99| 久草热在线视频| 丁香久久| 伊人大香久久| 日本九九视频| 99精品久久| 色五月激情问网站| 激情五月天www| 激情六月综合| 99精品无码网站| 日日夜夜狠狠操| 国产色色视频| 五月天婷婷乱论小说| 激情五月天婷婷免费观看| 久久精品视频99| 六月丁香婷婷五月| 久草热在线视频| 91丨九色丨高潮丰满日本| 97操操| 欧美性生交XXXXX无码小说| 天天肏天天肏天天肏| 婷婷四色五月| 一本色道久久88加勒比| 色综合五月天| 91在线日| 国产精品色一哟哟| 免费观看日韩成人av| 成人在线视频网| 激情小说五月天| 亚州欧美黄色电影| 99热18| 天天撸夜夜爽| 五月丁香啪啪综合| 亚州在线中文字幕| 99亚洲视频| 欧美va视频不用播放器的va视频网| 五月婷婷激情综合视频| 五月婷激情| 激情图片五月天| 九八Av| 五月天色色色色色| 777久久综合视频| 第四色首页| 超碰碰碰碰| 玖玖在线视频福利| 综合丁香婷婷五月天| 1024国产| 99久久亚洲精品视频| 日本久久综合| 丁香九月综合| 黄色大片又大粗又爽| av在线免费网站 | 久久五月天激情婷婷| 五月天激情小说网| 99热这里全都是精品| 干亚洲天堂| 秋霞性爱AV| 色六月天| 久久全色| 丁香蜜臀黄色婷婷五月天| 日本色色影院| 婷婷五月天性色| 99热免费| 无人精品在线视频| 精品一二三区久久AAA片| 五月天婷婷激情在线色图| 色黑鬼导航| 色婷婷综合网| 日韩精品视频中文字幕| 26UUU一区二区| 婷婷丁香18| 成熟妇人A片免费看网站 | 婷婷色在线观看| 在线一起草av| 99精品7| 亚洲天天操| 色色狼人综合| A1片久久久| 亚洲av成人一区二区电影在线| 天天婷婷操| 日日爽日日| 五月婷婷丁香啪啪| 五月天天天天天天天天天天天天天天天婷婷婷 | 九月婷婷综合| 久久9视频欧美| 色五月丁香婷婷久草| 亚洲日比视频| 婷婷五月图片小说视频| 1024成人免费看| 婷婷六月天精品| 久久97| 色婷婷五月天激情| 激情五月天综合网| 久久婷婷六月天| 五月婷婷色| 亚洲AV网址| 4399人妻无码久久久| 久久久久久久久久婷婷| 天天摸天天透天天舔| 丁香激情五月天| 丁香五月天天高清在线| 天天肏天天舔AV| 色五月天网| 国产成人精品一区二区三区视频 | 色婷婷丁香香香蕉视频| 9久热在线精品| 久久性爱视频这里只有精品 | 我爱大香蕉| 99在线视频精品| 99九九在线精品热动漫| 99ri精品视频在线观看| 久久这里只精品| 久久这里只有精彩| 婷婷激情五月| www激情网| 国产成人综合亚洲| 五月婷婷啪啪啪啪| 激情婷婷九月| www.99久| 婷婷五月蜜桃成人桃色丁香| 国外亚洲成AV人片在线观看| 丁香五月23111| 亚洲黄色操逼| 六月天婷婷| 91打屁股视频网站| 五月天综合色| 99热首页在线30| 天天色中文字幕女优AV| 在线综合网| 激情av在线| 91九色国产| 婷婷五月大| 这里只有精品视频在线| 丁香五月成人在线| 婷婷综合日本| 九九99在线免费在线观看视频| 女性自慰系列第五页| 超碰免费在线| 五月开行婷婷色五月| 97香蕉人人在线观看| 欧美日比视频| 天天插天天插天天日| 国产69久久久欧美黑人A片| 婷婷涩五月天综合| 久久婷婷五月天激情| 91九色精品熟女内射| 五月丁香六月婷婷,婷| 99免费超碰在线| 天天爽天天摸人妻综合网| 激情熟女网| 91精品婷婷国产综合久久| 婷婷五月深情丁香深爱日韩| 无码成人播放器| 天天操人人干| 国产片天天爽夜夜爽| 久久久国产精品黄毛片| 五月天婷婷激情| 久热这里只精品| 亚洲愉拍99热成人精品| 美国十月色婷婷在线观看| 91chinese在线| 久久视频在线视频| 婷婷丁香五月激情图片| 婷婷综合五月天| 色色婷婷色色| 天天爱天天爽| 99这里只有精品|v| 少妇丁香婷婷 | 色噜综| 五月丁香婷婷婷激情爱爱| 激情色色色| 九九久久综合网站| 综合久久影院| www.97视频| 日日夜夜狠狠| 亚洲综合干| 天天噜天天插| 婷婷五月天社区| 开心五月综合| 色婷婷电影网| 991自拍视频| 婷婷激情五月| 无码 色| 99热超碰在线| 色色色五月| 色五月欧美| 五月婷婷婷婷网| 一起草无码视频| 五月激情久久| 久久婷五月天| 99久在线精品99re5热视频| 5月婷婷综合| 激情久久综合网| 色婷婷小说网| 婷婷中文字幕| 99热精品9| 高清不卡一区| 97热超碰| 国产精品第一国产精品| 亚洲1区| 六月丁香激情网| 五月天综合缴情网网站0| www色婷婷com| 婷婷丁香18| 人人干人人看| 91九色在线视频| 亚洲九九99精品视频在线播放| 亚洲六月婷婷| 精品九九网| 色欲一区二区三区精品A片 | 亚洲字幕AV一区二区三区四区| 另类激情五月| www.婷婷五月| 色婷婷五月天综合网| 色色色欧美| 99热在线网站| 琪琪色综合网站| 激情五月天色色网| 久婷| enecarbon-materials.comWu染请涟系Bao护@wip1688 | www婷婷色| 狠狠干五月天| 九九热欧美| 婷婷网五月天| 免费观看欧美成人AA片爱我多深 | www一起操在线观看| 操老逼综合网| 99热在线播放| 思思久久99| 五月天丁香综合久久国产| 丁香六月亚洲综合| 婷婷狠狠五月综合| 亚洲激情网站无码| 久久久妻人人人| 日本在线视频播放91| 精品导航在线x不卡| 丁香婷婷老熟女综合网| 久久久99精品免费观看| 99精品在线| 丁香久久| 丁香九月激情| 色欲av伊人久久大香线蕉影院| 久久538| 五月婷婷说| 久久综合天天综合| 亚洲九九99精品视频在线播放| 2050人人操免费工开爱| 婷婷色五月激情| 久久免费精品小视频| 色欲九区| 久9久9久9久9久9久9| 国产精品国产| 九九99热| 五月婷婷m| 丁香伊人综合| 天天狠狠综合精区| 五月丁香狠狠爱| 午夜性做爰电影| 被男人添B超爽视频| 中文字幕丰满孑伦无码专区| 97五月婷| 色五月网址| 色婷婷很很十八禁| 北京熟妇搡BBBB搡BBBB| 久久99热精品a片在线观看| 99视频久久免费视频| 99色色热| 成人国产网站| 丁香久月| 大香蕉久久草| 丁香五月欧美成人| 玖玖在线视频福利| 伊人五月天日日夜夜久久久天天| 激情五月激情综合俺也去婷婷小说| 婷婷丁香社区网| 色婷婷五月天激情| 日本色婷婷五月天成人电影| 人人摸人人射| 人人看人人草人人摸| 亚洲激情综合五月婷婷啪啪| 热思思| 99热在线观看精品| 免费亚洲婷婷五月| 五月丁香六月成人| 97天堂| 亚洲午夜AV| 熟女人妻一区二区三区免费看| 丰满少妇乱A片无码| 亚洲春色奇米影视| 激情色情五月天| 欧美天天搞| 亚洲欧洲国产精品| 综合五月天亚洲婷婷| 五月天婷婷色播| 婷婷色网站| 97操碰日本女人| 亚洲欧洲一二| 狠狠色激情在线| 99热这里精品| 五月丁香网站| 久草婷婷视频| 五月天大香蕉AV| 国产午夜精品AV一区二区麻豆 | 久久成人天| 激情六月综合| 六月婷婷激情图片| 99热这里是精品| 亚洲久久天堂| 99手机在线精品视频| 婷婷在线视频| 精久久色| 激情婷婷久久| 国产精品18久久久| 亚洲超碰中文字幕| 亚洲AV日韩无码| 新99思思视频| 色五月婷婷综合| 中文字幕人妻在线| 日本人妻伦在线中文字幕 | 五月丁香啪啪网| 久久在线视频免费观看| 操逼电影免费看| 婷婷五月草| 五月天婷婷涩涩| 新99思思视频| 久久99久久久久久| 琪琪色影音先锋| 性爱久久| 国产精品久久久60086| 99视频| 99热自拍| 免费色婷婷| 五月丁香啪啪婷婷| 99re26视频| 天天色粽合合合合合合合| 99ri在线视频| 99视频免费播放 | 国产 亚洲 在线| 婷五月丁香| 色综合伊人网| 综合色图区| 就爱日五月天| 开心六月婷| 色色综合色| 91狠狠综合久久久| 色综合女人99| 五月婷婷五月丁香综合| 亚洲精品五月| 亚洲综合色色色| 九月色婷婷综合亚洲| 国产精品噜噜在线视频| 婷婷激情五月综合丁| 五月天大香蕉| 色五月涩涩婷婷蜜桃| 99热在线中文字幕| 亚州色婷婷| 这里只有精品99www| 精品视频99看在线视频| www.99日本| 激情小说五月天| 99狠狠操一| 26UUU精品一区二区c〇m| 五月激情婷婷综合| 9l视频自拍九色9l黑人| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 婷婷色色欧美| 香蕉AV777XXX色综合一区| 亚洲AV无码影院| 色婷婷五月婷婷五月婷婷五月| 亚洲第一黄网| 久久女人九九| www.五月天。com| 亚洲精品99| 亚洲电影中文字幕| 亚洲激情网站无码| 第四色激情网| 天堂久久性| 狠狠干青青草| 亚洲操逼网| 综合色五月天| 狠狠高潮精品亚洲1| 久久婷婷五月综合色欧美| 色噜噜狠狠色综合日日| 激情网婷婷五月天| 久久99网| 五月色婷婷激情| AAA久久| 99热免费精品| 爽天天天天天天天| 91丨九色丨老熟女激情| 精品无码人妻一区| 99热免费观看| AAA久久| 五月丁香六月| 亚洲 欧洲 国产 伦综合| 开心五月色婷婷综合开心网| 99亚洲精品| 就要爱综合| 超碰人人干| 色色色97| 天天干一干| 91精品国产综合久久蜜芽解析速度| 色五月婷婷久久大| 国产午夜精品AV一区二区麻豆| 婷婷伊人綜合中文字幕| 色婷婷在线播放| 涩涩婷婷五月| 激情五月天偷拍综合网| 五月开心啪啪| 噜噜网免费视频| 婷婷五月天渟渟| 五月天社区狠狠| 久久久久久久久月丁| 五月人妻婷婷| 成人做爰高潮A片免费视频| 久久婷婷丁香五月一二三| 婷婷丁香久久| 婷婷偷拍网| 精品久久99码| 久er免费视频| 成人精品在线| 五月色婷婷影视在线电影| 99热这里只有精品9| 就要爱综合| 能看的av| 99热久只有精品首页| 久久HD| 袁子仪视频观看| 久草热久草在线视频| 夜夜人妻五月天| 婷婷操逼| 日本特黄aaaaa| 丁香婷婷九月在线| 丁香婷婷成人在线播放| 综合激情九月婷婷,激情综合婷婷中文字| 色五月综合激情| 人操91在线| 日本色婷婷| 99丁香五月婷| 日韩淑女人妻luan伦激情精品一区二| 色综合久久88色综合天天| 九色成人AV在线| 久久66成人网站| 天天久久婷婷| 天天干天天干天天干| 激情久久肏屄视频| 激情五月天影院| 五丁香激情综合| 丁香花社区av| www.99热这里精品| 婷婷六月综合| 婷色五月天| 少妇婷婷五月天| 五月天激情美女久久| 99精品大片| 天天肏高清在线| 色综合久久888| 婷婷四月 成人 狠狠干| 乱乱av| 色狠狠色噜噜AV天堂五区消防| 青青草五月天| 色伊人婷婷| 久久五月丁香婷婷| 成人AV在线中文版| 丁香五月Av| 51成人| 国产精品VIDEOSSEX久久发布| 天天操天天谢| 日本天堂免费99| 国产成人亚洲综合A∨婷婷| 激情合网婷婷| OUMEIRIHANCHENGREN| 精品在线网站| www.狠狠狠.com| 97婷婷五月| 激情综合网五月丁香| 久久黄色免费视频| 色婷婷aV四虎| 91热在线| 婷婷播播五月天| 99五月婷| 婷色五月| 五月综合婷婷五月| 桃色五月婷婷| 五月天婷婷激情六月久久| 午夜婷婷久久 | 亚洲bt丁香五月天婷婷激情小说| 99热狠狠操| 婷婷伊人网| 色性日本| 丁香色六月婷婷| 欧美韩国日本| 婷婷五月天在线观看| 干亚洲天堂| 开心五月婷婷综合在线精品素人| 噜噜噜狠狠色综合| 色五月色五天色情网| 一级性感黄色内射视频| 久久色五月天| 热99久久这里只有精品| 操逼六区| 欧美黄色一级录像| 在线观看免费狠狠色丁香香综合| 天天综合.com| 欧美久久网| 国自产拍偷拍精品啪啪一区二区| 这里只有精品视频在线| 桃色激情婷婷伊人网| 4438成人电影| 精品爱欲五| 情色婷婷五月天| 天天添天天摸天天天天做| 久久久五月五丁香| www.夜夜操| 99色视频| 天天日天天操天天干| 五月婷婷欧美| 五月丁香在线观看国产| 亚洲激情婷婷| 五月婷婷视频| 五月天欧美激情| 久久久激情视频| 久久久日韩特色特黄AAAA| www.五月天| 婷婷综合色五月天| 久久久久久久久久久久久久人妻视频| 婷婷久久18| 日韩在线看AV| 五月丁香激情综合| 婷婷五月天久久| 99色热视频| 日本综合色图| 激情淫乱男女| 超碰只有精品在线| 久草热在线视频| 99.N在线视频| 夜夜爽天天日| 丁香五月婷婷动漫视频| 99热偷拍| 天堂五月婷婷| 两性婷婷丁香五月| 99热在线播放| av九九| a久久| 久久婷婷色五月| 色婷婷欧美在线| 久热大香蕉| 丁香五月婷婷www..com| 最近中文字幕2019视频1| 99热综合网| 久久总和99| 婷婷五月美女直播| 五月丁香六月婷婷综合伊人| 激情五月激情综合俺也去婷婷小说| 在线观看免费狠狠色丁香香综合| 狠狠狠狠狠狠草| 无码成人AAAAA毛片AI换脸| 亚洲综合激情五月久久| 日本久热| 综合婷婷五月天| 天天婷婷色六月| 99热777| 天天日夜夜草进麻麻的子宫| 91人妻色色网| 五月丁香性爱| 婷婷五月天Av| 99日精品视频| 久久久精品99| 99欧美三级视频| 色婷小说| 亚洲99精品九九在线| 亚洲妇女熟BBW| 成人看片网站| 伊人久久婷婷| 91超级碰碰碰| 久热这里只有精品6| 999婷婷综合| 人人综合久| 大香蕉中文| 色爱综合网| 五月丁香色综合| 五月天成人综合| 天天操婷婷| 婷婷激情五月天激情| 丁香五月天在线| 日日插日日干| 五月丁香中文字幕| 79色色色色| 婷婷草| 欧美成人性爱网| 这里只有精品在线视频在线观看| 婷婷五月天综合小说网| 综合色激情| 五月花在线观看视频| 日本五月天一页| www天天爽| 丁香六月婷婷色XXXXX| 操操操Av| 久久婷婷丁香| 五月婷婷色播| 99热99干| 99久视频| 乱精品一区字幕二区| 97超碰人人操| 9+1视频网址| 婷婷五月天小说| 久久免费精彩视频| 日本精品人妻无码77777| 亚洲妇女熟BBW| 秋霞少妇AV网站| 色天使色综合| 激情久久综合网| 婷婷综合网性| 99久久综合网| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 亚洲愉拍99热成人精品| se色婷婷视频| 超碰免费观看| 光棍影院日韩精品| 爆乳熟妇一区二区三区爆乳| www.婷婷五月天| 婷婷丁香五月天婷婷| 欧美色色色| 99热99思午夜精品| 色五月婷婷视频| 五月婷婷在线观看| 97色色色| 4438激情网| 色九网| 婷婷伊人网| 国产SUV精品一区二区6| 伊人大香蕉爱聚| 丁香五月激情欧美| 丁香五月综合激情性爱| www.激情.com.| 色婷婷婷婷成人网| 婷婷成人五月天一区| 亚洲aV写真天天综合网久久| 天天爽天天日| 色欲天天综合网| 99热最新网址| yazhoujiqingav| 无码九九九九| 97人人操在线| 啄木鸟黑丝一区二区| 成人狠狠成人狠狠成人狠狠成人狠狠| 色五月婷婷色五月| 91viP在线看| 超碰在线人妻| 任你弄在线视频免费| 日韩黄色网络| 亚洲色9| 久久欧洲综合网| 丁香六月激情| 久久精品这里只有精品免费首页| 久久久亚洲精品一区二区三区浴池| 超碰97在线观看免费| 操逼六区| 五月天激情黄色小说在线观看| 99色1| 99色色网| 色五月激情网| 99@久久@99精品视频| 97热这里精品在线视频| 婷婷五月天av网| 99亚洲色色| 黄色片区子| 国产欧美熟妇另类久久久| 色婷婷影音| 午夜丁香丁香婷婷| 色丁香五月天婷婷| 九九99九九99九九99视频网| 五月丁香亭亭| 中文在线成人| 久久色五月| 夜夜操,天天撸| av在线免费播放| 激情综合一| 午夜成人av在线| 伊人婷婷大香蕉| 婷婷五月综合欧美在线播放| 99re鈥哸鈥唙| 激情深爱五月天| 丁香五月 性爱| 婷婷中文无码| 婷婷免费无视频| 亚洲情色一区| 野战J办公桌椅H| 性热视频99精品| 久色成人| 少妇性按摩无码中文A片| 亚洲激情另类| 9精品一区| 这里只有精品热| 日本色视| 涩涩五月天| 人人干99| 开心婷婷五月中文字幕组| 激情性爱五月天| 琪琪色网址| 五月天色播网| 九九热最新| 一本色综合色| 久久综合干| 丁香六月亚洲综合| 欧美99热| 丁香狠狠操| 五月丁香亚洲五月| 超碰超碰在线| 另类婷婷五月天啪帕帕| 69堂午夜视频最新地址| 日本激情91| 五月婷婷色色爱| 九月丁香婷婷| 中文字幕 中文字幕明步| 欧美交换配乱吟粗大25P| 久久婷狠狠色| 夜丁香五月婷婷| 狠狠爱综合| 99热免费精品| 丁香婷婷基地| 婷婷色情 | 99ri精品视频在线观看| 色五月亚洲开心网| 亚洲亚洲人成综合网络| 久久97| 偷拍五月丁香| 日本操B视频在线观看| 99久久精| 成人在线综合| 五月丁香天堂| 91小黄书网址在线观看| 这里只有精彩视频| 色v综合网| 99热只有这里有精品| 综合色五月亭亭| 激情涩涩网| 九九热欧美| 狠狠九九婷婷韩| 丁香五月天视频在线播放| 国产精品人人做人人爽人人添| 亚洲人妻Av| 婷婷色五月丁香六月欧美啪| 色狠狠色综合久久久绯色aⅴ影视| 99精品国产热久久91色欲| 人人草人人爱| 99天天操夜夜操| 婷婷五月天免费99| 五月噜噜噜色综合| 日本高清久久| 久青操| 五月天六月色| 亚洲成人AV电影网| 99在线国| 丰满少妇猛烈A片免费看观看| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 色色色综合网| 99在线免费视频| 99热国产婷婷| 99re思思热久久| 91人人妻人人操人人爽| 婷婷丁香色情| 超碰天堂网| 青青福利网| 中文字幕视频色婷婷| 婷婷黄色五月天在线视频| 99综合网| 这里只有精彩小视频视频网站| 成人婷婷| 丁香五月日韩| www激情| 亚洲在线操| 97久久人人操| 99re热99| 日都一级A片| 久久婷婷五月综合色播| 丁香五月久久| 久久久久网站| 99热这里只有精品9| 丁香六月天婷婷| 激情开心五月亚洲| 99热热热天天人人人超超碰| 好好日激情五月天| 91聚色综合网| 在线99热| 99ri国产| 狠狠香蕉| 婷婷五月电影| 久久五月激情| 日本久久天堂| 区区久久妻| 激情久久久| 色播五月丁香| 婷婷深爱五月| 狠狠色噜噜狠狠色噜噜噜999| 激情综合五月天| 色九亚洲| www.99在线| 影音先锋色婷婷| 色色激情| 婷婷五月在线免费| 婷婷五月色播| 五月丁香怕怕综合| 99在线精品免费视频| 久久婷婷一级片| 亚洲9久久精品| 欧美色五月| 丁香婷婷网| 五月色婷婷影院| 啪啪综合网| 99国产精品白浆在线观看免费 | 亚洲岛国电影| 亚州色色色| 97色色综合| 婷婷五月天伊人| 婷婷五月丁香五月天| 婷婷伊人綜合中文| 色五月激情综合| 婷婷视频网| 天天干一干| 激情综合网 激情五月天| 男人視頻站| 依人大香蕉| 九热在线这里有精品6| 丁香网五月天| 思思久久精品| 久九色| 色婷婷丁香五月天| 天天摸夜夜夜| 丁香婷婷综合激情五月色| 九九碰九九爱97超碰| 激情婷婷丁香色五月综合| 婷婷婷五月香蕉| 五月丁香综合啪啪| 99热国内| 久久日本wwww色| 大香蕉精品视频| 天天草天天爱| 综合超碰熟| 五月婷婷五月| 99视频只有这里精品| 2017狠狠干| 亚洲国产精品VA在线看黑人| 中文av网| 香蕉国产2013| 欧美三级巜人妻互换| 激情网婷婷五月天| 婷婷丁香色五月亚洲| 人人摸人人操人人爱| 久久婷五月综合| 婷婷五月丁香基| 亚洲综合另类| 狠狠干,狠狠操| 久草五月天| 色婷婷婷av| 色九月丁香婷婷蜜桃在线观看| 99久久99九九99九九九| 亚洲综合狠狠艹| 婷婷丁香五月麻豆| 亚洲12p| 99免费热视频在线| 五月丁香婷婷激情| 色色色区| 一本大道嫩草AV无码专区| 五月天婷婷成人网| 精品一区二区三区四区五区六区介绍| Y11111111111少妇电影院| 久久这里只有精品8| 亚洲精品午夜国产va久久成人| 激情综合网丁香| Www.se.久久| 99久视频| 五月婷婷色播| 99热在线爱| 97成人在线视频精品| 欧美交换配乱吟粗大25P| 色婷婷丁香五月| 丁香五月日啪| www.9797国产| 激情玖玖综合网| 天天干天天操天天拍| 91se在线视频| 99热爆在线| 国产这里只有精品| 66成人网| 停停色综合伊人| 久久综合五月天| 91美女艹逼网站| 亚洲婷婷五月天| 色综合伊人网| 2w在线视频| 天天爽天天爽天天爽天天爽天天爽天天爽天天 | 亚洲成人AV一区在线观看| 五月天桃色深爱网| 色婷婷AV在线| 狠狠色狠狠色综合日日91| 亚洲精品视频在线| 91婷婷在线观看| 三日本无码| 99热精品在线| 五月天停婷基地| 婷婷激情丁香六月| 色婷婷在线综合色播网| 99a级片| 99九九99九九九视频精品| 强辱丰满人妻HD中文字幕| 丁香婷婷五月天激情四射| 色色欧美色色| 婷婷爱综合| 婷婷丁香五月天哟啪| www.婷婷,com| 国产av天天插天天操天天爽| 26uuu国产| 99热9999| 天天爱综合网| 日日夜夜噜噜爽爽| 九九九九九无码| 丁香五月情色| 色婷| 美国天天操无码| 人五月天婷婷喷水| 国产乱人偷精品人妻A片| 日日夜夜干| 久久精品4| 久操97| 综合网亚洲| 天天综合影院| 中文aV网| 26uuu四色| 天天艹天天综合网| 黄色AV日韩| 丁香婷婷五月色成人网站| www.1024久久| 99网址在线观看| 婷婷五月天网| 久久婷婷成人综合色怡春院| WWW.桔色成人.COM| 99热色精品| 五月丁花六月丁香综合| 99爱在线视频观看| 五月婷婷在线网站| 亚洲色色色色色色色色色| 婷婷午夜激情| 日韩综合久久| 色五月婷婷av| 色伊人啪| 99热免费精品| 51XX午夜影福利| 激情久久五月天| 99久久精彩视频| 99久久五月丁香野外| 成人丁香五月婷| 激情久久丁香| 亚洲午夜一区二区| 888久久久| 成人网丁香五月| 色欲久久久久久综合网综合网| 五月丁香婷婷啪啪网| 五月色丁香婷婷综合| 五月亭久久无码视频|