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。

Pandas缺失值填充實(shí)戰(zhàn):fillna、插值與分組前向填充陷阱

Pandas缺失值填充實(shí)戰(zhàn):fillna、插值與分組前向填充陷阱 有一次接手一份銷售明細(xì)表三萬(wàn)多行兩個(gè)關(guān)鍵字段各有幾百個(gè)空。當(dāng)時(shí)第一反應(yīng)是dropna()一行刪干凈結(jié)果跑完發(fā)現(xiàn)月度匯總對(duì)不上——被刪掉的很多是同一張訂單的不同商品行刪掉一行整張單的金額就少一塊。那次之后我才真正把 Pandas 缺失值處理當(dāng)成一個(gè)需要做決策的環(huán)節(jié)而不是一句fillna(0)就收工。這一節(jié)聊的就是填充這條路線什么時(shí)候能補(bǔ)、補(bǔ)什么值、補(bǔ)完之后數(shù)據(jù)的結(jié)構(gòu)和類型會(huì)不會(huì)偷偷變形。它適合已經(jīng)會(huì)寫isna()和dropna()、但在真實(shí)臟數(shù)據(jù)上總是補(bǔ)出問題的朋友也適合剛看完前幾節(jié)、想看看工程里到底怎么落地的人。填充是缺失值處理里自由度最大、也最容易翻車的一環(huán)因?yàn)樗幌駝h除那樣有明確的邊界補(bǔ)什么值完全取決于你對(duì)業(yè)務(wù)的理解。1. 從刪掉到補(bǔ)回去這一節(jié)要解決的是形狀保持問題1.1 前三節(jié)留下的尾巴數(shù)據(jù)不能隨便丟刪除法之所以簡(jiǎn)單是因?yàn)樗褯Q策權(quán)交給了行數(shù)。只要dropna的參數(shù)一調(diào)剩下多少行是確定的你不用思考每一行的含義。但真實(shí)業(yè)務(wù)里行往往帶著身份。一條訂單記錄、一條用戶行為日志、一條設(shè)備采樣刪掉它等于抹掉一個(gè)事實(shí)。特別是當(dāng)你后面要做同比、環(huán)比、留存、漏斗這類強(qiáng)依賴行數(shù)完整性的分析時(shí)缺失行會(huì)被算成沒發(fā)生而不是沒記錄這兩種含義在業(yè)務(wù)上差得很遠(yuǎn)。我見過一種很典型的錯(cuò)誤某次做日活統(tǒng)計(jì)先dropna(subset[user_id])再nunique()結(jié)果日活比后臺(tái)報(bào)表低了百分之十幾。原因不是數(shù)據(jù)錯(cuò)了而是user_id缺失的那批記錄被當(dāng)成無(wú)效行清掉了可它們?cè)跇I(yè)務(wù)口徑里屬于未登錄訪客是要算進(jìn)某些指標(biāo)的。這就是刪除法的隱性代價(jià)——它不報(bào)錯(cuò)只是悄悄改變了分母。所以進(jìn)入填充環(huán)節(jié)之前先問自己一個(gè)問題這一列的缺失代表沒有這個(gè)值還是這個(gè)值沒被記錄前者可以考慮填一個(gè)語(yǔ)義占位符后者更適合刪除或單獨(dú)標(biāo)記。這個(gè)問題沒有標(biāo)準(zhǔn)答案但你必須回答因?yàn)楹竺婷恳粋€(gè)fillna的取值都由它決定。1.2 填充的三條路線與它們的代價(jià)工程里常見的填充思路大致分三類代價(jià)各不相同我把它整理成一張表方便你對(duì)著場(chǎng)景選路線典型寫法適用場(chǎng)景主要代價(jià)常量填充fillna(0)、fillna(未知)缺失本身有業(yè)務(wù)含義或后續(xù)要單獨(dú)統(tǒng)計(jì)會(huì)稀釋均值可能掩蓋異常統(tǒng)計(jì)量填充fillna(mean/median/mode)數(shù)值型特征、缺失比例不高低估方差破壞列間相關(guān)性前后值填充ffill()、bfill()、interpolate()時(shí)間序列、有順序的流水?dāng)?shù)據(jù)依賴順序假設(shè)順序錯(cuò)了結(jié)果全錯(cuò)常量填充最省事但最容易被濫用。fillna(0)放在金額列上會(huì)讓沒記錄金額和金額為零混成一類后面做分布統(tǒng)計(jì)時(shí)均值直接往下掉。fillna(未知)放在類別列上相對(duì)安全因?yàn)樽址旧砭褪且粋€(gè)明確的類別標(biāo)簽后續(xù)做value_counts()也不會(huì)丟信息。我的習(xí)慣是數(shù)值列優(yōu)先考慮中位數(shù)或業(yè)務(wù)基準(zhǔn)值類別列優(yōu)先考慮未知這類顯式標(biāo)簽只有確實(shí)存在零這個(gè)業(yè)務(wù)事實(shí)的場(chǎng)景才填 0。統(tǒng)計(jì)量填充的核心風(fēng)險(xiǎn)是方差收縮。用中位數(shù)填一百個(gè)空這一百個(gè)點(diǎn)的取值全部壓到同一個(gè)數(shù)上列的離散程度被人為壓平。如果你后面要用這列做回歸或者做異常檢測(cè)這個(gè)影響是實(shí)實(shí)在在的。前后值填充則完全依賴順序假設(shè)一旦數(shù)據(jù)沒有按正確的時(shí)間或編號(hào)排好序ffill()會(huì)把不相鄰的記錄串到一起這種錯(cuò)誤在結(jié)果上很難看出來(lái)因?yàn)檠a(bǔ)出來(lái)的值本身是合理的。1.3 先做一次缺失畫像再?zèng)Q定補(bǔ)不補(bǔ)動(dòng)手之前我一般會(huì)先跑幾行代碼把缺失的分布摸清楚這一步花不了一分鐘但能省掉后面大量返工import pandas as pd import numpy as np df pd.read_csv(orders.csv) # 每列缺失數(shù)量與比例 profile pd.DataFrame({ missing: df.isna().sum(), ratio: df.isna().mean().round(4), dtype: df.dtypes.astype(str), }) print(profile.sort_values(ratio, ascendingFalse)) # 每行缺失了幾個(gè)字段 df[_miss_cnt] df.isna().sum(axis1) print(df[_miss_cnt].value_counts().sort_index())df.isna().mean()這個(gè)寫法比sum()/len(df)更穩(wěn)因?yàn)樗诳毡砩喜粫?huì)除零報(bào)錯(cuò)??唇Y(jié)果的時(shí)候我關(guān)注三件事第一有沒有某一列缺失比例超過一半這種列填充的意義已經(jīng)不大更該考慮整列丟棄或者單獨(dú)建一個(gè)是否有值的標(biāo)記列第二缺失是不是集中在少數(shù)幾行上如果_miss_cnt的分布里有一批行缺了七八個(gè)字段那基本可以判定是采集環(huán)節(jié)斷掉了這批行應(yīng)該單獨(dú)隔離而不是粗暴填充第三缺失比例在dtype上有沒有規(guī)律比如所有object列都缺那多半是導(dǎo)出時(shí)字符編碼或空字符串的問題。提示_miss_cnt這種工作列記得在用完之后刪掉別讓它跟著數(shù)據(jù)流進(jìn)下游否則某天你會(huì)發(fā)現(xiàn)模型里多了一個(gè)莫名其妙的特征。2. isna 判不出來(lái)就等于沒缺失假缺失的識(shí)別與清洗前置2.1 None、NaN、NaT、pd.NA 四者的檢測(cè)差異很多人以為缺失值只有一種其實(shí) Pandas 里至少活躍著四種None、np.nan、pd.NaT、pd.NA。好消息是df.isna()和pd.isna()對(duì)這四種都能識(shí)別所以你日常用isna()做檢測(cè)基本不會(huì)漏。壞消息是它們的比較行為完全不同這會(huì)在條件篩選中給你埋雷。np.nan的經(jīng)典特性是它不等于自己np.nan np.nan返回False。這在寫篩選條件時(shí)非??觗f[df[col] np.nan]永遠(yuǎn)返回空表。同理df[col] ! np.nan也不是非缺失的意思它會(huì)返回全True。正確寫法只有df[df[col].isna()]和df[df[col].notna()]兩種別用等號(hào)。pd.NA是 Pandas 1.0 之后引入的標(biāo)量缺失值配合Int64、boolean、string這些可空類型使用。它的比較行為更理性——pd.NA pd.NA返回的是pd.NA而不是True或False所以拿它做布爾判斷會(huì)直接拋異常val pd.NA if val: # TypeError: boolean value of NA is ambiguous pass這個(gè)報(bào)錯(cuò)我第一次遇到時(shí)找了半天因?yàn)榇a邏輯看起來(lái)完全正常。根因是pd.NA參與布爾上下文時(shí)無(wú)法確定真假。規(guī)避辦法很簡(jiǎn)單判斷缺失統(tǒng)一用pd.isna(val)不要寫if val。NaT是時(shí)間類型的缺失值行為和np.nan類似pd.NaT pd.NaT同樣是False。2.2 字符串形式的缺失和占位符真正讓我吃虧的是假缺失。從業(yè)務(wù)系統(tǒng)導(dǎo)出的 CSV 里缺失經(jīng)常長(zhǎng)這樣空字符串、NULL、null、N/A、-、無(wú)、nan。這些在 Pandas 眼里都是合法的字符串isna()一個(gè)都不會(huì)報(bào)。你跑df.isna().sum()看到零缺失心里踏實(shí)了結(jié)果value_counts()一出來(lái)NULL排第三。這類問題必須在入口處解決不要留到填充階段。我的做法是在read_csv階段就把常見占位符注冊(cè)成缺失df pd.read_csv( orders.csv, na_values[, NULL, null, N/A, NA, -, 無(wú), nan, NaN], keep_default_naTrue, )keep_default_naTrue是默認(rèn)值它會(huì)把NaN、null、None這些常見標(biāo)記一起識(shí)別掉一般不用動(dòng)。但如果你業(yè)務(wù)里真的存在字符串NA比如某個(gè)地區(qū)代碼就是 NA那就得把它從na_values里拿掉或者用keep_default_naFalse然后手動(dòng)列全。這個(gè)取舍必須做因?yàn)橐坏┌延行е嫡`判成缺失后面補(bǔ)回去的值就全是錯(cuò)的。已經(jīng)在內(nèi)存里的 DataFrame 也有補(bǔ)救辦法df df.replace({: np.nan, NULL: np.nan, -: np.nan})replace會(huì)遍歷匹配列多的時(shí)候速度不快但勝在直觀。如果只針對(duì)某幾列寫成df[[col_a, col_b]].replace(...)再賦值回去會(huì)更快注意別漏掉賦值這一步replace默認(rèn)不原地修改。2.3 用 dtype 反推缺失來(lái)源還有一個(gè)不太起眼的排查角度看 dtype。如果一列本該是整型結(jié)果dtypes顯示float64那幾乎可以確定里面混了NaN因?yàn)檎蛿?shù)組裝不下缺失值Pandas 會(huì)自動(dòng)把它升成浮點(diǎn)。反過來(lái)一列object類型卻全是數(shù)字字符串說(shuō)明導(dǎo)入時(shí)沒做類型推斷這時(shí)候用pd.to_numeric(errorscoerce)轉(zhuǎn)一遍轉(zhuǎn)換失敗的會(huì)變成NaN這本身就是一次缺失識(shí)別。df[amount] pd.to_numeric(df[amount], errorscoerce) # 轉(zhuǎn)換后 isna 數(shù)量變化的部分就是原來(lái)的臟值errorscoerce是關(guān)鍵參數(shù)默認(rèn)的raise遇到臟值直接拋異常ignore則原樣返回不做轉(zhuǎn)換只有coerce會(huì)把無(wú)法解析的轉(zhuǎn)成缺失。這個(gè)寫法我在清洗金額、數(shù)量、評(píng)分這類字段時(shí)用得最多比正則匹配省事得多。3. fillna 的四種傳參姿勢(shì)以及 inplace 到底該不該用3.1 標(biāo)量、字典、Series、method 的選擇邏輯fillna的參數(shù)類型決定了它的作用范圍選錯(cuò)了會(huì)出現(xiàn)以為填了其實(shí)沒填或者填錯(cuò)了列的情況。傳標(biāo)量最直接df.fillna(0)會(huì)把全表所有缺失都換成 0。這個(gè)寫法在混合類型的表上非常危險(xiǎn)因?yàn)樽址幸矔?huì)被塞進(jìn)數(shù)字 0整列 dtype 變成object后面做字符串操作時(shí)全是坑。除非你確認(rèn)表里只有數(shù)值列否則不要這么寫。傳字典是精準(zhǔn)控制的主力寫法鍵是列名值是該列的填充值df df.fillna({ amount: 0, category: 未知, score: df[score].median(), })字典里沒出現(xiàn)的列保持原樣這一點(diǎn)很關(guān)鍵——它意味著你可以只處理該處理的列剩下的留給后面的邏輯。我一般會(huì)先用一個(gè)字典把每列的填充策略寫清楚相當(dāng)于把決策顯式記錄下來(lái)方便回看。傳 Series 適合每列一個(gè)不同的值且有計(jì)算邏輯的場(chǎng)景最常見的是用均值填充num_cols df.select_dtypes(includenumber).columns df[num_cols] df[num_cols].fillna(df[num_cols].mean())注意這里必須顯式選數(shù)值列。直接寫df.fillna(df.mean())在 Pandas 2.x 上會(huì)因?yàn)閙ean()遇到非數(shù)值列而報(bào)錯(cuò)老版本則會(huì)靜默丟掉非數(shù)值列兩個(gè)版本行為不一致是個(gè)典型的版本遷移坑。method參數(shù)ffill、bfill在新版本里被標(biāo)記為棄用Pandas 2.1 之后推薦直接用df.ffill()和df.bfill()。如果你維護(hù)的代碼要跨版本跑建議統(tǒng)一改成新寫法fillna(method...)雖然還能用但警告會(huì)一直刷屏。3.2 inplaceTrue 與鏈?zhǔn)劫x值的那點(diǎn)事inplaceTrue看起來(lái)省事實(shí)際上是 Pandas 里最容易出問題的一類寫法。它的問題不在于功能而在于它不返回新對(duì)象所以不能參與鏈?zhǔn)秸{(diào)用# 這樣寫df 根本沒變 df.fillna(0, inplaceTrue) # 這樣寫會(huì)報(bào)錯(cuò)因?yàn)?fillna 返回 None df df.fillna(0, inplaceTrue)第二種寫法是新手高頻錯(cuò)誤賦值之后df變成None后面所有操作全部崩掉而且報(bào)錯(cuò)信息往往出現(xiàn)在很遠(yuǎn)的地方排查起來(lái)很費(fèi)勁。更隱蔽的是視圖問題。如果你手上的df是從一個(gè)大表切出來(lái)的inplaceTrue可能觸發(fā)SettingWithCopyWarning甚至在某些情況下改的是副本而不是原表你以為改了其實(shí)沒改sub big_df[big_df[status] paid] sub.fillna(0, inplaceTrue) # 可能警告也可能不生效穩(wěn)妥的做法是永遠(yuǎn)不用inplace改成顯式賦值并且在切片時(shí)加.copy()sub big_df[big_df[status] paid].copy() sub sub.fillna(0)多寫一行賦值能省掉后面半小時(shí)的排查時(shí)間這筆賬很劃算。我現(xiàn)在的習(xí)慣是項(xiàng)目里全局禁用inplaceTrue代碼審查時(shí)看到就打回去改。3.3 limit 和 axis前向填充的真正粒度f(wàn)fill和bfill都支持limit參數(shù)用來(lái)限制連續(xù)填充的最大長(zhǎng)度。這個(gè)參數(shù)在傳感器數(shù)據(jù)、日志流水場(chǎng)景里特別有用因?yàn)殚L(zhǎng)時(shí)間斷檔往往意味著設(shè)備離線這時(shí)候繼續(xù)沿用最后一個(gè)值就是在編數(shù)據(jù)。# 最多連續(xù)補(bǔ) 3 個(gè)超過的保持缺失 df[sensor] df[sensor].ffill(limit3)axis參數(shù)決定填充方向。默認(rèn)axis0是按行往下填也就是沿著索引方向axis1是按列往右填用同一行左邊的值補(bǔ)右邊的空。后者在寬表場(chǎng)景里有奇效比如每月一列的表想用上月值補(bǔ)本月空值就可以用axis1配合ffill。但這個(gè)操作對(duì)列順序極其敏感列一旦亂序補(bǔ)出來(lái)的值毫無(wú)意義用之前務(wù)必先排序并確認(rèn)列序。還有一個(gè)limit_area參數(shù)inside表示只填充被有效值夾在中間的缺失outside表示只填充兩端的缺失。這個(gè)在時(shí)間序列里很實(shí)用因?yàn)槭孜驳娜笔荒苡貌逯笛a(bǔ)中間斷檔才是真正需要插的地方。4. interpolate 不是萬(wàn)能膠插值方法的適用邊界4.1 線性插值、時(shí)間插值、索引插值的差別interpolate()的默認(rèn)方法是linear它在缺失點(diǎn)的前后各找一個(gè)有效值按等距做線性過渡。這個(gè)等距指的是索引位置等距不是時(shí)間等距。如果你的數(shù)據(jù)是按天采集但中間跳過了周末索引不連續(xù)linear就會(huì)把周五到下周一當(dāng)成一步補(bǔ)出來(lái)的值偏保守。methodtime解決的就是這個(gè)問題它按索引的實(shí)際時(shí)間間隔加權(quán)。前提是索引必須是DatetimeIndex否則直接報(bào)錯(cuò)df df.set_index(date).sort_index() df[value] df[value].interpolate(methodtime)methodindex和values的區(qū)別在于前者用索引的數(shù)值做插值依據(jù)后者用實(shí)際數(shù)據(jù)的值做依據(jù)。日常用得最多的是time和默認(rèn)的linear其余方法按需。這里有個(gè)容易被忽略的前提interpolate默認(rèn)只填中間的缺失。如果缺失出現(xiàn)在序列開頭或結(jié)尾默認(rèn)參數(shù)下它不會(huì)動(dòng)你會(huì)看到isna().sum()還有殘留。要處理首尾就加limit_directionboth但加之前想清楚——首尾缺失沒有參照值補(bǔ)出來(lái)的其實(shí)是外推可信度要打折。4.2 多項(xiàng)式與樣條order 調(diào)大不等于更準(zhǔn)methodpolynomial配合order參數(shù)可以做多項(xiàng)式擬合插值methodspline做樣條插值。這兩種方法看起來(lái)很高級(jí)實(shí)際使用限制很多。多項(xiàng)式要求有效點(diǎn)數(shù)量至少是order 1order3就意味著缺口兩側(cè)加起來(lái)至少要有 4 個(gè)有效值否則報(bào)錯(cuò)。更麻煩的是高次多項(xiàng)式會(huì)出現(xiàn)龍格現(xiàn)象也就是在區(qū)間邊緣劇烈震蕩補(bǔ)出來(lái)的值可能遠(yuǎn)超原始數(shù)據(jù)的取值范圍。我試過在一條平穩(wěn)的溫度曲線上用order5插值結(jié)果補(bǔ)出來(lái)的峰值比實(shí)際最高溫還高出好幾度這種結(jié)果拿去做告警閾值就是災(zāi)難。樣條方法依賴scipy環(huán)境里沒裝會(huì)直接報(bào)ImportError這在容器化部署時(shí)是個(gè)常見的漏裝項(xiàng)。而且樣條同樣對(duì)噪聲敏感數(shù)據(jù)本身抖動(dòng)大的時(shí)候插值曲線會(huì)跟著抖。我的判斷標(biāo)準(zhǔn)很簡(jiǎn)單數(shù)據(jù)本身是平滑的物理量溫度、壓力、連續(xù)位移可以試試樣條數(shù)據(jù)是業(yè)務(wù)指標(biāo)訂單量、訪問量老老實(shí)實(shí)用線性或前向填充。業(yè)務(wù)指標(biāo)往往有突變和周期性任何平滑假設(shè)都不成立。4.3 limit_direction 與 limit_area 的配合這兩個(gè)參數(shù)經(jīng)常一起用配合不好會(huì)出現(xiàn)補(bǔ)了一半的情況。limit_direction控制方向forward、backward、bothlimit_area控制區(qū)域inside、outside、None。默認(rèn)組合是forwardNone效果是只填中間的缺失首尾不動(dòng)。一個(gè)實(shí)際的組合示例我想補(bǔ)中間斷檔但最多補(bǔ) 5 個(gè)且不動(dòng)兩端filled df[value].interpolate( methodlinear, limit5, limit_directionforward, limit_areainside, )如果我想把兩端的缺失也用最近值補(bǔ)上就改成limit_directionboth并且limit_areaNone。這時(shí)候首尾會(huì)分別用bfill和ffill的效果填滿但要注意這是外推不是插值。4.4 非數(shù)值列與邊界缺失的處理interpolate只對(duì)數(shù)值列有效對(duì)object列調(diào)用會(huì)報(bào)TypeError。所以批量插值前一定要先篩列num_cols df.select_dtypes(includenumber).columns df[num_cols] df[num_cols].interpolate(methodlinear, limit_directionboth)另外一個(gè)邊界情況是整列全空或者只有一個(gè)有效值。全空列插值后還是全空這沒什么可說(shuō)的只有一個(gè)有效值的列線性插值會(huì)把這個(gè)值鋪滿整列看起來(lái)補(bǔ)全了實(shí)際上是偽數(shù)據(jù)。這種情況我寧可保留缺失也不要制造一整列常數(shù)因?yàn)樗鼤?huì)嚴(yán)重誤導(dǎo)后續(xù)的統(tǒng)計(jì)。5. 分組內(nèi)的前向填充groupby transform 的對(duì)齊陷阱5.1 為什么全表 ffill 會(huì)把上一個(gè)用戶的記錄帶過來(lái)這是我在真實(shí)項(xiàng)目里踩過最狠的一個(gè)坑。有張用戶行為表按用戶分組、按時(shí)間排序中間有些字段缺失我圖省事直接全表ffill()結(jié)果第一個(gè)用戶的最后一個(gè)值被帶到了第二個(gè)用戶的第一行。數(shù)據(jù)量大的時(shí)候這種污染是隱蔽的因?yàn)檠a(bǔ)出來(lái)的值看起來(lái)完全正常只有做用戶級(jí)別的聚合時(shí)才會(huì)發(fā)現(xiàn)某些用戶的初始狀態(tài)莫名其妙。根因很直接ffill()只看行的物理順序不知道分組這回事。它眼里只有上下行沒有用戶邊界。所以只要涉及多實(shí)體數(shù)據(jù)前向填充幾乎一定要配合分組。5.2 transform、apply、直接 groupby.ffill 三種寫法對(duì)比三種寫法我都用過效果有差異穩(wěn)定性也不同。第一種是直接調(diào)用df[val] df.groupby(user_id)[val].ffill()這是最簡(jiǎn)潔的寫法Pandas 內(nèi)部會(huì)對(duì)每個(gè)分組做填充再拼回原索引對(duì)齊是正確的。我在 1.5 之后的版本里用這個(gè)沒出過問題。第二種是transform配合 lambdadf[val] df.groupby(user_id)[val].transform(lambda s: s.ffill())功能上和第一種等價(jià)但多了一層 Python 函數(shù)調(diào)用大數(shù)據(jù)量下會(huì)慢一些。它的優(yōu)勢(shì)是可以在 lambda 里塞更復(fù)雜的邏輯比如先判斷再填。第三種是applydf[val] df.groupby(user_id)[val].apply(lambda s: s.ffill())這個(gè)寫法要小心。apply在某些 Pandas 版本和某些分組結(jié)構(gòu)下返回的索引層級(jí)不一樣直接賦值可能觸發(fā)索引對(duì)齊問題結(jié)果是整列變成NaN或者錯(cuò)位。如果你非要用apply先reset_index(level0, dropTrue)把多余的分組層級(jí)去掉再賦值。我現(xiàn)在的默認(rèn)選擇是第一種簡(jiǎn)單、快、對(duì)齊可靠。只有在填充邏輯帶條件判斷時(shí)才退到transform。5.3 分組鍵本身缺失時(shí)會(huì)發(fā)生什么還有一個(gè)更隱蔽的坑如果分組鍵自己就有缺失值groupby默認(rèn)會(huì)把這些行整個(gè)丟掉dropnaFalse才會(huì)保留。這意味著你按user_id分組填充user_id為空的那批行根本不在任何分組里填充結(jié)果對(duì)它們是NaN而且原表里這些行的其他字段也不會(huì)被處理。# 默認(rèn)行為user_id 為 NaN 的行被排除在分組之外 df[val] df.groupby(user_id, dropnaFalse)[val].ffill()加上dropnaFalse之后缺失的分組鍵會(huì)單獨(dú)成一組填充邏輯才能覆蓋到它們。這個(gè)參數(shù)在 Pandas 1.1 之后才有如果你的環(huán)境版本較老就得先用一個(gè)占位符把user_id的空值替換掉再分組。5.4 多列同時(shí)分組填充的寫法實(shí)際業(yè)務(wù)里經(jīng)常需要按多個(gè)鍵分組比如按用戶 會(huì)話填充分組內(nèi)的字段keys [user_id, session_id] cols [device, channel] df[cols] df.groupby(keys, dropnaFalse)[cols].ffill()多列同時(shí)ffill時(shí)Pandas 會(huì)對(duì)每個(gè)分組內(nèi)的每一列獨(dú)立做前向填充互不干擾。但要注意如果某一行device有值而channel為空填充后的channel會(huì)取同一分組內(nèi)最近一次有值的記錄而不是取同一行的device。這個(gè)語(yǔ)義是對(duì)的但你得清楚自己在做什么。6. 填充之后的 dtype 變化與下游連鎖反應(yīng)6.1 整型列被 NaN 拖成 float這是 Pandas 里最經(jīng)典的隱形變化。一個(gè)整數(shù)列只要出現(xiàn)一個(gè)NaN整列 dtype 就從int64變成float64因?yàn)?NumPy 的整型數(shù)組裝不下缺失值。這個(gè)變化不會(huì)報(bào)錯(cuò)但會(huì)在下游引發(fā)一連串問題ID 列變成浮點(diǎn)后顯示成1.0跟字符串拼接時(shí)多出.0做主鍵關(guān)聯(lián)時(shí)1和1.0匹配不上導(dǎo)出 CSV 時(shí)整列多了小數(shù)點(diǎn)。s pd.Series([1, 2, None]) print(s.dtype) # float64規(guī)避方式有兩種。一是填充之后再轉(zhuǎn)回整型df[id] df[id].fillna(-1).astype(int64)前提是填充值本身是整數(shù)這里用 -1 做缺失標(biāo)記。二是從一開始就用可空整型Int64df[id] df[id].astype(Int64)Int64注意大寫 I是 Pandas 的可空整型能同時(shí)裝整數(shù)和pd.NA不會(huì)被迫升成浮點(diǎn)。代價(jià)是它和其他庫(kù)的兼容性不如原生int64比如某些舊版的機(jī)器學(xué)習(xí)庫(kù)拿到Int64列會(huì)報(bào)錯(cuò)需要顯式.astype(int64)或.to_numpy(dtypefloat64, na_valuenp.nan)轉(zhuǎn)換。6.2 用填充值當(dāng)缺失標(biāo)記時(shí)的一致性用-1或0這類哨兵值填充之后最大的風(fēng)險(xiǎn)是后續(xù)忘了這回事把它當(dāng)成真實(shí)值參與計(jì)算。防止的辦法有兩個(gè)一是在填充的同時(shí)建一個(gè)標(biāo)記列記錄哪些位置是補(bǔ)的二是在管道里約定哨兵值只在展示層出現(xiàn)計(jì)算前必須還原成 NaN。df[amount_missing] df[amount].isna() df[amount] df[amount].fillna(-1).astype(int64)標(biāo)記列的好處是信息不丟代價(jià)是表變寬、需要維護(hù)。我一般只在關(guān)鍵指標(biāo)列上加標(biāo)記比如金額、等級(jí)、評(píng)分這幾個(gè)直接影響結(jié)論的字段普通描述性字段就不折騰了。6.3 填充結(jié)果的回歸校驗(yàn)填充完一定要做一次校驗(yàn)看看分布有沒有被改得離譜。最省事的做法是比對(duì)填充前后的描述統(tǒng)計(jì)before df_before[amount].describe() after df_after[amount].describe() print(pd.concat([before, after], axis1, keys[before, after]))重點(diǎn)看mean和std的偏移。用中位數(shù)填充時(shí)mean通常會(huì)往中位數(shù)方向靠std會(huì)明顯下降。如果偏移超過 10%說(shuō)明缺失比例已經(jīng)不低填充本身在改變數(shù)據(jù)的面貌這時(shí)候應(yīng)該在報(bào)告里顯式說(shuō)明處理方式而不是悄悄補(bǔ)完了事。另外一個(gè)校驗(yàn)角度是分位數(shù)。填充常量會(huì)讓某個(gè)分位點(diǎn)突然堆積大量相同值quantile([0.25, 0.5, 0.75])的結(jié)果里如果連續(xù)兩個(gè)分位點(diǎn)相等基本就是這個(gè)原因。7. 時(shí)間序列里的缺失重采樣、asfreq 與業(yè)務(wù)口徑7.1 resample 之后為什么憑空多出 NaNresample是按時(shí)間頻率重新組織數(shù)據(jù)如果原始數(shù)據(jù)在某些時(shí)間點(diǎn)上沒有記錄重采樣后的結(jié)果里這些位置就是NaN。這不是數(shù)據(jù)出錯(cuò)而是頻率對(duì)齊的必然結(jié)果。比如原始數(shù)據(jù)只有工作日的記錄按自然日重采樣后周末兩天就會(huì)空出來(lái)。daily df.set_index(date).resample(D).agg({amount: sum})這里有個(gè)語(yǔ)義問題必須先想清楚周末沒有記錄到底應(yīng)該補(bǔ) 0 還是保留NaN如果是每天銷售額這種口徑周末沒交易就是 0補(bǔ) 0 是對(duì)的如果是每天平均溫度這種口徑?jīng)]記錄就是沒測(cè)補(bǔ) 0 會(huì)把均值拉低應(yīng)該保留缺失或做插值。選錯(cuò)了整條曲線的形狀就變了。我一般的判斷標(biāo)準(zhǔn)是看指標(biāo)的可加性??杉又笜?biāo)金額、次數(shù)、條數(shù)在時(shí)間維度上聚合時(shí)空檔期的合理值通常是 0不可加指標(biāo)比率、均值、溫度、價(jià)格空檔期應(yīng)該保持缺失用插值或前值更合理。7.2 asfreq 和 reindex 的補(bǔ)位邏輯asfreq是把索引轉(zhuǎn)換成指定頻率不涉及聚合純粹是補(bǔ)位。它的作用和reindex類似但更簡(jiǎn)潔ts df.set_index(date)[amount] full ts.asfreq(D)asfreq之后可以用fill_value直接指定補(bǔ)位值full ts.asfreq(D, fill_value0)這個(gè)寫法比先asfreq再fillna(0)少一步語(yǔ)義也更清楚。但要注意fill_value只對(duì)新插入的位置生效原本就存在的NaN不會(huì)被它填充這一點(diǎn)很容易誤解。reindex的優(yōu)勢(shì)是可以指定完整的時(shí)間范圍包括原始數(shù)據(jù)里根本沒有的區(qū)間full_range pd.date_range(start2024-01-01, end2024-12-31, freqD) full ts.reindex(full_range)這個(gè)用法在做年度報(bào)表時(shí)很常見因?yàn)樵紨?shù)據(jù)可能只覆蓋了部分月份而報(bào)表需要完整的 365 天。7.3 補(bǔ)位之后再做差分和同比的注意事項(xiàng)時(shí)間序列補(bǔ)完位很多人下一步就是做差分或者同比。這里有個(gè)細(xì)節(jié)差分前必須確保索引是連續(xù)的否則diff()會(huì)把不相鄰的兩個(gè)點(diǎn)當(dāng)成相鄰算出來(lái)的差值沒有意義。asfreq或reindex之后索引就連續(xù)了但如果中間有重復(fù)索引結(jié)果還是會(huì)錯(cuò)最好加一句ts ts[~ts.index.duplicated(keeplast)]去重。同比計(jì)算也是同理pct_change(periods365)依賴索引的等距性索引不連續(xù)時(shí)這個(gè) 365 就不是一年。穩(wěn)妥的做法是先把數(shù)據(jù)對(duì)齊到日頻并補(bǔ)齊再做位移計(jì)算。補(bǔ)位的值會(huì)影響同比結(jié)果用 0 補(bǔ)和用前值補(bǔ)同比數(shù)字能差出一大截這個(gè)口徑必須在做分析之前跟需求方確認(rèn)清楚不能自己拍腦袋。7.4 重置索引前的最后一次檢查補(bǔ)位和填充做完重置索引之前我會(huì)跑一遍完整的檢查清單assert df.index.is_monotonic_increasing, 索引未排序 assert not df.index.has_duplicates, 索引有重復(fù) print(df.isna().sum()[df.isna().sum() 0])第一句確保有序第二句確保無(wú)重復(fù)第三句列出仍有缺失的列。第三句的結(jié)果不一定是錯(cuò)的——有些列本來(lái)就該保留缺失但你必須逐列確認(rèn)過而不是默認(rèn)應(yīng)該都補(bǔ)完了。這個(gè)習(xí)慣幫我抓到過好幾次漏填的情況特別是那些在字典里寫錯(cuò)了列名導(dǎo)致沒匹配上的填充規(guī)則。最后分享一個(gè)我在實(shí)際項(xiàng)目里的體會(huì)缺失值處理最難的不是寫代碼而是給每一個(gè)空位找到一個(gè)能說(shuō)服自己的理由。fillna(0)只需要一秒但解釋為什么這里填 0 而不是中位數(shù)可能要花十分鐘。這十分鐘花得值因?yàn)樗诤竺婷恳淮螖?shù)據(jù)被質(zhì)疑的時(shí)候都能替你回答那個(gè)問題。我現(xiàn)在的習(xí)慣是在清洗腳本里給每個(gè)填充決策寫一行注釋寫清楚依據(jù)和影響范圍半年后回頭看這些注釋比腳本本身更有價(jià)值。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
91九色视频在线观看| 人人操人人妻| 欧美色图天堂网| 久久婷婷五月综合伊人| 六月丁香婷啪射| 九九色播五月丁香| 五月天色色色网| 日本天天操| 激情久久肏屄视频| 色色性爱视频| 五月丁香婷婷三级| 日韩抽插操逼| 婷婷丁香97| 综合日本婷婷| 精品九九久久| 久操欧美在线观看97| 亚洲综合五月| 九月婷婷久久| 九九热视频这里只有精品| 天天操天天操| 26uuu.| 亚洲综合另类| 久久国产高潮白浆免费观看99| 欧美性爱五月天| 久久五月激情综合| 激情综合色婷婷啪啪六月天| 天天干天天操天天拍| 丁香六月高清视频| ...婷婷国产成人亚洲日韩| 九月丁香婷婷| 99热都是精品| 狠狠色噜噜狠狠狠狠综合| 亚洲天堂AV综合网| 99re资源在线视频导航| 日韩成人精品中文字幕电影| 99ER热精品视频| 色五月丁香五月| 丁香六月婷| WWW激情五月天| 久青青久| 涩涩涩,com| 亚洲美女高潮久久久久久69| 天天搡日日搡aaaaⅩ| 一起草av在线观看| 欧美色色色色色色色色| 天天肏天天肏| 激情久久月| 亚洲AV久久久久久久久久久久久久久久| 五月天成人综合| 99爱视频在线| 99爱视频在线| 五月丁香激情综合| 大香蕉伊人久久| 激情五月天婷婷丁香| 99热日韩| 91日本在线观看| 婷婷 丁香 精品| 五月天激情小说欧美激情| 99热只有这里才是精品| 色综合色综合网| 日日干干天天干| 五月丁香 久久久| 都市激情久久| 免费色色色| 色婷婷手机在线| 亚洲欧美综合7777色婷婷| 亚洲在线操| 五月丁香大相交| 99碰网站| 五月丁香综合激情| 色色无码日韩| 丁香婷婷激情五月色| 婷婷六月丁香在线| 狠狠擼综合| 五月天婷婷在看| 久色成人| 五月婷综合网| 六月丁香色婷婷| 日本久久爱| 草婷婷在线| 激情婷婷五月色| 婷婷操逼网| 狠狠狠狠狠狠狠狠草| 日日婷婷不卡| 天天舔天天插天天干| 色欲丁香久久| 开心五月色婷婷综合开心网| 色色AV色色色东莞| 五月天丁香成人| 色婷婷六月天| 精品久久99| 五月丁香色色网| 99热在线观看精品| 五月综合久久| 玖玖婷婷免费| 99精品综合在线| 色操综合| 色九月欧美| 狼人狠狠操| 久久伦乱| 亚洲国产精品成人免费一区久久久在线观看AAAA | 亚洲最大成人综合网720P| 丁香五月花| 婷婷在线网| 成人.在线日韩| 精品日本视频444| 亚洲无码猫咪| 天天射天天干天插色综合| 超碰在线人人| 六月丁香激情综合网| 99'无码| 2014天天爽| 婷婷五月天激情综合深爱| 色婷婷综合影院| 久久人人添人人爽添人人片αV | 大香蕉丁香| 九月丁香婷婷综合激情| 久狠日av| 深爱激情综合网| 激情综合网激情五月丁香| 婷婷综合五月激情| 天天综合亚洲| 欧美69久成人做爰视频| 婷婷放心五日爱| 丁香六月毛片| 99这里只有精品视频免费| wwww.9免费视频| 日韩av免费版| 久久综合色五月| 操操天堂| 色99视| WWW.桔色成人.COM| 久久久久人妻精品| 97人人干| 色婷婷综合久久| 丁香五月综合无码趴趴| 日韩ac不卡无码| 久久狠狠高潮亚洲精品 天天摸夜夜摸夜夜狠狠摸 | 天天操人人干| 色婷婷丁香花五月天| 99视频在线看| 久热伊人| 中出内射的人妻视频| 99re视频精品| 99色色网| 九九操屄| 婷婷色在线视频| 99热九九这里只有精品| 亚洲一区二区无码蜜乳av| 99在线观看精品视频| 丁香五月欧美激情| 精品9197碰| 岛国午夜视频| 色色热99| 久草热视频在线观看| 91干在线| 国产黄大片在线观看画质优化| 五月丁香天堂| 婷婷香香五月| 五月婷婷开心综合| 欧美丁香婷婷五月| 丁香五月婷婷综合激情哟哟哟| 91精品久久久久久久久久久久| 综合丁香婷婷五月天| 激情综合亚洲色婷婷五月| 99热成人精品网站| 色婷婷影院| 狠狠色综合图片| 99色| 婷婷五六日| 六月丁香婷婷综合在线| 欧美婷婷| 狠狠综合区| 开心婷婷中文字慕| 婷婷五月天开心激情网| 天天插天天射| 五月婷婷色白丝| 九九色精品| 色五月色五天色情网| 大香蕉天堂| 内射在线CHINESE| 色婷成人狠干| 人人爱天天摸摸天天爱| 玖玖婷婷五月| 九月婷婷在线视频| 色色五月丁香婷婷| 丁香六月色婷婷综合| 色狠狠综合网| 免费一区二区三区| 婷婷五月天成人五月天| 思思热久热| 婷婷丁香五月亚洲17cao| 五月激情综合婷婷| 99碰超| 婷婷五月天首页| 大香蕉精品视频| 四季8848精品成人免费网站| 操97免费超级视频| 另类综合网| 日本久久人人| 欧美,日韩成人在线| 丁香婷婷色九月| 丁香五月狠狠综合欧美| www色婷婷| 婷婷五月色综合香五月| 天天想夜夜爽天天爽| 六月婷婷在线视频| 欧美色色色| AV在线二十六页| 18av天堂| 五月天婷婷伊人| 中文字幕网伦射乱中文| 九九激情网| 天天天操天天天日| 大地资源色婷婷视频在线| 91久久电影| 久久久er热| 日韩综合久| 国产成人精品一区二区三区视频| 99日本黄站| 热99只有里视频| 色99色| 9久久久| 激情综合青草| 影音先锋四区| 六月丁香啪| www.99热最新视频8| 人人操AV| 曰本久久女| 亚洲色涩视频| 激情久久久久久| 2015在线中文字幕| 狠狠色狠狠鲁| 激情综合网五月婷婷| 青青日韩| 欧美精品熟女一区二区| 99精品国产在热久久| 超碰男人色| 情婷婷五月天| 天天日夜夜| 狠狠久久婷五月| www夜夜操comwww| 九月丁香婷婷| 久久性爱视频| 噜噜操操| 亲子乱av一区二区三区的| 婷婷五月天激情综合| 九九亚洲综合| 丁香六月婷婷色播| 亚洲99精品欧美一区| 99国产精品久久久久久久久久久| 怡红院 久久| 亚洲欧美婷婷五月色综合| 变态 另类 在线| 噜噜狠狠| 成人片在线播放| 综合玖玖偷拍| www.99热. com这里只有精品| 婷婷激情四射| www.狠狠| 91久久| 麻豆精品| 色五月婷婷五月天激情综合| 九九99精品视品| 就99这里只有精品| 少妇综合网| 97久久精品| 第五色色色婷婷| 色欲色欲久久宗合网| 99re这里只有精品国产99| 婷婷亚洲天堂| AV成人在线播放| 亚洲狠狠干| 色婷婷香蕉在线| 免费日韩99| 日本91在线| 视频在线免费观看欧洲乱码| 五月天天爽| 天天插操| 久久成人精品视频| 91性交在线播放| 日本va欧美va精品发布视频 | 人妻熟女一区二区AV| 7777激情基地| 大香蕉婷婷丁香视频在线| 婷婷五月天大香蕉| 99精品在线观看视频| 婷婷六月偷拍| 婷婷五月天在线观看第二页| 亚洲AV无码电影| 婷婷五月天人妻| 日本欧美成人片AAAA| 97色色-99久久| 天天插天天插天天插天天插| 五月婷婷AV| 五月色丁香| 色色五月婷婷久久| 天天激情欧美美女| 五月婷婷日本| 这里只有精品1| 色婷婷影视99| 色偷偷狠狠| 91.www综合| 97婷婷丁香五月天激情图片| 国产精品人成A片一区二区| 久久久er热| 激情五月天视频| 五月婷在线观看| 色婷婷97| 操操碰| 99精品国产热久久91色欲| 影音先锋五月天婷婷丁香在线观看| 欧美熟女乱又伦| 亚洲视频在线观看| 五月丁香直播| 久久黄色片| 天天日天天操天天干| 99精品国产在热久久| 激情综合网,婷婷| 亚洲乱码日产精品BD在线观看| 久er7久热| 97色色网| 五月天成人网婷婷| 五月激情四射网站| 99在线观看视频| 伊人久久99| 久久久宗合| 色碰碰| 六月婷婷激情图片| 五月色丁香| 色五月网址| 日日操夜夜撸| 天天激情视频| 激情6月| 九九热这里只有精品9| 丁香五月婷婷图片综合| 思思国产99| 婷婷性爱综合| 伊人网碰碰| 日韩AV片| 97综合在线| 久热这里这里有精品| 天天综合网站| 午夜九九电影| 9精品久久999| 亚洲视频伍月婷婷| 亚洲精品视频电影| 婷婷激情社区| 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 | 五月天丁香婷婷久久九| 五月丁香六月婷婷国产视频| 99精品高潮| 伊人狠狠丁香婷婷综合尤物| 亚洲色精彩| 五月天激情国产综合婷婷婷| 激情综合六月| 婷婷五月激情小说| 激情www| 色婷婷激情五月天| 色五月首页| 色色操| 五月婷婷综合在线| 五月丁香婷婷激情澎湃四射| 97操碰人人| 婷婷九月激情| 久er7久热| 综合色五月亭亭| 天天摸夜夜夜| 激情久久久久久久久久久| 丁香五月天堂| 日日干夜夜撸夜夜骑| 国产精女同一区二区三区久| 99色色网| 99在线观看视频免费| www.色五月| 婷婷日日夜夜| 黄色三级日本| 国外亚洲成AV人片在线观看| 婷婷五月天成人网站| 99热高清在线| 激情五月久久| 三十路磁力链接| 五月丁香A∨在线| 人人97碰| 日本ww亚洲| 色婷婷激情视频| 亚洲精品视频电影| 激情五月婷婷丁香六月| 成人综合视频网址| 女人天堂AV| 丁香六月婷婷综情欧美| 97色干在线观看| 日本一级一级一级一级| 成人做爰高潮A片免费视频| 日在线V视频在线播放| 51精品国内探花| 99热主页日本| 爱性综合网| 婷婷五月天 丁香五月天 裸体| 丁香五月天综合| 婷婷在线播放av| 操老逼综合网| 婷婷五月天网址| 丁香五月激情婷婷视频| 久久看九九90| 九九99九九99| 丁香五月婷婷亚洲综合精品在线| 婷婷丁香综合| www.色婷婷| 天天操,夜夜骑| 人妖色AV色综合| 天天干夜晚夜操| 色综色五月天婷婷| 天天久久狠狠色综合| 国产精品久久久久9999小说| 丁香六月综合| 色青青五月| 99热精品网| 日日天天干| 色婷婷丁香五月天激情综合网| 欧美日韩成人在线免费| www.夜夜操| 无码操B| 另类天堂| 碰久久精品w| 欧美熟女99| 这里只有精品99视频| 久热爱大香蕉在线蜜臀悦色 | 国产成人VA| 亚洲久艹| 操操啪| 天天狠狠干| 激情五月婷婷丁香六月| 亚洲国产成人AV在线| 五月天另类视频| 这里只有精彩亚洲视频推荐| 天天做天天爱天天搞| www婷婷色| 午夜]香婷婷深深爱| 亚洲综合在线伊人婷| 丁香五月天激情网| 9191avse| 五月婷婷五月丁香| 婷婷黄色五月| 五月丁香啪啪啪| 五月天成人免费视频| 六月丁香射婷婷欧美色图片 | 六月丁香婷婷五月天| 99精品久| 99热久| 五月丁香激情综合网| 久久久久久久久久久久久久人妻视频 | ..真实国产乱子伦对白在线_欧| 第四色五月婷婷| 欧美黑人巨大猛烈cuckold| 五月丁香色婷基地综合久久| 国产成人综合亚洲| 少妇高潮一区二区三区99欧美| 婷婷五月丁香综合人妻| 天天骑日日爽| avv在线| 少妇2做爰HD韩国电影| 69久久99精品久久久久婷婷| 亚洲精色| 色爱综合视频| 另类激情五月| 九色综合网| 色五月天综合网| 婷婷五月天视频亚洲| 丁香五月婷婷深五月| 一区二区三区XXXXXX| 五月丁香| 色爱综合网| 17.c黄色| 婷婷基地成人五月天| 日本97在线| 丁香五月狠狠在线观看| 玖玖资源在线视频| 殴美日韩成人| 五月天色色网站| 2050人人操免费工开爱 | 91chinese在线| 九九婷婷五月天| 五月天天天开心激情网| av在线资源| 久久久久九九九九视屏小说88| 99这里有精品视频| 99综合久久| 开心深爱激情网| 艹| 激情五月天丁香| 亚州色综合| 人妻第九页| 丁香五月天综合| 亚洲色夜| 九九热视频思思| 九九视频网| 免费啪啪亚州视频| 在线超碰精品| 超碰亚洲欧美| 91狠狠综合久久| 久久婷婷五月综合伊人| 亚洲久久激情| 99视频热| 激情综合网,婷婷五月天| 国产欧美日韩性爱| 91超碰在线播放| 日韩性爱无码| 精品综合网在线| 99精品偷自拍| 久久97| 九九色热| 久久Xx| 亚洲色模骚货| 五月婷婷九| 成人婷婷五月天| 五月丁香日本一抹本| 成人婷婷| 亚洲视频国产一区| 色五月婷婷天堂| www.99精品日操伊人乱碰在线| 色五月大香蕉| 996er热| 99操久久| 亚洲AV网址| 婷婷欧美| 五月婷婷综合丁香视频| 女高怪谈在线观看| 99久久大片| 毛片新网地| 性婷婷| 五月综合激情图片| 激情六月婷婷啪啪| 97精品人人A片免费看| 99超级碰免费视频| 99久热这里只有精品| 色婷婷大香蕉| 五月天伊人综合| 天天日天天舔| www.婷婷五月天| 可以直接看的av| 99热6色| 这里只有精品视频在线看| 婷婷丁香成人网址| 天天天天天色| 婷婷丁香五另类网站| 激情五月婷婷欧美极品| 亚洲成色综合网站免费观看| 九九热视频首页/这里只有精品| 九九这里只有精品在线视频| 草综合网| 99热最新精品| 天堂AV三级| 婷五月天天| 九九九九国产| 超碰99在线| 激情综合五月| 亚洲九区| 激情婷婷丁香五月天小说| 婷婷六月色| 五月丁香六月在线欧美| 这里有精品99| 亚洲sesesese| 色婷婷五月天天天天天| 99小精品| 影音先锋激情网| 森林影视大全,最好看的2019年视频 | 丁香五月天堂亚洲社区| 岛国AAAV| 久久久久久婷| 天天色天天操天天射| 综合激情站| 色婷婷综合久久久久| 91色综合| 五月婷婷AV| 99热综合| 中文字幕日产A片在线看| 五月婷婷激情综合| 人妻熟女一区二区AV| 成人AV在线中文版| 1024欧美看片| 99人人干人人操| CAOBIBI| 超碰99热精品| 婷婷五月天六点丁香五月| 婷婷五月综合久久中文字幕| 丁香六月婷婷开心| 婷婷五月中文在线| 色在线五月天免费| 天天天日天天天干| 亚洲日日日| 热99这就是精品视频| 丁香五月AV| 99热播放| 婷婷五月天小说| 国产人妻人伦精品一区二区| 亚洲精品一二三| 特黄三级又爽又粗又大| 激情综合色婷婷啪啪六月天| 97色久| 亚洲第一黄网| 免费AV黄在线播放| 激情都市五月天| 天天爽天天日天天舔| 综合网激情| 99热爱爱干干日| 婷婷五月色天| 日逼AV影音先锋男人资源站| 人操91在线| 黄网在线免费播放| 五月激情丁香五月| 狠狠干狠狠干狠狠干狠狠干| 第四色婷婷丁香五月| 中文字幕成人影视| 成人丁香五月| 五月婷婷色欲| 色色影院黄大片| 五月丁久久| 婷婷中文综合网| 99九九热视频| 久久婷婷五月天| 日 日干 日日做| 天堂草在线观看| 亚洲第一综合| 丁香婷婷深情五月亚洲| 国产精产国品一二三在观看| 日日噜噜久久婷婷五月天| 伊人婷婷大香蕉| 性色人人爽| 天天干天天干天天干天天干天天干天天| 婷婷王月天影院| 综激情网| 中字幕视频在线永久在线观看免费| 懂色av粉嫩AV蜜臀AV| 91九色 婷婷| 性爱网久久| 森林影视大全,最好看的2019年视频 | 99热| 九九美女视频| 九九香蕉网| 综合xx网| 天天爽天天摸天天爱| 91久久久久久久久久久| 538在线精品| 九九激情视频| eeuss人妻| 婷婷五月色网| 一区二区免费看| 99激情视频| 久久综合五月天激情小说网站| 99啊精典免费视频| 99在线爽| 天天爽天天摸人妻综合网| 五月色婷婷影院| 疯狂做受XXXX高潮A片动画| Www.se.久久| 欧美99热| 久久开心五月婷婷| 91操片| 中字幕视频在线永久在线观看免费 | 日本五月丁香| 狠狠插狠狠操| 五月婷婷影院| 综合激情四射一theav| 久久99精品九九久久久婷婷| 伊人婷婷五月| 综合久久综合久久| 婷婷综合中文| www.精品99| 先锋资源 996| 97干网站| 婷婷97色| 综合久久五月天| 五月婷成人网| 丁香激情五月| 丁香五月手机在线| 99精品网| 丁香五月婷婷天堂大香蕉| 婷婷五月丁香六月伊人网| 狠狠色综合精品视频在线| 开心深爱激情网| 曰本久久女| 91精品久久久久| 99热久草| 99视频这里有精品| 六月婷婷最新网址| 天天草狠狠擦| 午夜婷婷久久| 国产免费性爱| 91婷婷丁香| 天天天天天久久久久久| 五月色丁香| 五月婷婷色白丝| 99精品这里只有免费视频| 五月天com| www.99色| 五月天婷婷基地综合网| 久久五月婷天天干| 激情五月婷婷五月| 冬月かえでAV无码播放| 五月丁香六月婷婷色| 丁香五月AV| 亚洲狠狠爱婷婷| 伊人久久婷婷| 婷婷淫淫狠狠六月| 亚洲精品久久久无码| 99九九在线精品热动漫| 亚洲国产va| 色久综合| 久久99看免费| 成人性爱精品视频| 天天肏夜夜肏| 五月丁香六月婷婷成人| 一本综合丁香日日狠狠色| 久久这里只有精品99| 狠狠久久婷婷| 成年人99热| 五月丁香偷拍| 欧美日韩国产一区| 丁香五月婷婷手机| 搡BBBB搡BBB搡18| 91操片| 一本久道综合色婷婷五月| 天天弄天天操| 人妻综合网| 丁婷婷五月天在线播放| 亚洲亚洲人成综合网络| 99热自拍| 色五月婷婷亚洲最大| 八戒青柠影视剧在线观看| 乱码操操| 色综合色| 日韩在线视频9色| 久青青久| 久婷婷色| 91日本在线| 丁香97综合| 久热最新视频| 色色色99| 九九色人| 少妇性按摩无码中文A片| 97碰碰叉| 夜夜操少妇| 激情丁香五月婷婷| 色婷婷中文在线| 深爱开心激情| 国产精品久久久久久久久久免费 | 婷婷丁香成人五月天| 久久九九视频| 亚洲免费综合一区| 婷婷丁香人妻| WWW.桔色成人.COM| 99综合色色色| 草草视频91| 性高潮久久久久久-九九九九九九九九九九热-成人AV| 思思热久久久在线| 中国操逼99| 婷婷色女| 国产成人网| 一本久道综合99| 五月激情站| 日韩人人操| 这里只有九九精品| www.色婷婷| 91碰碰碰| 久久婷综合| www.色9| 日日操夜夜撸| 综合日本婷婷| 五月激情丁香| 超碰狠狠干99| 日日夜夜青青草| 五月激情婷婷在线| 超碰成人在线观看| 婷婷色啪| 九九九九中文字幕| 色播婷婷五月天| 91男人操女人视频| 伊人青草成人| 午夜五月天| 五月婷婷影院| 五月婷婷六月情| 婷婷五月情| 亚洲成人av在线播放| 婷婷五月天成人网站| 久久精彩视频18| 六月丁香婷婷尤物| 99国产精品久久久久久久久久久| 五月天色综合服务平台| 96精品成人无码A片观看金桔| 色色亚洲无码| 婷婷丁香五月天激情| 精品热青草| 深爱丁香激情| 国产乱妇无乱码大黄AA片| 丁香五月天激情五月天激情五月天激情网| 亚洲五月婷| 思思热久在线观看视频| 大香蕉九九| 亚洲AV激情五月综合网| 无码激情AAAAA片-区区| 玖玖精品视频99| 91蝌蚪窝视频在线| dingxiangtingtingliuyue| 99热在线极品极品| 99小视频网站| 玖玖九九9999在线观看视频精品| 五月天精品视频| 99热全是精品| 99视频只有精品| www.sebowuyue| 五月天开心色情网| 色播五月婷婷| 能看的av| 激情亚洲五月| 97碰碰免费.视频| 人人噜天天上| 97碰在线免费观看| 综合网啪啪| 中文字幕综合网| 久久这里只有精品8| 日韩草草草草草草草草草草草草| 嫩草AV久久伊人妇女超级A | 成人国产欧美大片一区| 久久精品小视频| 婷久久高清| 99爱视频免费| 久9免费视频| 色色丁香| 99在线观看免费精品视频| 69精品人人人人| 俺去也在线视频| 98热精品| 精品人妻在线| 激情综合色| 激情六月天| 婷婷六月天亚州| 91n网站cad入口在线观看| 丁香在线视频| 五月婷色色| 91色色色| A A色色| 久久一伦| 婷婷少妇激情| 亚洲国产精品成人免费一区久久久在线观看AAAA | www.天天干| 亚洲视频二区| 91操碰| 亭亭五月天黑人2014| 99啪视频在线观看| 午夜激情综合| 丁香色情五月天| 欧美日韩成人在线网站| 99久久99九九99九九九| 国产精产国品一二三在观看| www,婷婷五月天,com| 人人看人人97| 啪啪啪大香蕉| 婷婷五月天影视| 日本偷拍九九九| 97人人搞| 另类图片激情五月天| 色欲AVV| 五月开心网| 丁香五月激情六月欧亚激情综合导航| 五月婷婷综合网| 欧洲第一久色| 久久免费操| 99精品网| 99热在线观看亚洲区| 亚洲AV第二区国产精品| 五月丁香在线| 丁香五月色情| 99啪啪网| 五月婷婷性爱| 丁香激情综合| 五月婷婷色影院| 国外亚洲成AV人片在线观看| 成人丁香婷婷| 亚洲第一成人无码A片| 性无码专区无码| WWW,五月| 色综合网址| 精品国产乱码久久久久久免费| 婷婷深爱五月丁香| 99熟女| 久色精品| 丁香婷婷色情| 激情六月五月婷婷综合网| 99久久天堂婷婷| 久操热| 狠狠狠狠狠草| 亚洲熟女色| 激情第四色| 色婷婷丁香五月天在线观看| 婷婷五月天成人在线视频| 日韩综合成人| 五月天丁香婷| 午夜九九电影| 免费AV在线| 99视频内射三四| 婷婷五月丁香在线视频| 亚洲色色色色色| 成人久碰| 欧美日韩999| 婷婷五月天第四色| 色六月婷婷| 中文字幕有多少字| 五月婷婷影| 狠狠狠狠狠狠狠狠草| 99热第一页| AV中文在线| 天天日天天摸| 色五月激情问网站| 操逼五月天| 日本天天操| 丁香六月婷婷色XXXXX| 伊人99热| 婷色综合| 欧美性丁香色色五月天干干| 五月婷婷天| 秋霞免费三级片| 超碰成人在线免费观看| 日日噜噜夜夜狠狠久久丁香六月| 精品五月天| 深爱激情中文五月天av| 97超碰在线观看免费| 99碰碰| 婷婷丁香小说| 欧美久久五月婷婷| 91九色 婷婷| ..真实国产乱子伦毛片| 色色色婷婷五月天| 色色丁香激情五月| 99色这里| 欧美精品A片一区在线观看| 五月婷婷六月激情| 成人在线日韩欧美| 天天爱天天做天天爽| 中文资源在线a | 九九亚洲视频| 97丁香视频| 丁香五月激情五月| 狠狠做深爱婷婷久久综合一区| 丁香六月婷婷久久综合八月| 美国不卡视频| 色婷婷成人做爰A片免费看网站| 五月婷婷在线观看黄| 色五月婷婷、老熟女| 人妻激情综合| 91操女| 久久五月视频| 操操自拍| 色噜噜在线| 9.1综合网| 色99免费视频中文| 精品人妻伦九区久久AAA片| 99在线视频资源| 色色网站免费观看| 久色网| 蜜臀99久久精品久久久久| 99精品偷自拍| 色呦呦美女| 五月色丁香视频精品| Av狠狠色丁香婷| 色色五月婷婷久久| 五月婷婷色欲| 99热国产这里只有精品| 俺去也综合| er99免费视频在线| 中文字幕在线免费观看视频| 午夜色丁香| 少妇水多A片太爽了| 99热9| 国产激情综合五月久久| 久久五月天激情视频| 色丁香五月婷婷| 日本波多野结衣视频| 国产亚洲色婷婷久久99精品91| 五月停停999| 色丁香婷婷| 热无码A∨| 超碰在线看| 久久婷婷草| 男人的天堂婷婷色五月| 五月天婷婷丁香| 亚洲网站999| 97 A I色色| 久久这里都是精品视频| 婷婷六月天| 精品爱欲五| 狠狠干,狠狠操| 激情五月丁香社区| 欧州色色| 六月丁香婷婷开心综合基地| 5月婷婷视频网站综合| 综合久久高清| 另类图片五月天婷婷| 婷婷色色亚洲| 超碰精品在线| 婷婷综合五月| 狠狠狠狠狠干| 丁香五月综合亚洲| 情情五月天色| 色五月婷婷天天干| 99玖玖免费视频| 婷婷九月在线| 婷婷五月成人社区| 欧美电影在线观看| 婷婷狠狠操| 大香蕉五月婷婷| 天天插天天日| 日本VA视频| 日日噜狠狠色综合久久| 五月天成人在线视频丁香| 久久网站免费亚洲| 九九色色网| se99热久久一本| 另类图片五月天婷婷| 国产成人综合亚洲| 色一情一乱一伦一区二区三区| 六月丁香激情网| 91碰超| 日本天天操| 99热这里只有精品无码| 天堂五月婷婷| 五月视频日本免费观看| 色婷婷手机在线| 久热91| 色婷婷久久天天性爱| 色色色天堂网| 婷婷五月超碰| 亚洲黄网在线| 亚洲成人无码专区| 香蕉久久国产AV一区二区| 国产伦亲子伦亲子视频观看| 成年人丁香五月| 色久女| av在线免费网站 | 激情www| 99热这里只有精品1025| 婷婷五月激情网| 色天五月天在线观看视频| 五月丁香六月久久| 色色色色综合网| 女操碰| 日韩黄色网络| 波多野结衣AV无码Porn| 久久 无毛。| 天堂网操| H亚洲| 婷婷伊人综合| 97色射| 婷婷色色网站| 国产成人精品一区二区三区视频| 777精品久无码人妻蜜桃| 色婷婷五月天| 狠狠综合| 九九综合久久| 狠狠爱综合网| 欧美肉大捧一进一出免费视频| 丁香激情网| 亚洲综合激情五月久久| 无码人妻少妇色欲AV一区二区| 精品一二三区久久AAA片| www久久久| 婷婷97狠狠成人网站| 91蜜桃婷婷狠狠久久综合9色| 五月婷婷激情| 日日干日日| 免费视频WWW在线观看网站| 成人综合网站| 丁香香蕉射射射| www.91五月| 99超碰欧美| 久久九九Com| 国产性爱大片久久| 五月婷婷久久爱| 91久久精品视频| 午夜日韩久久久网站| 五月激情综合性爱| 九九热在线99| 色5月婷婷色| 99热综合网| 色婷婷电影网| 九九这里只有精品在线视频| www.minyis.com【JT】实力收量可预付TG@LXSPSW8 | 婷婷五月天影视首页| 99婷婷国产最新视频| 色五月婷婷av| 亚洲综合成人网| 99精品在这里| 天堂成人A片永久免费网站| 国外亚洲成AV人片在线观看| 成人AV在线中文版| 97干在线视频精品店| 五月丁香 狠狠爱| 97在线干| 大香蕉婷婷五月| 五月婷婷免费在线| 五月天激情站| 丁香六月婷婷色XXXX| 国产精品久久7777777精品无码| 久久色这里只有精品| 啄木鸟丝袜美女福利视频| 天天色视频| 91要啪| 久久精品性爱| 四川BBB搡BBB搡多人乱亂| 丁香综合| 久久艹网| 婷婷九月综合| 丁香亭亭久久| 色情五月天se| 9久热这里只有精品| 天天透天天爱| 中文字幕综合| 26UUU精品一区二区| 男妓跪趴把舌头伸进我的嘴巴| 亚洲亚洲人成综合网络| 99A片| 五月激情婷婷国产精品久久久久久| 天天久综合网永久入口17v| 91操片| 伊人丁香六月婷婷| 国际国外精品欧洲南美洲专区无码不卡| 婷婷五月视频| 91狠狠色丁香| 色婷婷久久| 久综合网| 激情操逼婷婷| 色 五月 天 婷婷 丁香 九月| 天天噜日日噜综合无码| 狠狠看狠狠| 丁香社区婷婷五月| 色五月婷婷老师| 五月丁香啪啪综合| 丁香五月天激情综合| 激情网 久久| 亚州婷婷五月激情综合| 草草夜夜操| 真实熟女-91九色| 色呦呦美女| 丁香五月天AV在线| 丁香五月在线视频黑人| 激情综合网五月婷婷| 可以直接看的AV| 成人做爰高潮A片免费视频| 丁香九月激情在线视频| 色你久久| 日韩啪啪网| 99热日本| 婷婷五月天狠狠色| 色婷婷电影| 中文字幕乱码亚洲精品一区| 亚洲在线播放| 91九色网| 精品综合久久久久久五月天| 久久婷婷超碰| 婷婷五月激情欧美大胆视频| 绿色小导航AV| 91操熟女| 激情丁香五月激情婷婷| 五月丁香婷婷免费视频| 日日综合网| 日日操夜夜擼| 久久新地此| 久久丁香五月婷婷激情综合网| 日日操,天天操| 五月天丁香| 激情五月天丁香| 色色色1网址| 亚洲AV人人操| 99热首页在线30| 丁香六月婷婷综合欧美| 91碰超| 天天插天天射| 人人草碰| 丁香色五月婷婷17C| anquye五月| 99热天堂| 国产精品18久久久| 久久99精品久久久久久三级| 深爱婷婷基地| 婷婷五月天在线观看免费| 91超碰在线观看| 韩日另类| 久一网站| 婷婷丁香五月天色区| 六月激情网| 99爱爱| 亚洲欧美日韩另类| 国产伦理精品高清在线观看网站一区二区| 乱轮A片| 97视频91| 欧美日本韩国亚洲| 91艹人| 天堂五月婷婷| 五月丁香香蕉| 成人做爰A片免费看网站找不到了| 九九中文字幕九| 五月天亚洲图片婷婷| 久久机热这里只有精品| AV中文在线| 97碰 在线视频观看| 五月丁香A片| 华人在线免费| 五月花激情| 五月丁香A片| 日韩三级片一区二区| 九九色综合九九色| 久久99综合| 色综合色色色色| 思思久久精品视频| 久久这里只有精品8| 禁欲电影完整版在线播放| 婷婷五月,偷窥偷拍网| 天天操夜夜夜拍拍拍| 亚洲人妻电影| 色色三级视频| VA色婷婷| 婷婷丁香成人五月天| 亚洲综合五月| 青青操丝袜美腿| 人人操Av| 99热99极品观看| 精品久久久91久久影视网| 伊人久久大香网| 97婷婷五月天| 五月天综合网| 色婷婷情片| 99热这里只有精品一| 亚洲激情av| 99热很操老逼| 99在线精品视频免费| 丁香五月在线观看| 中文字幕欧美日韩VA免费视频| 色五月色图| 五月天色婷婷基地| 夜夜骑夜夜撸| 色五月婷婷伊人| 亚洲国产精品成人va在线观看| 99热播放| 色天使色综合| 欧美成人无码一区二区三区| 操日视频| 丁香五月玖玖| 色婷婷综合久色AV五色最新| 色五月中文网| 男人操女人高潮91视频| 大香网伊人久久综合| 婷婷色激情五月天| 色久综合| 欧洲不卡视频| 婷婷日日夜夜| BBWCUCKOLD精品熟妇| 五月婷婷啪啪啪| 噜噜色婷婷| 91人人人人人| www.99热日韩.com| 96丁香六月婷婷蜜桃综合久久| 9热网站| 天天摸天天舔在线视频| 丁香激情四射| 综合久久首页| 六月丁香五月亭亭|