日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)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(diǎn)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(rèn)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(bào)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(shí)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(shí)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(biāo)準(zhǔn)很簡單用 apply 之前先問自己計(jì)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(zhǔn)。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(dá)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(diǎn)性能來選擇 apply。原因很實(shí)在代碼是給人看的下一次維護(hù)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?yàn)榉植磺暹@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(biāo)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(shí)際開發(fā)中它的使用頻率很低因?yàn)榻^大多數(shù)逐元素操作都可以靠向量化完成。2. 核心細(xì)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(rèn)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(rèn) 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?yàn)檫@里的 axis 指的是“刪除/操作的坐標(biāo)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(rèn)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(jì)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?yàn)樗莿討B(tài)推斷的。總結(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(biāo)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(shí)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?yàn)?Pandas 會把返回的 DataFrame 完全塞進(jìn)結(jié)果里。實(shí)戰(zhàn)中這種情況很少見我也不建議刻意使用因?yàn)榻Y(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(rèn)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(shí)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(jì)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(shí)測下來rawTrue 的性能提升幅度可以達(dá)到 1.5 到 3 倍尤其是在函數(shù)內(nèi)部頻繁做數(shù)值運(yùn)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(biāo)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(shí)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(shí)驗(yàn)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(jì)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(shí)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(shí)際運(yùn)行的結(jié)果大致分布為實(shí)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?yàn)?apply 內(nèi)部做了更多包裝和處理但無論如何都遠(yuǎn)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(shí)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(shí)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(jì)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(yán)重。因?yàn)榘戳忻饕婕皹?biāo)簽匹配按下標(biāo)索引則直接按位置訪問。還有一個很容易被忽略的點(diǎn)默認(rèn)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(hù)的代碼比追求極致性能更重要。我通常在團(tuán)隊(duì)里強(qiáng)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(rèn)真對待。3.4 優(yōu)化 apply 的幾個實(shí)用手段如果你確實(shí)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(yùn)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(shí)戰(zhàn)拆解四個真實(shí)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(yùn)費(fèi)減免訂單金額大于 500 但普通用戶運(yùn)費(fèi)減半其余用戶全價運(yùn)費(fèi)。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(yùn)費(fèi): [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(yùn)費(fèi)] / 2 else: return row[基礎(chǔ)運(yùn)費(fèi)] df[實(shí)付運(yùn)費(fèi)] 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(dú)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?yàn)槁闊┰谟谡齽t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(xì)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(hù)。4.3 分組后的 applyGroupBy.apply 的注意事項(xiàng)groupby.apply 是一個但凡是真實(shí)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(biāo)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(rèn)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(shí)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(jì)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(jì): subtotal, 稅費(fèi): 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(jì), 稅費(fèi)]]但前提是索引對齊做法實(shí)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(bào)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(bào)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(rèn)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(hù)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(shí)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(bào) AttributeError。很多人一看到這個報(bào)錯就慌了其實(shí)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(shí)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(rèn)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(rèn)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(diǎn)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(biāo)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(yàn)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(yùn)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(xiàng)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
少妇99| 国产后入| 国产精品久久久久绯色| 中国一区二区亚洲人妻| 亚洲精品国产无码高清| 校园激情狠狠四射| 男人的天堂在线| 性做久久久久久免费观看软件| 人人操欧美风骚| 无码操逼天堂| 怡红院怡春院| 熟女精品一区二区三区| 国产精品999zyz| 欧美日韩亚洲少妇寂寞影院正在播放| 精品视频97| 免費黃色視頻觀看一| 国产精品白领在线观看 | 一本一首道人妻少妇免费久久| 欧美日韩性爱操大逼| 啊啊啊在线观看| www. 男人天堂成人在线| 国产精品一二三区福利| 亚洲欧美日韩综合在线尤物 | 乱伦系列一区二区| 亚洲欧美中文一区二区三| 蜜臀中文字幕| 欧美色另类| 色婷婷一区二区三区久久午夜| 射丝袜高跟鞋99| 99精品久久久久久久婷婷蜜桃| 天天懆天天日| 伊人91| chaopen97久久| 老熟妇一区二区三区啪啪| 91在线欧色| 亚洲黄色影视| 欧美性爱视频免费一区一A| 久久狠狠色噜噜狠狠狠狠97| 女生久久网| 国产精品3| 亚州中文字幕超碰97| 超碰在线91| 日韩成人大片一区二区| 91快色色色色色| 欧美高清18A片| 啊啊啊啊啊啊在线| 国产精品久久久久久久久久久久久久吹 | 大香蕉伊在线久草麻豆天堂故事| 色播五月丁香| 国产高潮AA片免费看| 中文字幕乱在线伦视频中文字幕乱码在线| 热无码中文亚洲H一道本一区二区| 亚洲se91| 美女91网站| 丝袜美女诱惑 91 视频| 色香欲天天天天综合色| 亚洲精品1区| 欧美爆操91| 蜜臀精品1区2区| AAAA级日本片免费视频| 又黄又硬又粗又长国产视频| 色777999综合| 日本久久久精品电影| 天美麻豆黄色录像| 九9热伊人| 欧美日动态视频| 好好的日:com久久九九| 97视频在线观看高清资源| 女人爽到高潮久久久| 婷婷五月花| 国产一区二区欧美日本| 婷婷久热| 精品人妻一区二区三区-国产| 综合国产97| 富二代亚洲精品99| 国产精品久久久久久久久久久久久久久久久久 | 天天日天天干天天色| 97视频免费在线观看| 天天做天天爱| 新亚洲无码| 四虎精品永久在线播放| 久久性爱视频免费看| 色色毛片| 级做a爱无码性色永久免费| 欧美性爽xyxOOOO| 亚洲码在线中文在线观看| 手机在线免费看的av| 操b在线观看| 美国日韩黄片| 无码丰满熟妇一区二区浪潮AV| 强奸国产在线| 亚洲一区二区精品福利| 五月天婷婷基地| 人人操av| 97爱亚洲综合色| 国产五码丝袜屁眼| 欧美色图亚洲色,麻豆| 九九九国产| 东京热天堂网| 亚洲男人综合| 天天谢天天干| 成人日本视频人妻在线| 99无码视频| 天天干少妇| 欧美黑人猛交春色影视大全| 1二区9| 色天堂在线观看| 情色五月天就去干| 久久大黄片| 国产精品久久久久久高清无码免费看| 国产高清MV操逼视频| 毛片视频白嫩| av亚洲天堂资源网站| 色偷偷综合91久久噜噜| 精品国产乱码久久久| 97色网| 在线观看亚洲成人精品| 亚洲色诱惑| 久久精视频美日韩在线视频| 天天摸天天插天天日| 第四色亚洲色图| 亚洲 综合 第一页| 少妇精品久久| 懂色av色欲av蜜臀av| 日本中文字幕在线视频| 久久AV无码1区2区3区| 天天操天天日青青草超碰av| 一区二区影视| 亚洲免费成人精品电影| 中文字幕一区二区三区蜜臀| 夜夜嗨一区二区三区三州加勒比| 天天看精品动漫视频一区| 狠狠色狠狠色狠狠五月| 日韩女优在线| 情色图区| 国产 日韩 欧美高清| 亚洲无码99| 日本精品免费一区二区三区四区| 欧美97色| 福利色色| 亚洲色悠悠久久88| 欧美操人视频| 午夜欧美女人操逼| 91美腿丝袜在线观看| 色综合超碰超| 欧美日本天堂| 日韩无码人妻中字久久三区四区| 26UUU欧美激情一区二区| 69精品人人人人| 色九九九综合| 97干在线视频| 男女一进一出视频久久| 99精品无码| 国内精品久久国产,www香蕉久久五月丁香,亚洲欧美日韩精品永久在线,日本精品一 | 欧美色图私拍91| 91精品91久久久久77777| 久久丁香久草综合网| 国产又大又硬又长又粗| 丰满精品人妻少妇久久字幕| 啊v在线观看视频| 亚洲成人免费中文字幕| 超碰色男人操熟女| 五月婷婷综合在线| 中文字幕AV片| 日产操逼| 69精品人人人人| 久久九精品| 精品一区二区三区免费古装毛片香港三级日本三级人妇 | 无遮挡男女激烈动态图| 91丨九色丨大屁股| 无卡一区=区| 人妻干天天| 91网亚洲| 天天摸夜夜摸| 国产精品国产精品国产| 亚洲美乱| 99re这里只有精品2| av在线播放国产一区| 少妇一区二区三区高速| 国模不卡| 少妇天堂网络| 超碰九7| 九九九九97| 欧美 综合| 97欧美综合网| 国产AV高清AV无码| 亚洲怡春院| av无线看| www.AV有限公司一区| 射久久| 熟女乱伦二区| 九九九国产精品| 91人妻做a观看视频| 国产精品suv一区| 男人女人18禁片免费看网站| 超碰激情808| 大JI巴好深好爽又大又粗视频| 99久久九九| 亚洲精品乱码久久久久久蜜桃麻豆| 亚洲无码超碰免费| 91jk色拍| 欧美日韩性爱电影在线| 白丝jkav| 免费一级黄色录像影片| 老汉网| 国产乱伦性爱区| 天天日天天射天天干| 欧美视频一| 一牛影视久久久一区二区三区| 精品视频一二三中文| 国产AV毛片| 免费网站观看www在线观| yiqicaoav| 丁香五月综合| 亚州欧美色图| 人妻丝袜无 码视频专区| 中文字幕人妻丝袜乱一区三区| 久久激情五月| 人妻久热在线| CCYY草草影院地址入口| 久久久∴| 91|九色|国产熟女| 91综合无码| 天天爱天天韩国日本牛牛牛牛| 热热色中文无码| 久久免费老司机精品| 人人操人人色网| 少妇国产不卡| 国产对白刺激视频| 伊人午夜福利视频| 99热在线播放| 嗯嗯啊啊好爽| 国内操逼视频二区| 艹少妇网站| 另类图片五月天| 久热免费视频| 热热色色综合| 曰韩无码777| 殴美性天天| 夜夜爽妓女| 一类av片在线看| 四虎影视永久在线观看精品免费网站 | 亚洲 欧美都市激情| 思思久热在线精品66| 欧美性,色九九| 国产强奸乱伦xd| 男人的天堂久久狠| 色墦五月丁香| 精品欧美А∨无码黑人大荫蒂| 国产成人精品一区| 色婷婷综合久久久久中文国产精品一区中文字幕,国产福利电影一区二区三区 | 国产精品第一页国产大屁股视频免费区i| 亚洲毛片一级带毛片基地| 亚州男人的天堂| 久久九九网| 久操精品| 五月天加勒比啪| 天天插天天干| 日韩性爱毛片操骚逼| av橘色网站| 屌逼传媒| 亚洲国产av中文字幕久久| 久久宗合亚洲| 男人天堂.AB| 北约熟女超碰| 97超碰超| 香蕉色网| 91九久| 浪人综合网| 97精品网| 天天干1区2区在线| 欧美天天综| 强奸乱伦大香蕉网| 3PAV乱伦视频| 熟女久久久| 欧美综合加勒比在线| 黄色片大香蕉| 久久亚洲欧美中文字幕国语| 亚洲国产97| 粉嫩小泬久久久一区二区| 天天综合网站| 人妻 中文 日韩| 狠狠爱综合网| 天天综合91入口| 爱爱动态试试看6 0秒| 精品一区二区成人动漫| 亚洲91在线播放影院| 天美传媒婬乱在| 色拍偷亚洲| 亚洲熟妇乱女区二区三区| 日本三级R| 国产亚洲精品A在线观看下载| 五月天婷婷社区| 美美91成人国产精品欧美精品久久久久久久| 亚洲精品视频在线播放| 亚洲日韩精品一区视频在线| 翔田千里A片一区二区| 97综合久第一页| 欧美一二三区四五区| 激情五月综合网| 午夜120视频在线观看| 东京热一区二区中文字幕| 国产精品69久久久久孕妇欧美 | 国产成人综合网| 国产亚洲性生活视频播放| 神马麻豆福利院| 中文字幕诱惑制服人妻丝袜美丝袜美| 国产一区麻豆免费观看| 吻戏激情性巴克| 精品一区二区人妖| 岛国免费黄色网址| 国产在线综合福利网站| 七月婷婷综合| 女生91网站| 人妻夜爽夜夜爽| 国产一区二区在线播放,久久亚洲精品中文字幕第一区,亚洲精品在线中文字幕视频 | 91精品国产91久久福利| 中文字幕三四五区| 天堂亚洲精品| 国产自偷| 蜜臀va69| 日本不卡免费二区| 午夜视频久久久| 欧美性视频二区三区| 97自拍一区| AV高清一区| 九九视品黄色| 欧美拳交在线播放| www99热| 国产AV高清AV无码| 久久一区二区三区入口| 天天躁日日躁XXXXYY| 欧美强奸乱能| 日本高清_区二区三区 | 国产一国产一级毛片古装| 黄页av| 麻豆av一区二区| 日韩射图| 超碰97伊人| v91av| 欧美热图99| 国产精品午夜福利| 亚洲丝袜二区在线| 亚洲男人天堂手机版| 亚洲色性| 中文字幕一区二区无码成人| 亚洲色电影在线| 人人妻人人爽| 色综合一区二区三区| 国产精品96| 国产精品久久| 天天干人人看综合| 日韩av性爱在线播放| 91国产操逼视频| 97久久网| 成人一道本免费视频| 综合国产影视三级| 亚洲精品毛片在线观看| 国人欧美精品一区二区| 女人爽到高潮潮喷18禁网站| www.zbzhongsen.com| 久热九九| 久久9精品视频| 人人操天天爽| 91中文精品日韩欧美在线| 九热大香蕉| 久久99草| 97亚洲自在精品在线观看| 亚洲小说视频| 黄片视频观看| 伊人网综合在线视频| 日韩精品中文字幕二区| 丁香六月天| 啊啊啊啊啊啊啊国| 亚洲无限观看| 国产一区二区精品久久久不卡蜜臀| 大香交| 东京太热男人的天堂久久久| 国产精品黑人一区二区三区| 黑丝自慰喷水网站| 色婷婷五月综合| 嗯嗯嗯啊啊啊在线免费观看| 五月天久久婷婷亚洲 | 国产免费一区| 91亚洲网站| 在线a亚洲视频播放在线| 黄色片A级一区二区三区| 国产网红精品| 中文字幕av亚洲在线| 免费观看欧美日韩操逼视频| 九九英色视频| 中文字幕第95页| 精品对白久久不卡| 无码 黑人一区二区三区| 午夜欧美女人操逼| 超碰人人乐97| 色偷偷超碰亚洲| 精品无吗m| 国产亚洲精品A在线观看下载| 久久免费精品视频免一| 97精彩视频网站| 热热色色综合| 男人的天堂va| 18禁精品网站在线看| 大香蕉啪啪啪| 98超碰日本| 日韩综合97p| 老熟女搡BBBB搡BBBB视频| 欧美 亚洲 偷拍自拍| 日韩pv中文| 91处女在线视频| 风月影院十八禁| 免费作爱一级视频| 久久大香蕉手机高清| 嫩草黄页| 人人么人人操| 久久久网站| 精品一久久久| 日韩情色一区二区| 一区二区三区四区免费视频| 97视频网站在线观看| 蜜桃精品一区二区三区久在线| 酒色综合网| 亚洲欧美日韩免费电影| 97超碰69| 日本道人妻久久久在线不卡色视频| 国产精品一区二区手机看片| 自拍鲍鱼一区在线高清观看免费| 国产乱弄免费在线视频。 | 久久九七| 中文字幕乱码在线观看| 美女极品一区二区三区| 午夜福利久久久噜久噜久久综合| 国产白丝网站| 国产黄色 A 片免费看| 俺去久久| 欧美中日韩XXXX| 国产精品一区二区校花| av婷婷色网| 99999久久精| 日韩欧美国产一区二区三区四区| 香一区二区三区| 深喉吞精| 国产精品激情久久久久久久| aaaa少妇高潮大片| 精品国产99| 中文字幕一区二区三区50路| 91性高潮久久久久久久久| 91美女视频在线免费观看| 久久久九九九| 性吧在线视频| 夜夜骑日日| …中文字幕亚洲乱,97人妻无码费视…| 黑人精品XXX一区一二区| 长长久久免费视频| 日本在线999| 国产女性无套 免费观看| 91性感网站| 岛国黄片网站| 久久人妻四季| 亚洲国产综合视频| 麻豆精品久久久久久久| 中欧人妻丝袜中文字幕| 五月天色色色| 欧美日综合| 午夜精品久久久久久久99蜜桃一| 久久久久斤小| 日韩人妻播放| 亚洲性少妇| 欧美精品一区二区少妇免费A片| 91人人看| 2024年最新色情网站在线观看| 亚洲精品丝袜-不卡成人免费……| 无码人妻系列少妇| 人人人摸人人| 熟妇亚洲一区二区三区| 亚洲精品国语在线播放| 超碰调教97| 2017天天拍大香蕉| 超碰亚洲97| 亚洲综合在线第一页| 色婷婷成人| 天天摸天天操视频| 桃色五月天| 超碰诱惑| 极品五月天噜噜| 97这里只有精品| 欧美乱色| 日韩性爱小视频| 日韩AV色图| 久久久久久久九九九九九九| 91精品婷婷国产综合久久竹菊| 亚洲国产av中文字幕久久| 99色日| 久久综合亚洲色1080p| 97碰碰日本乱偷人妻中文的| 91高清无码下载| 久久精品综合| www.天天干| 日日夜夜摸| 欧美日韩222| 日本成a人v网站在线观看| wwe 天天干.com| 26UUU欧美激情一区二区| 校园春色亚洲无码| 亚洲精品久久久久久久蜜桃臀| 凹凸 69堂 在线播放| 一区二区激情国产熟女| 欧美色www亚洲国产阿娇要播| 国产精品91ai| 精品毛片久久久精品毛片| 精品少妇一区二区三区| 久久,精品一二三| 老熟妇乱轮| 97超碰在线资源网站| 亚洲制服aⅴ中文字幕| 天天舔天天日天天射| 亚洲中文国际强奸字幕| 大香蕉手机在线| 亚洲中文字幕av| 精品无码少妇| 超碰97爽| 欧美一级黄片视频在线| 日本2020一区二区| 亚洲中文字幕妇伦久久| 韩国黄片aaaa| 校园春色亚洲色图| 亚洲 图片 欧美 色图| 亚洲AV无码AV吞精久久久久| 欧美性夜| 高跟伊人julia ann| 亚洲最大网站av| 精品黄色电影| 91色伦综合| 久久婷婷六月综合| 久久亚洲国产成人| 51一区二区三区| 日韩精品三区四区| 美女国产一区二区久久| 97干97色| 大香蕉色欲AV| 欧美激情综合| 午夜一区二区三区国产| 午夜男人的天堂| 成人熟女区| 成人在线日韩| 精品国产无码中文| 麻豆av一区二区| 日韩ab网 | 91天天美女| 国产伦精品免编号公布| 日韩欧美一级特黄大片| 国产又黄又爽| www.成人无码| 欧美日韩精品国产91| 午夜一区| 亚洲天堂中文字| 天天射日日干| 国产吹潮女在线观看| 中文字幕一区av| 一级片在线观看高清无码| 上床啊啊啊| 成人在线永久| 亚洲另类在线观看| 亚洲综合精品国产一区| 日本熟女不卡视频| 久久久日本电影| 精品无码一区二区人妻久久蜜桃| 清清一区二区三区四区不卡视频| 亚洲AV无码国产成人| 精品亚洲成人免费在线| 欧美碰碰综合色| 韩国嫰模上门援交视频| 欧美色图偷拍另类| 长长久久曰曰夜夜成人网| 免费av在线播放二区| 国产一区二区在线播放| 国产中文字幕在线| 日韩资源网| 人妻精品4K4K4K4K4| 狠狠干,狠狠操| 久久国内| 亚洲国产欧美另类自拍| 97超碰人人操人人操| 亚州欧美在线| 羞答答AV中文字| 日韩中文字幕2020| 欧美专利1区2区3区4区5区免费| 操一区| 成年人性爱日韩| 综合国产影视三级| 国产午夜精品理论片a大结局| 久久久久久久久9| 国产99999久久精品| 欧美熟妇操操视频| 夜夜操av亚洲一区二区| 淮穴色AV| 日韩久久三区| 丁香啪啪| 狼人久草| 婷婷视频网| 911粉嫩人妻| av无码av无码专区| 可以在线观看的黄色网址| 大JI巴好深好爽又大又粗视频| 欧美精品激情| 91欧| 久久97视频| 久久精品国产97欧美精品亚洲 | 91艹| 亚洲资源网| 性爱欧美五月| 超碰碰激情97+久| 亚洲AV无码| 91人妻视频在线| 日夜啪电影| 91 亚洲 欧洲| 久操综合在线| 情色日播放AV| 亚洲免费精品一区| 色噜噜国产在线| 中文字幕一区 二 区 三 四 五 区日 日 骚 | 久久久久无码| 又大又长又爽| GVH-003 母子姦 青木玲-麻豆视频,麻豆视传媒短视频网站入口,麻豆视传媒官网直 | 91熟女熟妇视频网站| 999久久久精品国产| 韩日精品四区| 亚洲情色电影网| 91蜜臀在线久久久久| 天天摸,夜夜摸| 区日韩亚洲乱码av电影| 刺激性视频黄页| 少妇毛片久久| 啊啊啊啊啊好大好舒服想要| 大奶尤物鲍汁淫荡欧美视频粉嫩夜夜骚| 日韩久久超碰色| 裸模AV女优| 少妇极品熟妇人妻无码| 久神马| 嗯~啊~快点 死我视频免费看网站| 日韩中文字幕宗合在线| 久久天堂网| 男人的天堂com| 亚洲国产97在线精品一区| 欧美se综合| 精品国产乱码久久久| 久久免费少妇| 日本羞羞的视频在线播放| 蜜乳AV.COM| 精品国产乱码久久久久久口爆网站 | 亚洲 日韩 丝袜 熟女 变态| 嫖老熟女A片一二三区| 大香蕉丝袜一级片| 亚洲 综合 欧美| 国产AV人人 夜夜人人澡| 久久久久元码视频| 欧美97av| 一级毛片电影免费看| 中文字幕日韩电影人妻| 激情综合网五月婷婷五月天| 亚洲综合成人网| 九九热男人天堂| 国产白领连续中出在线播放| 97草草| 中国韩国明星一极片一区乱码毛片人妻熟女一区二区三区 | 熟女久久| 操逼操逼操| 免费一级黄色录像影片| 国产免费久久久久| 无码91| 九九自拍伦理| 亚洲图片视频小说| 亚洲色婷婷久久91| 成人5码视频| 艹我哪美一区无码| 九九国产| 骚货操死你| 粉嫩av平台| 久久久久成人亚洲国产| 久久精品欧美一区蜜桃| 97精品综合久久网| 东京热av影院| 亚洲好看强奸乱伦| 99re视频在线观看这里只有精品| 磁力99AV| 97资源亚洲| 大香蕉一区二区在线观看.| 国内毛片免费h片在线| 亚洲综合影视| 岛国天天午夜影院传媒网| 免费A片三p视频| 久久东京国产精品视频| 欧美色66| 黑人性欧美| 日韩综合成人免费视频| 色五月综合网| 91成人社区| 日本天天干天天操一区| 粉嫩粉嫩一区性色AV片| 99国内精品| 日本亚欧爱爱| 日本高清视频xxxx| 狠狠干综合| 日韩精品大香蕉伊人在线| 粉嫩av在线| 99热伊人| 91日日夜夜| 国产黄色在线播放观看| 欧美亚性天堂| 人妻人久久精品中文字幕| 久综合国内精品自在自线| 久热免费视频| 夜夜免费视频| 伊人操你| www99热| 国产精品乱码久久久久久| 放黄片放3级黄片没穿衣服| 久久精品三级影视| 国产美女口爆吞精| 思思久热在线精品66| 综合久久婷婷| 亚洲鸥美色图| 国产亚洲精品A在线观看下载| 欧美精品日韩一区二区| 91爱看| 香蕉欧美| 啊灬啊灬啊灬好深灬快高潮了动漫-国产字幕国产在线观看-B049AV | 啊啊啊网站| 日韩中文字幕视频在线观看| 牛牛久久国产精品视频一二三| 久久午夜色播影院免费高清| 婷婷五月天影院| 欧美国产操逼| 国产一区二区三区免费视频在性观看| 亚洲免费精品一区| 91一区二匹| 欧美在线播放aaaa| 人乳av| 中文精品一区二去| 人妻精品4K4K4K4K4| 999999精品| www.99视频| 综合大香蕉美。| 欧美久久人人网| 91国产美女丝袜足交精品视频| 日韩在线国产字幕| 91 刺激在线| 99re黄| 亚洲乱熟女一区二区三区大香蕉| 加勒比av官网在线| 欧美日韩亚洲一区二区在线观看| 一区麻豆 高清中文字幕| 人妻铁牛TV| 思思热在线| 熟妇人妻精品一区二区| 综合婷婷| 亚洲黄色电影| av在线资源| 精品国产乱码久久久影院| 可以在线观看的黄色网址| 97精品视频免费| 亚洲欧洲自拍图片专区满春格| 日本免费一区二| 中文字幕蜜乳av| 久久亚洲不卡| 69天堂| 婷婷丁香五月综合| 一区二区三| 欧美综合骚| 91老女人| 亚洲 中文 女同| 久久婷婷电影网| 色诱中文字幕| 日韩熟女操逼| 亚洲精品蜜桃久久久久久久| 久久无码成人| 99精品久久久久久| 国产懂色精品国产av| 亚洲伊人青青草| 超碰99热| 色妇综合网| 久久女人一区二区三区| 欧美精品三级黄片| 91在线限制级| www.yeyecao| 超碰538| 熟女色综合久久| 亚洲高潮影院| 思思热在线| 人妻一区二区三区熟女| 久久久久日本视| 综合影院永久入口国产| 99操| 操逼1区| 久肏视频字幕| 91无码中出人妻视频| 日韩超碰97| 欧亚久久偷拍视频| 亚洲无吗在线视频| 91综合天天看| 伊人成人中文字幕久久网| 欧美组图日韩亚洲中文字幕| 日本精品免费一区二区三区四区| 精品国产丝袜一区二区三区乱码| 亚洲性图91| 99热综合| 超碰免费人妻人人| 无码操逼天堂| 婷婷五月成人| 欧美欧美啪啪视频| 亚洲色情在线影视| 国产免费永久精品无码| 青春草莓视频在线观看网址| 亚洲视频小说| 婷婷AV一区二区三区| 人妻天堂网| 色九月综合| 福利伊人玖玖国产| 草草草视频在线免费看| 美女t无毒不卡不卡| www99热| dy888午夜老子影视达达兔| 美腿丝袜高跟网免费视频免费视频| 国产女人和拘做爰视频| 精品丰满熟妇人妻一区| 精品福利视频| 插日本熟女视频| 在线不欧美| 四季AV一区二区凹凸精品小说| 婷婷91| 亚洲欧洲av影音| 大香蕉在线SuP| 夜夜嗨一区二区| 九九精品99| 99999久久精| 热久久99999| 五月婷婷六月激情| av一区二区三区四区| 精品少妇一区二区| 校园春色综合色| 亚洲精品国产精品乱码不99| 亚洲无码com| 97超碰人操| 怡红院视频在线| 91成人在线免费视频| 性综合网| 大香交| 日本熟人妻中文字幕在线|...久久国产精品-国产精品_日本一区二区三区中文字幕 | 人人操人人操人人操人人操人人操人人人11.CM| 老鸭窝日丰县女人| 精品免费一区二区三区在线亚洲人成| 亚洲AV无码成人精品久久| av毛片aaaaa免费看| 超碰97人人乐| 欧洲乱码视频| 欧美亚洲日韩人妻在线观看| 国产精品极品美女视频| 亚洲在线a| 亚洲97网站| 久草色悠悠在线视频| 婷婷久久久| 家庭乱伦性爱av| 久久在线观看免费视频| 精品国产乱码久久久久久久久久毛片| 天操天操夜操夜月操月年年操| 亚洲欧美经典一区二区| 天天草夜夜草高潮片| 亚洲欧美色图片| 人妻大香蕉| 黄总AV色图| 国产精品一二三区福利| 成人无码影片视频在线| 午夜无遮挡男女啪啪视频| 男人天堂2030| 免费国产| 婷婷另类小说| 午夜男人天堂| 五月婷婷深深爱| 日韩不卡a级视频专区| 另类TS人妖一区二区三区| 蜜臀中文字幕| julia国产在线| 97精品97久久| 在线观看A啊啊啊| 欧美日韩国产中文精品字幕自在自线,| 日韩av在线播放不卡| 国产精品人人爽人人做可爱福利 | 日韩人妻精品久久久久| 黑人狂躁日本妞一区二区三区| 国产精品黑人一区二区三区| 资源新线在线天堂| 人妻激情视频| 黑人粗大V S日韩女优视频| 熟女一区二区三区| 抽查国产福利主播| 宅男91视频在线播放| 七久久久| 日本三级中国三级99人妇网站| 96久久精品一二三区色欲| 成全在线观看免费观看| 久久 国产 无码| 亚洲男人综合| 欧美人黑A片无码免视费| 777超碰| 欧美在线电影| 99草精| 欧美淫乱视频| 少妇蹲下买菜露大唇0| 日韩一级二级三级免费看完整版国语版| 精品视频97| 欧美狠狠弄| 国产白嫩精品久久| 哈哈操电影AV| 96精品在线| 色蜜AV| 99热婷婷| www久久99| 激情五月天色色网| 欧美日韩国内不卡| 老司机射| hd成人一区二区在线| 97人人操人人摸人人爱| 凹凸久久人人| 成人三一级一片aaa| 亚洲av影院在线观看| 日本性爱网址| 黄色免费网页无码| 国产精品久久久久久片| 无色无码| JIZZJIZZ国产精品喷水| 极品极品色影院| 激情五月天色色网| 99综合视频| 人妻人人操| 黄在线| 日韩A优精品在线观看| 加勒比在线视频一区二区三区 | 91社操逼| 国产精品视频一区二区三区八戒| 人人操人人操草草| 日本亚洲熟女视频| www…国产操逼| 4399成人黄A片| 曰韩精品九九无码 | 91麻豆天美国产欧美高潮| 精人妻一区二区三区| 色五月av| 东北少妇高潮zzzz| 日韩av电影成人在线| 亚洲欧洲综合av在线| 精品偷拍13p欧美dodk视频| 亚洲第一在线视频| 精品色色| 91在线免费观看处女| 亚洲永久永久永久永久一级一级一级精品| 超碰人妻中文在线| 精品人妻一区二区三区夜夜| 另类老少妇| 精品一级| 肏逼视频日本| 无码丰满熟妇一区二区浪潮AV| 在线中文字幕极品av| 国产美女高潮叫床视频| 色墦五月丁香| 高清不卡一二三区视频......| 婷婷色网| 超碰在线综合97| 99热欧美| 91一区二区三区蜜桃| 久久精品毛片免费不卡| 爱我干综合| 东京太热久久久| 大香蕉欧美伊| 99www.bibizy香蕉资源国产一区二区三区高清 | 热99这里有精品综合久久| 国产高清视频无码在线| 在线一道啪| 久久九九综合| 67194无码不卡| 中文字幕人乱码中文字的预防方法 | 最新啪啪视频| 无码91| 成人精品视频| 高颜值美女口爆高潮浪叫| 熟妇熟女一区二区三区| 欧美日韩色综合网| 岛国精品视频在线观看| 国产精品青青草| av线电影| 97亚洲在线| 亚洲日韩美国人妻| 五月激情综合网| 久久曰曰| 高精欧美色| 99久久久久久亚洲精品不卡| 中文字幕一区电影在线观看| www.狠狠操| 国产美女91视频| 青青草在线视频美女| 中国一级αV| 国产性爱在线视频一区二区| 丁香五月偷拍| 久干网| 94色色电影网| 中文字幕奈奈美被公侵犯| 亚洲欧美国产日本一区二区三区| 97色色色综合网站| 亚洲天在线| 国产综合在线视频网站| 久久综合激情| 久久曰曰| 少妇熟女一区二区三区| 国产成人无码啪| 理论久久婷婷网 8| 久久网亚洲| 精品日韩人妻精品一二三区| 91久久婷婷| 农村妇女精品一区二区| 91n处女在线观看| 久久毛卡| 亚洲精品一二三四区| 欧美骚少妇| 国产高清视频无码在线| 婷婷丁香五月激情啪啪| 97公开久久| 少妇综合网| av资源在线观看少妇| 欧美A√综合网 | 97超碰磁| 9九九九九视频在线观看| AV在线播放网址| 岛国免费黄色网址| 熟妇人妻一区二区三区| 操熟女91| 亚洲欧美精品福利在线| 大香蕉琪琪日本女优不卡| av三级电影在线播放| 97自拍视频在线| 四虎在线观看网站| 日韩成人精品| 校园春色制服丝袜中文字亚洲| 久久久青草青青国产亚洲免观精品高清完整版_97久久综合区小说区图片区,国精品 | 欧美特大AA级黄片| 嗯嗯啊操我| 人伦四五区| www.91逼逼.com| 色婷婷综合久久久久中文一区二区| 96精品久久久| 亚洲日韩美国人妻| 97 视频在线| 蜜臀在线视频| 激情综合五月天| 999久久芭蕾| 影音先锋少妇| 久久超碰、| 日本欧美中文字幕| 一区二区激情国产熟女 | 99999精品成人| 激情五月天中文字幕色| 丁香五月激情综合| 四虎av在线| 国产精品视频白浆免费| 日本欧美色| 日本一区视频在线观看| 久久一二三级一一一| 蜜臀99久久精品久久久懂爱| www.色婷婷| 欧美美女视频| 精品色色| 综合色区偷拍| 三级三久久线久久99久目本WW| 亚洲在线A| 另类小色呦| 91女优在线观看| 亚洲97久久精品亚洲| 91成人久久| 色婷婷视频| 久久久久久久久久久久久久久久9| 久久精品人人做人人看| 欧美72网页| 中文字幕日韩专区精品系列| 熟妇亚洲一区二区三区| 色在线视频导航| 日韩精品人妻中文字幕有码午| 欧美激情激情xxxx欧美专区| 东京热激情视频一二三区| 久久久久久久9| 99热亚洲| 91综合网站| 欧美日韩国产传媒在线精品| 91综合在线| 亚洲97P| 天天操人人操狠狠插| 性性欧美| www.亚洲成人一区| 伊人97超碰| 精品九九九九| 一区二区三区四区五区高清无码永久视频| 激情综合网亚洲| 九一亚洲国产免费| 国产亚洲精品一区二区三区| 久久人妻四季| 俄罗斯一区二区视频在线观看| 亚洲诱惑| 在线观看AV片| 中文子幕一二三| 日本性爱少妇| av影院十区| 五月天激情小说| 精品免费视频国产一区| 亚洲国产一级中文综合久久天堂在线免费观看 | 亚洲无无码αⅴ每日更新| 日韩美女高潮喷水视频| 国产一区二区在线电影| 大香蕉懂9| 9/A片 | 欧美一区二区观看在线| 综合亚洲网| 久久久九97| 日本黄大片在线观看视频| 一二三四视频在线社区中文字幕| 夜嗨影院| 欧美性爱超碰97| 大香蕉在线视频15| 高潮的A片激情扒开一区| 人人操 欧美| 久久手机好看网站| 内射夫妻三片| 青木玲在线不卡| 久久久久久精品免费看A级| 欧美精品激情| 亚洲美女精品| jk白丝没脱就开始啪啪| 91蜜桃传媒精品久久久一区二区| 97电影院超碰| 夜夜草我| 国产精品3| 国产乱码久久| 成人小说视频在线精品欧美| 综合激情一一91| 97自拍视频在线| A一区片| 中文字幕二区| 亚洲午夜免费狠狠干| 欧美探花网| 国产97在线播放| 天天综合精品| 74成人在线| 国内毛片四区| 色女99一级片在线观看| 亚洲1区2区三区高清中文字幕| 亚洲熟妇A V黑人| 国产超碰在线一区| 美女黄频a美女大全免费皮| 日本不卡在线二区三区| 福利天堂| 亚洲欧美精品一区天堂久久| 日韩无码操逼片| 大香蕉伊人75|