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)運營的一線實戰(zhàn)洞察。

用Python分析Spotify聽歌記錄:從數(shù)據(jù)清洗到可視化的完整實戰(zhàn)

用Python分析Spotify聽歌記錄:從數(shù)據(jù)清洗到可視化的完整實戰(zhàn) 最近整理個人數(shù)據(jù)的時候順手把Spotify的聽歌記錄導(dǎo)出了一份然后用Python做了個相對完整的分析。說實話這個項目屬于那種“工作量不大但收獲感很強”的類型適合剛學(xué)數(shù)據(jù)分析的人練手也適合老手快速摸清自己的音樂偏好。你不需要能訪問什么內(nèi)部接口只要會基礎(chǔ)的Python和pandas就能跑通。先說結(jié)論整個流程分四步——向Spotify申請導(dǎo)出個人數(shù)據(jù)、拿到JSON格式的播放歷史文件、用pandas清洗和統(tǒng)計、再用matplotlib做可視化。每一步都有坑但都不深認(rèn)真看完這篇基本能一次跑通。下面我從項目設(shè)計講到編碼實現(xiàn)再講我實際跑數(shù)據(jù)時踩過的幾個問題最后補充一點用API擴展分析的玩法。1. 項目拆解先從“聽歌數(shù)據(jù)”里能挖出什么1.1 這個項目為什么值得做很多人以為聽歌數(shù)據(jù)就是“我聽了多少分鐘”“我最愛的歌手是誰”但實際上Spotify導(dǎo)出的原始數(shù)據(jù)包含的時間、時長、曲目和歌手信息能組合出非常多維度。比如說你能知道自己在一天中的哪個時段最沉迷音樂周末和工作日的聽歌習(xí)慣有什么差異單曲循環(huán)最多的歌是哪幾首甚至通過播放列表的歷史記錄反推自己口味的變化軌跡。這種分析的意義不在于“看排行榜”而在于把散落在云端的行為痕跡變成可量化的自我觀察。對Python學(xué)習(xí)者來說它又是一個真實、非玩具的數(shù)據(jù)集包含時間解析、字符串處理、分組聚合、排序篩選這些高頻操作比翻教科書上的示例數(shù)據(jù)有代入感得多。1.2 數(shù)據(jù)來源對比主動導(dǎo)出和API接口怎么選在做任何分析之前第一件事是搞清楚數(shù)據(jù)從哪來。Spotify的數(shù)據(jù)獲取有兩種主流方案一種是直接在賬戶設(shè)置里申請導(dǎo)出數(shù)據(jù)文件另一種是通過官方API按需拉取。兩者看著都叫“數(shù)據(jù)”但差別很大。主動導(dǎo)出走的是隱私數(shù)據(jù)下載流程你需要在Spotify賬戶頁面的隱私設(shè)置里找到“Download your data”提交申請后等郵件通知。下載的文件是一堆JSON和HTML的壓縮包其中最重要的就是StreamingHistory開頭的JSON文件里面記錄了每次播放的曲目、歌手和結(jié)束時間。這個方案更適合做歷史全量分析因為它能把幾年前的數(shù)據(jù)都給你。API方案則靈活能實時查詢當(dāng)前播放的曲目、獲取歌單詳情、拉取音頻特征數(shù)據(jù)但它需要注冊開發(fā)者應(yīng)用拿到client_id和client_secret而且默認(rèn)配額也只覆蓋用戶授權(quán)范圍內(nèi)的數(shù)據(jù)歷史播放記錄并不能完整回溯。我的建議是做歷史回顧用導(dǎo)出文件做實時擴展用API兩者不沖突。1.3 整體分析流程設(shè)計我把整個項目拆成了五個階段這樣寫代碼和排查問題都清晰階段一數(shù)據(jù)獲取申請導(dǎo)出并解壓確認(rèn)文件結(jié)構(gòu)。階段二數(shù)據(jù)導(dǎo)入用Python讀取JSON拼接成DataFrame。階段三數(shù)據(jù)清洗處理時間字段、空值、異常時長。階段四統(tǒng)計分析按小時、星期、月份、歌手、曲目分組。階段五可視化生成排行榜和趨勢圖輸出結(jié)論。這五個階段不是串行的實際情況中經(jīng)常要回頭改。比如我清洗完發(fā)現(xiàn)時間列變成了帶時區(qū)的對象導(dǎo)致分組統(tǒng)計的結(jié)果差了8個小時又得折回去重新處理時間字段。所以你寫代碼的時候不必追求一次完美先把流程跑通再逐步優(yōu)化反而高效。2. 環(huán)境準(zhǔn)備與數(shù)據(jù)導(dǎo)入把數(shù)據(jù)格式搞清楚2.1 Python環(huán)境與依賴庫這個項目需要Python 3.8以上版本核心依賴只有三個pandas負(fù)責(zé)數(shù)據(jù)處理matplotlib負(fù)責(zé)畫圖numpy在個別計算里偶爾會用到。如果你還沒安裝命令行里直接執(zhí)行pip install pandas matplotlib numpy如果你用的是Anaconda這三個庫默認(rèn)就有連安裝都省了。我在Windows環(huán)境跑通后又在Linux服務(wù)器上跑了一次代碼不需要改動說明跨平臺沒問題。建議你直接在項目目錄下建一個虛擬環(huán)境避免依賴沖突。Python虛擬環(huán)境的管理工具我用的是venv夠用不需要上conda那些重工具。提示虛擬環(huán)境不是可選項。我見過很多人在全局環(huán)境里裝包結(jié)果某個庫的版本升級把其他項目弄崩了。用venv隔離后這個分析項目的依賴就鎖死了不會波及你別的項目。2.2 StreamingHistory結(jié)構(gòu)的詳細(xì)解讀Spotify導(dǎo)出的壓縮包解壓后常見的文件夾叫MyData里面會有多個文件。我只關(guān)注StreamingHistory它通常按照數(shù)據(jù)量拆成多個文件命名規(guī)律是StreamingHistory0.json、StreamingHistory1.json以此類推。每個文件內(nèi)部是一個JSON數(shù)組數(shù)組里每個對象代表一次播放記錄字段結(jié)構(gòu)固定如下[ { endTime: 2024-11-01 18:30, artistName: 鋼琴曲收藏家, trackName: River Flows In You, msPlayed: 172000 }, { endTime: 2024-11-01 18:33, artistName: Yiruma, trackName: River Flows In You, msPlayed: 92000 } ]四個字段的含義非常直白endTime是這首歌播放結(jié)束的本地時間精確到分鐘artistName是歌手名trackName是曲目名msPlayed是實際播放的毫秒數(shù)。注意它記錄的是“結(jié)束時間”而不是“開始時間”這會影響你后續(xù)對時段的分析口徑。我在第一次做小時分布圖時就踩了這個坑后面會專門說。還有一點值得注意msPlayed并不等于歌曲總長度而是Spotify實際計算到的播放時長。用戶手動切歌、斷網(wǎng)重連、跳過前奏都會產(chǎn)生各種不一致的播放時長。這也意味著你可以在分析時對時長做很多文章比如判斷哪些歌是播完的哪些是秒切的。2.3 數(shù)據(jù)加載與合并的完整代碼拿到文件之后讀取的邏輯很簡單但要注意路徑別寫死最好讓腳本自動掃描目錄下的所有StreamingHistory文件import pandas as pd import json import glob # 掃描當(dāng)前目錄下所有StreamingHistory文件 files glob.glob(StreamingHistory*.json) print(f找到 {len(files)} 個播放歷史文件) # 逐個讀取并合并 all_dfs [] for f in files: with open(f, r, encodingutf-8) as fp: data json.load(fp) df pd.DataFrame(data) all_dfs.append(df) print(f{f}: {len(df)} 條記錄) df pd.concat(all_dfs, ignore_indexTrue) print(f合并后總記錄數(shù): {len(df)})這段代碼里有個小細(xì)節(jié)encodingutf-8必須顯式指定不然在Windows中文環(huán)境下容易觸發(fā)UnicodeDecodeError。還有拼接DataFrame時設(shè)了ignore_indexTrue這樣行號會連續(xù)遞增后面做過濾或去重會更方便。讀完之后建議先看一眼數(shù)據(jù)長什么樣確認(rèn)列名沒有因為版本更新而變化print(df.head()) print(df.dtypes)如果一切正常你會看到endTime是object類型、artistName和trackName是object類型、msPlayed是int64類型。這個類型分布很關(guān)鍵object代表它是Python字符串int64代表它是整數(shù)后續(xù)所有處理都基于這個認(rèn)知展開。3. 數(shù)據(jù)清洗與核心統(tǒng)計讓零散記錄變成可讀指標(biāo)3.1 時間字段處理與時區(qū)注意項時間處理是整個項目里最容易出錯、也最影響后續(xù)分析的環(huán)節(jié)。Spotify導(dǎo)出的endTime字符串格式是“YYYY-MM-DD HH:MM”沒有秒也沒有時區(qū)信息。我的建議是先把字符串轉(zhuǎn)成pandas的datetime類型這樣后面按小時、星期、月份分組非常方便df[endTime] pd.to_datetime(df[endTime])這里有一個隱藏問題endTime到底記錄的是哪個時區(qū)從我的實際數(shù)據(jù)來看它用的是你賬號當(dāng)時所在位置的本地時間。如果你長期在同一個時區(qū)那就沒什么影響如果你經(jīng)??鐕眯谢蜷_了代理節(jié)點那么小時分布圖里會出現(xiàn)明顯的“幽靈時段”。這種情況沒有完美的修正方案因為你無法從導(dǎo)出文件里反推出每個時刻的真實偏移量。我的處理辦法是假設(shè)絕大多數(shù)記錄都來自常住時區(qū)這個假設(shè)在統(tǒng)計框架下是可接受的。時間列轉(zhuǎn)成datetime之后我習(xí)慣同時生成幾個衍生列后面能少寫很多重復(fù)代碼df[date] df[endTime].dt.date # 日期 df[hour] df[endTime].dt.hour # 小時 df[weekday] df[endTime].dt.dayofweek # 星期幾0周一 df[month] df[endTime].dt.to_period(M) # 月份 df[duration_minutes] df[msPlayed] / 60000 # 播放時長單位分鐘這里最簡單也最實用的衍生列就是duration_minutes。因為msPlayed動輒十幾萬肉眼完全沒法讀比如172000毫秒你心算要反應(yīng)幾秒但轉(zhuǎn)成2.87分鐘就一目了然了。后面所有“播放時長”的分析我都用這個派生列。3.2 播放時長過濾先把噪音去掉真實數(shù)據(jù)里很大一部分記錄的msPlayed都非常小。比如幾秒鐘就切歌了或者不小心誤觸播放了三秒就暫停。這些數(shù)據(jù)如果不過濾會嚴(yán)重干擾你對歌曲真實熱度的判斷——它計數(shù)了但并沒有實際的收聽價值。我的過濾標(biāo)準(zhǔn)是只保留播放時長大于等于30秒的記錄。為什么選30秒而不是10秒因為多數(shù)平臺的“播放一次”標(biāo)準(zhǔn)是30秒你用這個閾值算出的播放次數(shù)和平臺官方統(tǒng)計口徑能對上。當(dāng)然你也可以用60秒看你想分析什么。如果你關(guān)心的是“哪些歌我連30秒都撐不過”那這堆短時長記錄本身就是很好的分析素材。df_valid df[df[duration_minutes] 0.5].copy()過濾之后數(shù)據(jù)量通常會有10%到20%的縮減。這種“丟棄”不是浪費而是讓后續(xù)分析更聚焦。同時我建議把原始df保留在內(nèi)存里別急著覆蓋因為后面做對比分析時可能還會用到。3.3 核心指標(biāo)計算總時長、歌手畫像、曲目熱度處理完數(shù)據(jù)第一個要算的指標(biāo)是“總播放時長”。這個值直觀適合用來描述個人音樂消費的總體水平total_hours df_valid[duration_minutes].sum() / 60 print(f有效播放總時長: {total_hours:.1f} 小時)接著看歌手維度。我習(xí)慣同時算兩個視角按播放次數(shù)排名和按累計播放時長排名。這兩個排名經(jīng)常不一樣差異本身就是信息。比如某位歌手的歌你經(jīng)常單曲循環(huán)那它按次數(shù)排名會很高但如果某個歌手的歌都是五六分鐘的長歌每次你也都能聽完整首那按時長排名就會更靠前。# 按播放次數(shù)排名 artist_count df_valid.groupby(artistName)[trackName].count().sort_values(ascendingFalse) # 按累計播放時長排名 artist_duration df_valid.groupby(artistName)[duration_minutes].sum().sort_values(ascendingFalse) artist_stats pd.DataFrame({ 播放次數(shù): artist_count, 累計時長_分鐘: artist_duration }) print(artist_stats.head(10))曲目維度的分析類似但要考慮同名歌曲的問題。不同歌手可能有同名歌曲所以groupby時最好同時按artistName和trackName分組才夠精確track_stats df_valid.groupby([artistName, trackName]).agg( 播放次數(shù)(duration_minutes, count), 累計時長(duration_minutes, sum) ).sort_values(播放次數(shù), ascendingFalse) print(track_stats.head(10))這一步跑完你已經(jīng)能回答“我最常聽的歌手和歌曲是什么”這個最基礎(chǔ)的問題了。但我還想多提一個指標(biāo)就是單曲循環(huán)率。它可以用“播放次數(shù)超過20次的曲目數(shù)量”占“去重后曲目總數(shù)”的比例來表示。這個比例越高說明你的聽歌偏好越固定越不容易接納新歌比例越低說明你的歌單越多元。這個指標(biāo)不高深但很有個人洞察加成。4. 可視化與結(jié)果解讀用圖表講出你的聽歌故事4.1 圖表選型與中文字體配置統(tǒng)計數(shù)字能說明問題但一張好圖的信息密度往往比十個數(shù)字更高。我的可視化選型原則很簡單能簡潔就不復(fù)雜能用柱狀圖就不堆三層嵌套。這次項目里最常用的幾個圖如下Top 10 歌手柱狀圖橫向柱子好讀歌手名字不會被截斷。24小時播放量分布柱狀圖一眼看出夜間和高峰。每周各天播放量柱狀圖對比工作日和周末差異。月度播放趨勢折線圖展示時間跨度的變化。做圖之前必須先配置中文字體否則matplotlib默認(rèn)字體里沒有中文坐標(biāo)軸的標(biāo)簽全部顯示成方框。我的配置如下import matplotlib.pyplot as plt plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] Falseaxes.unicode_minus也很關(guān)鍵。不設(shè)成False的話圖表里的負(fù)號會顯示成亂碼方塊雖然聽歌數(shù)據(jù)很少涉及負(fù)數(shù)但圖例和坐標(biāo)軸有時仍會觸發(fā)這個問題。這兩個配置放在腳本開頭全局生效。4.2 四張最有信息量的圖第一張圖是Top 10 歌手播放次數(shù)柱狀圖。我用的是橫向條形圖因為歌手名字一般都比較長橫向排列閱讀更自然top_artists artist_count.head(10)[::-1] # 反轉(zhuǎn)順序讓最大的在頂部 fig, ax plt.subplots(figsize(10, 6)) ax.barh(top_artists.index, top_artists.values) ax.set_xlabel(播放次數(shù)) ax.set_title(Top 10 歌手播放次數(shù)) plt.tight_layout() plt.savefig(top_artists.png, dpi150)第二張圖是24小時播放量分布。這部分?jǐn)?shù)據(jù)能反映你的作息習(xí)慣比如你是夜貓子還是早鳥午休時間是不是也在聽歌hourly_play df_valid.groupby(hour)[duration_minutes].sum() fig, ax plt.subplots(figsize(10, 5)) ax.bar(hourly_play.index, hourly_play.values) ax.set_xticks(range(0, 24)) ax.set_xlabel(小時) ax.set_ylabel(累計播放時長分鐘) ax.set_title(24小時播放時長分布) plt.tight_layout() plt.savefig(hourly_distribution.png, dpi150)第三張圖是星期分布。周末和工作的對比通常非常明顯。有人周末聽歌多因為時間自由有人反而工作日通勤路上聽得多周末安靜下來反而不開音樂。第四張圖是月度播放趨勢折線圖。如果你的數(shù)據(jù)跨越兩三年這張圖能清晰地展示你對音樂的熱情是逐年上升還是逐漸冷卻。我看自己的數(shù)據(jù)時發(fā)現(xiàn)年中有一個明顯的低谷回頭看那是工作最忙的幾個月份音樂消費直接腰斬。4.3 結(jié)果解讀圖表背后能看出什么圖做出來后不要只發(fā)“哦真好看”要學(xué)會解讀。比如我在自己的數(shù)據(jù)里發(fā)現(xiàn)了一個很有意思的現(xiàn)象周末深夜的播放量占比明顯高于工作日。這說明我的聽歌行為不只是“通勤時段”還承擔(dān)著放松助眠的功能。另一個解讀維度是累計播放時長的周期性。如果月度趨勢圖里出現(xiàn)明顯的季節(jié)性波動先別急著下結(jié)論想想是不是因為寒暑假、年終加班季、或者某個月迷上了播客導(dǎo)致純音樂時間被擠占。這種觀察不一定準(zhǔn)確但它能引導(dǎo)你回到原始數(shù)據(jù)里去驗證這本身就是數(shù)據(jù)分析的正循環(huán)。5. 常見問題與排查技巧實錄5.1 UnicodeDecodeError和中文亂碼這是Windows用戶最容易踩的坑。讀取JSON文件時如果不指定編碼或指定錯了編碼會出現(xiàn)UnicodeDecodeError: gbk codec cant decode byte類似報錯。解決方案就是所有open操作都顯式指定encodingutf-8讀JSON用utf-8寫CSV時加上encodingutf-8-sig。utf-8-sig比utf-8好在哪它會在文件開頭寫入BOM標(biāo)記這樣你用Excel打開CSV時中文不會亂碼。如果只用utf-8Excel默認(rèn)用ANSI解析中文就全變問號了。這個細(xì)節(jié)我吃過兩次虧第一次還以為是pandas的問題后來才明白是編碼標(biāo)記的鍋。5.2 數(shù)據(jù)量大導(dǎo)致內(nèi)存和性能問題有些人的播放歷史跨度很長數(shù)據(jù)量可能達(dá)到幾十萬條記錄。這種情況下直接pd.concat拼接所有StreamingHistory文件通常還是沒問題但如果你的電腦配置比較老每次運行腳本都要等好幾秒體驗會下降。我常用的優(yōu)化手段有幾種一是在讀取時就刪除不關(guān)心的列比如如果你不分析專輯信息就不加載它二是只保留需要的字段盡早減小DataFrame的尺寸三是用df_valid df[df[duration_minutes] 0.5].copy()過濾后及時把中間變量釋放掉。還有一點是如果StreamingHistory拆成了幾十個文件你可以改成循環(huán)里邊讀邊拼接而不是先存一個大list再concat內(nèi)存峰值會低很多。如果你后續(xù)還要做更多計算可以把清洗后的結(jié)果存成pickle或parquet格式下次直接讀取比重新跑一遍JSON解析快得多df_valid.to_pickle(spotify_history.pkl) df_loaded pd.read_pickle(spotify_history.pkl)5.3 時間統(tǒng)計差8小時或13小時這是時區(qū)問題最常見的外在表現(xiàn)。我在第一次跑24小時分布時發(fā)現(xiàn)凌晨時段幾乎沒數(shù)據(jù)高峰出現(xiàn)在下午5點到晚上7點但我的真實聽歌高峰明明是睡前11點左右。排查半天才發(fā)現(xiàn)原始時間字段里存的是UTC我卻按本地時間處理了。后來統(tǒng)一把endTime轉(zhuǎn)成datetime后又用dt.tz_localize(UTC).dt.tz_convert(Asia/Shanghai)做了顯式轉(zhuǎn)換數(shù)據(jù)才正常。不過要再次強調(diào)Spotify導(dǎo)出文件的endTime通常是本地時間并不是UTC。所以遇到時間偏移問題時不要盲目套用tz_convert先單獨打印幾條原始記錄對照你自己的真實聽歌時刻確認(rèn)偏移方向再動手。5.4 播放時長出現(xiàn)0或者少數(shù)異常大值有些記錄msPlayed是0說明歌曲可能改成了私密會話或者播放被打斷得非常快。另一些記錄可能是幾個小時的播客或者某個直播類音頻msPlayed會比普通歌曲長很多達(dá)到幾萬秒。如果這些極端值混在歌曲分析里會導(dǎo)致你的“最常聽歌曲”排名被播客或環(huán)境音霸榜。我的處理方法是做一個使用場景判斷如果你只想分析音樂類曲目可以按播放時長設(shè)置一個上限比如超過30分鐘的記錄全部剔除或者單獨挑出來歸類為“長音頻”。按需過濾后歌曲排名才會回歸正常。5.5 去重與重復(fù)記錄原始數(shù)據(jù)里有一個容易被忽略的問題同一首歌曲在同一天內(nèi)播放多次時會生成多條記錄這本身是正確的但如果你不小心用相同的處理邏輯跑了兩次數(shù)據(jù)合并會導(dǎo)致記錄數(shù)翻倍統(tǒng)計結(jié)果直接失真。我建議在腳本里打印一個“總記錄數(shù)”的校驗值并且在不同階段重復(fù)打印比對。如果發(fā)現(xiàn)數(shù)字異常翻倍多半是腳本被重復(fù)執(zhí)行了或者concat時沒有排除掉已讀入的文件。還有一個去重場景是同一秒鐘或同一分鐘內(nèi)出現(xiàn)兩條完全一樣的記錄這很可能是Spotify因為網(wǎng)絡(luò)重試機制導(dǎo)致的重復(fù)上報??梢杂胐rop_duplicates()按關(guān)鍵列去重df_clean df_valid.drop_duplicates(subset[endTime, artistName, trackName, msPlayed])去重數(shù)量通常很少但如果有最好還是在統(tǒng)計之前干掉免得“最熱歌曲”被重復(fù)計數(shù)虛高。6. 擴展玩法用API補充音頻特征分析6.1 spotipy接入與授權(quán)流程本地導(dǎo)出數(shù)據(jù)能告訴你“聽了什么、什么時候聽、聽了多久”但它回答不了“這些歌聽起來是什么風(fēng)格、能量多高、是否憂傷”。這就要借助Spotify官方API來補全音頻特征了。Python生態(tài)里最常用的庫是spotipy安裝一行命令搞定pip install spotipy使用之前需要先去Spotify開發(fā)者后臺創(chuàng)建一個應(yīng)用拿到Client ID和Client Secret。然后通過用戶授權(quán)流程獲取訪問令牌。這個流程不是直接把賬號密碼交給腳本而是通過OAuth協(xié)議讓用戶在瀏覽器里確認(rèn)授權(quán)安全性其實更高。我第一次用的時候覺得繁瑣但看完流程就明白了它本質(zhì)上和你用微信登錄某個網(wǎng)站是一個邏輯。6.2 獲取音頻特征的代碼示例授權(quán)完成后spotipy會返回一個client對象你可以拿著歌手名或曲目名去搜索再通過track id獲取音頻特征。音頻特征里包括danceability、energy、valence、acousticness等數(shù)值全部在0到1之間。import spotipy from spotipy.oauth2 import SpotifyOAuth sp spotipy.Spotify(auth_managerSpotifyOAuth( client_id你的client_id, client_secret你的client_secret, redirect_urihttp://localhost:8080/callback, scopeuser-library-read )) # 示例搜索一首歌并獲取特征 results sp.search(qRiver Flows In You, typetrack, limit1) track results[tracks][items][0] features sp.audio_features(track[id])[0] print(fdanceability: {features[danceability]}) print(fenergy: {features[energy]}) print(fvalence: {features[valence]})拿到這些特征后可以和你前面統(tǒng)計出的“高頻曲目表”做關(guān)聯(lián)看看你反復(fù)聽的歌到底偏high還是偏low、偏歡快還是偏憂郁。我跑完發(fā)現(xiàn)我的高頻曲目里valence平均值明顯偏低這倒是符合我平時用音樂平靜心緒的習(xí)慣。6.3 擴展玩法的更多可能性音頻特征還可以組合出很多有意思的分析方向。比如把一天24小時拆成幾段分別計算你在每個時段播放歌曲的平均energy值很可能發(fā)現(xiàn)早上聽歌能量高、晚上能量低這種規(guī)律?;蛘甙衙恐苊刻斓膙alence均值畫成熱力圖配合星期數(shù)據(jù)看情緒波動。接口本身還有推薦功能能基于音樂特征生成相似曲目推薦。我知道有些朋友把這個項目做成了自動化周報每周自動分析聽歌習(xí)慣變化然后推送到郵箱或聊天軟件。這些都是后話但說明這個項目的擴展空間很大夠你玩很久。我在實際跑完整套流程后最有感觸的一點是分析自己聽歌數(shù)據(jù)最大的收獲不是一張張圖表而是突然理解了自己很多無意識的行為模式。比如我從來沒意識到自己在深夜時段播放的歌曲重復(fù)率那么高也沒想到周末中午會有一個明顯的播放空白期。這些洞察不靠數(shù)據(jù)分析很難浮出水面。如果你也想試著跑一遍建議先從導(dǎo)出數(shù)據(jù)、計算總時長和Top歌手開始跑通之后再慢慢往上加?xùn)|西這個項目沒有標(biāo)準(zhǔn)答案做得越多、越像你自己。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
成人乱码一区二区三少妇| 日韩成人人妻网站| 大鸡巴久久| 国产最火爆久久国产网站网站| 亚洲AV无码黄色强奸| 蜜臀99久久国产| 国产毛片在线| 亚洲少妇自拍中文字幕懂色| 日本欧美亚洲高清在线看| 亚洲中文字幕日产无码久久| 日韩中文字幕精品一区在线| 懂色AV一区二区三区| 超碰 欧美| 抽查国产福利主播| 中文字幕日韩电影人妻| 中文久久96| 在线综合 亚洲 欧美中文字幕| 人妻人久久精品中文字幕| 97超碰69| 天天操天天射青青草| 午夜男人的天堂| 久久久com| 精品无人区麻豆乱码1区2区图片| 97精品视频| 这里只有精品视频| 国产高清午夜成人在线观看| 欧美色997| 日韩高清黄片| 天天操天天舔| 午夜毛片高清免费不卡| 火箭成精品视频884必出精品| 在线观看AV片| 亚洲爽图| 亚洲美欧999| 性爱边摸边日免费AV| 天天影视综合色| 99re国产精品视频| 丰满人妻-区二区三区免费看| 婷婷丁香五月天亚洲天堂网| 亚洲欧洲偷拍一区| 高清在线不卡一区二区 视频| www.AV有限公司一区| 亚洲码专区| 操婢日韩| 日欧操屄| 黄色免费一级在线毛片| 超碰在线免费一区二区三区| 97爱b| 超碰日本97美女人妻人人玩人人爱| 麻豆久久久久久久久丝袜| 色天使亚洲综合在线观看| 久久久精品中文字幕麻豆| 色婷婷激情| 免费毛片在线播放| 在线女人91| 99热精品青草在线| 六月婷婷激情| 熟妇在线视频一区二区| 精品久久久久,69国产成人精| 乱日视频| 婷婷久草一区二区三区| 美女诱惑1区2区| 天天日少妇逼AV| 激情婷婷| 亚洲美女30b| 97硬碰| 91麻豆天美国产| 97超碰免费生活| 九九九久久久久| 国产精品高清2021在线| 蜜乳AV免费观看| 啪啪自拍九九综合| 亚州操逼图| 亚洲国产精品99久久久| 国产浮力影院第1页| 午夜男人av| 佐山爱中文字幕| 久久久久久久久久久97| 青青草中日韩在线| 一区二区三| 天天视频黄| 一线黄色免费性爱片| 日韩色欲久久一二三四区| 成人aⅴ一区二区三区| 国产熟女免费观看久久| 国产成人网址| 搡老女人老91妇女熟女| 成人资源中文字幕在线观看天天| 亚洲美女 晚间男人天堂 | 夜夜夜爽www精品视频| 精品视频一区二区| 377p欧洲日本亚洲大胆| 五月天激情国产综合婷婷婷| 1区2区3区中文字幕日韩| 少妇色综合| 天堂精品| 久久爽爽精品| 91欧美成人色站| 精品女人999| 青青草男人天堂| 天天干夜夜肏| CCYY草草影院地址入口| 久久精品国产72国产精品福利| 精品区国产区一区二区三区| 大但人体久久久久| 天天日天天舔天天喷天天射| 99精品无码| 免费观看日本操逼视频| 亚洲高潮少妇| 一中国女人毛片水真多| 色好看av| 国产原创精品| 亚洲午夜蜜臀| 日本不卡一区| 欧美爱国产综合、| 91精品国产91综合久久蜜臀| 日韩精品中文字幕一| 夜夜爽爽爽| 亚州欧美综合| 国产精品免费日韩| 天堂射| 国产精品久久久久久高清无码免费看 | 人人人摸人人| 嗯阿好爽好紧| 亚洲成人精品久久久| 抽插亚洲无码| 亚洲一区二区麻豆影院| 东京热男人天堂| 九九久久一区二区伦理| 91久久堂| 欧美性爱另类综合| 亚洲一二三四区| 日本高清电影欧美色图| 91狠狠综合| 欧美午夜精品久久久久久超碰| 亚洲欧洲无码bt精品合集| 亚洲午夜AV| 9久久美女首页| 精品中文字幕第一页| 久久m| 亚洲天堂另类| 九九九综合精品| 深夜激情| 69AV女优男人的天堂| 日韩欧美日韩| 97久久久久久久久久| 国产精品99久久久www| 97在线免费观看| 精品国产一区探花在线观看| 美女主播色欲91抠b在线播放| 伊人专区一区二区三区| 国产精品午夜福利| 97日视频| 天天色悠悠激情| 成 人 影视 一区 二区 三区 四区 | 日本中文字幕不卡视频| 91丝袜人妻| 无码99| 国产亚洲中文不卡二区| 偷拍精品一区二区三区| 9久久精品| 高潮综合网| 麻豆天美国美国产| 色天使AV天堂| 亚洲欧美日韩偷拍色图| 夜夜騷av、一區二區| 粉嫩在线一区二区懂色| 在线观看一级α片刺激高潮视频| 亚洲美女高潮喷水视频| 美女爽爽爽刺痛洞洞| 久久9久9久99久9久9| 日韩AV熟女乱伦| 黄色网址在线免费观看| 久久男人精品| 97干天天| av在线一区二区三区| 久草午夜| 久久专区| 五月婷亚洲精品天堂| 亚洲美腿丝袜香蕉影视欧美成人| 亚洲国产另类在线中文| 91老熟女视频| 熟女激情综合网| 91天天| 狠狠久久手机视频精品| 天天日夜干| 婷婷丁香五月天综合东京热| 成人激情无码在线视频| 很很热性爱视频| 中文字幕成人理论在线| 人人人人人人少妇| 又摸又舔在线观看网站| 乱操9999| 亚洲av噜噜噜噜噜噜| 亚洲精品xxx| 99视频内射三四| 99久久这里只有精品| 大香蕉日韩| 97精品一区二区视频| 日韩免费看黄片| 午夜高清成人在线视频| 欧美狠狠弄| 嗯嗯啊好大| 国产伊人精品在线| 国产一区二区三区免费视频在性观看 | 国产福利精品最新在线 | 任我爽视频在线观看| 91欧美巨乳| 1024午夜激情男人的天堂| 亚洲男人在线观看天堂| 久久东京伊人一本到鬼色| av一区二区三区 中文| 久久久久久久久久久久久9999| 色色青青久久| 操逼操逼视频操逼| 中文字幕日韩专区精品系列| 肉动漫无遮挡h在线观看| 天天影视射综合网| 日韩无码人妻中字久久三区四区| 国产强奸乱伦xd| 久久99热这里只频精品6学生| 色香在线| 91精品久久久| 99re3这里只有精品| 天躁夜夜躁2021| 91九色蝌蚪在线观看| 加勒比综合九九99视频在线播放| 欧美综合骚| 成人黄页| 免费看A片毛毛片在线播| h无码动漫在线观看| 精品免费1| 青青草色AV| 激情专区综合| 中文有码9| 色99视频| 成人日本片久久久蜜桃| 开心五月深爱五月| 一区二区中文| 老熟妇一区二区三区啪啪| 亚洲综合小说另类图欧美视频激情小说色五月天 | 青青草好吊色| 九九热免费国产视频婷婷伊人五月| 大香蕉人妻久久| 好看的91视频| 偷窥自拍A片| 久久精品国产亚洲粉嫩| 一区二区三区四区姦女| 久久精品国产亚洲AV无码电影| 亚洲男人天堂视频| 不卡码视频| 欧美激情总合网| 亚欧性爱无码| 亚洲一区二区av| 激情文学欧美| 久久成人东京热人妻| 色臀aV| 青娱乐欧美激情一区二区| 色av中文字| 日本成人免费一区二区三区| 亚洲日韩乱码中文无码蜜桃臀网站| 亚洲97网站| 久久香蕉国产传媒一区剧情天美| 欧美视频中文字幕区| 美女91| 国产精品电影| 欧美78p| 国产AV无码AV| 9色国产精品一区粉嫩| 大香蕉碰碰| 亚洲怡春院| 全免费a敌肛交毛片免费| 热G综合热G中文| 久久日本熟女精品一区| caopeng97人妻| 九九热视频在线观看| 操B在线观看| 日本伦乱九九九综合| 9美女超碰在线免费观看| 欧美偷偷网| 五月综合久久| 免看60秒涩涩视频| 欧美少妇大量自拍视频在线观看| 欧美疯狂做爰xxxx| 99久在线精品99re8| 国产亚洲色婷婷久久99精品91葵花宝典| 欧美福利视频啊啊啊啊| 国产成人午夜视频网址| 亚洲淫乱骚妇AV| 不卡啪啪视频| 亚洲啪啪性视频| 亚洲精品久久久久久久蜜桃臀| 亚洲AV无码AV吞精久久久久| 亚洲国产一区二区三区四区国产| 色香伊人| 很很热性爱视频| 久久久精品无码亚免费| 婷婷五月天基地| 日本三级小说中文字幕| 91视频伊人| 久久中文字幕一区不卡| 国产吞精a级片激情电影| 自偷自拍的亚洲视频| 狠狠综合网| 成人网欧美风情| 国产美女91| 日韩操p| 九九九九精品一区| 深夜福利黄片| 青青草原香蕉日本Ap| 亚洲欧美另类图片| 啊灬快c我灬啊灬用力灬啊灬-国产精品性做久久久久久-成人AV | 夜夜爽33333| 欧美在线啊啊啊| 欧美骚少妇| 中文一区二区三区影院| www.99视频| 精品免费国产二区三区| 人妻精品一区二区| 日韩国产乱子伦App| 国产女同性恋视频| 色99999| 日韩专区久久久| 91人人操| 97久久久久久久精| 插入逼91| 欧美一区91大爱| 免费视频观看60秒| 亚洲精品视频在线播放| 午夜啊啊| 久久风骚城市人| 骚逼一区二区| 午夜福利在线视频1000| 黄片www.| 少妇一线天久久久久久| 亚州色国| 久久久精品无码亚免费| 精品美女人人干| 国产传媒午夜理伦精品| 麻豆天美传媒在线视频天堂| 亚州久久9| 91黑丝少妇| 干干干天天| 九九九九久久久| 日韩人妻无码不卡网站| 天天影视综合网欧美精品| 免费操逼91| 黄色一级视| 精品国产72| 91国模| 日本一区二区电影网站| 粉嫩av平台| 黄色AAAAA欧美| 久久熟妇五十路一区| 成全动漫视频观看免费下载| 99re这里| 97精品免费| 玖玖资源中文字幕制服丝袜| 青草伊人久久| 99亚洲精品| 黄色AV免费| 熟女精品一区二区在线观看| 天天干天天插| 日韩欧美午夜视频在线| 五十路熟女人妻一区二区三区四区五| 日韩一级二级在线| 97人人模人人爽人人| 久久国产精品91| 国产熟女完整版中字 | 精品一区二区三区蜜桃臀www| 性91| 中国小夫妻勾搭露脸淫荡对白| 操逼操网| 草草影院日本第一页| 91n欧美| 1234区中文字幕在线观看_青青草国产在线_日韩一区二区 | 亚洲综合影片| www四虎| 98色网| 超踫中文字幕| 97操B| 男女做爰猛烈动高潮A片免费应用| 粉嫩AV输入| 亚洲丝袜色| 亚 欧 美 综合| 色五月婷婷麻豆在| 一本一道人妻久久一区二区三区| 五月天婷婷综合网| 99视频自拍区| 日韩无码人妻中字久久三区四区| 欧美精品系列| 色97欧美| 1024精品在线| 试看60秒 爽| 亚洲欧美日韩中文播放| 八戒无码国产午夜福利| 嗯嗯啊啊操死我| AV天堂电影网| 色五月激情AV在线| 久草毛片| 超碰色综合| 中文字幕一区二区三区字幕| 亚洲av影院在线观看| 亚洲欧美激情在线视频| 超碰97极品9| www.男人天堂| 精品午夜福利| 综合在线导航一区| 你操综合| 亚洲性猛| 搞中出久久| 不卡一区视频| 超碰午夜| 日韩人妻一区二区精品| 日韩国产乱子伦App| 欧苏综合色综合| 2000亚洲男人天堂| 色网色网色网色网色网色| 久久一级无码精品毛片6| 日韩AV电影网站| 久湿久久| 亚洲成人激情小说视频| 99在线精品视频| 先锋音影AV| 日韩超碰97| 97超碰人操| 99热在线只有精品| 中文字幕aⅴ在线视频| 又大又白奶子| 91高潮| 天天操天天舔| 97亚洲资源| 人妻激情视频| 婷婷久久综合久| 欧美中字不卡| 制度丝袜99| 久久久av爱| 欧差乱伦二三| 婷婷五月天激情网| 无码人妻一区二区三区免费九色| 欧美色图下一页| 中文字幕丰满人妻日本| 精品然女一区二区| 无码 黑人一区二区三区| 天天综合AV| 九九九九九九九九九国产精品 | 蜜臀aV午夜一区二区三区| 久久啊啊啊| 国产第25页在线观看| 欧美亚洲素人制服精品| 欧美呦呦性爱| 欧洲欧美视频一区二区| 久操在97| 日本午夜操逼| 欧美熟妇精品黑人巨大一二三区| 亚洲成成熟女人综合一区二区| 小情侣高清国产在线视频| 成 人 影视 一区 二区 三区 四区| 欧美偷拍| 欧美日韩免费专区在线| 国产女人和拘做爰视频| 亚洲九九视频| 亚洲在线A| 婷婷五月天色色| 国产精品3| 99亚洲天堂| 久久精品99久久久久久| 久久九九网| 国产高清成人免费视频| 亚欧美色图| 国产超碰| 777琪琪午夜免费A片| 国产精品久久久久久久毛片1| 九一国产精品| 久久色激情一区二区三区| 午夜无码精品免费看性色| 亚洲91在线| 日韩三级在线观看mp4| 澳门黄片一香蕉视频| 日日日色色色色色| 夜夜操av亚洲一区二区| 欧美激情欧美精品| 91操碰| 中亚av| 国产午夜精品在线观看| 99热销国产这里有精品| 国产精品一区二区在钱播放| 午夜丁香婷婷| 一本色道久久综合熟妇| 伊人久久大香线蕉亚洲五月天,青草青草欧美日本一区二区,欧美日产欧美日产国产 | 懂色AV蜜臀无码精品APP| 亚州成人A√| 中文字幕乱碼在线| 亚洲日韩东京热一区| 十八禁一区二区无码观看| 国产精品不卡一区二区三区| 裸模AV女优| 91爱看| 久久久女人| 变态另类专区| 色图四区| 国产精品一区二区校花| 欧美视频一区二区在线| 免费观看有码高清视频| 蜜桃色色网站视频三区| 综合大香蕉美。| 精品乱码在线观看| 亚洲资源站| 97久久久网站| 97色网| 午夜小电影在线插入淫高潮| 日日摸天天爽夜夜欢| 日韩欧美大片免费高清啪啪| 亚洲少妇综合在线播放| 蜜桃视频精品一区二区| 免费97视频| 影音先锋国产精品| 蜜臀99999| 亚洲交换| 草草影院最新网址| 美女上床网站| 国产女大学生AV| 老熟女熟妇| 丝袜大香蕉| 思思热免费视频观看| 爱做久久久久久| 女人双腿搬开让男人桶| 国产精品永久免费10000| 亚洲天堂一区二区久久| 久久神马影院| 精品久久9| 96久久久精品| 精品人人| 丝袜美女诱惑 91 视频| 精品96久久| 色拍偷亚洲| 日韩欧美蜜桃精品久久中文字幕久久| 久久精品国产99久久,亚洲日韩久久日本一区一区三区 | 国产精品网址| 亚洲色五月| 激情五月天网站| 99精品九九九九九九| 思思热国产高清| 成人性爱av| 国产一区二区在线电影| 久九九九九九九热| 狠狠爱夜夜干| 丰满人妻一区二区三区性色| 91社区拍啪人妻| 色999人与兽| 锕锕好爽 死我在线观看| 日日夜夜精品视频| 国产日韩区| 天堂麻豆天美| 国产超碰国产97| 国产精品另类一区大香蕉| 花花AV导航| 亚洲精美粉嫩嫩泬在线观看| 亚洲性爱高潮影院| 中国和日本人色哪个不下载能放| 人人看人人插| 啪啪91| 97视频在线观看免费高清| 国产精品麻豆视频网站| 久久精品老司| 少妇同性| 日韩 国产 欧美自拍| 久久久久无码| 亚洲AV麻豆Aⅴ无码电影一 | 91精品人妻一品二品三品| www.91色综合| www.99色| 一起草高清无码| 久久中出| 欧洲乱码视频| 大香蕉欧美| 国产日本熟女顶级一区二区三区视频 | 伊人色综合网电影| 午夜AV污污污| 一级二级三级黑人无码| www.色婷婷色综合| 欧美精品久久96人妻无码| 啪啪啪综合| 精品国产肉丝袜在线拍国语| 日夜久久久九九九久| 亚洲欧美日韩偷拍色图| 婷婷五月天补不补| 大香蕉中文在线| 一区二区三区欧美激情| 91精品婷婷国产综合久久竹菊| 蜜臀一区二区三区在线| 国产欧美美女免费观看视频| 青娱乐休闲视频在线观看| 亚洲天堂男人在线| 啪啪啪综合| 激情第四色| 欧美日韩亚洲少妇寂寞影院正在播放| 日韩欧美俄罗斯A片| 久噜噜| 欧 美 自 拍 偷 拍| 久草新免费| 色九月综合| 中文字幕丰满人妻日本| 2025亚洲男人天堂| 国产黄色在线播放观看| 97精品综合久久网| 九月激情婷婷| 啊啊啊啊啊啊啊啊要喷了| 久久久亚洲欧美综合| 久久综合女优| 亚洲综合中文字幕有码| 九九九不卡| 超碰91在线| 78超碰| 丰满人妻一区二区三区| 热99re69精品8在线播放| 最新AVzaixian| 久96热在线观看视频| 97自拍一区| 26uuu欧美日韩| 超碰久在线天天做| 久热伊人| 黄色片,com| 综合大香蕉美。| 大香蕉av在线| 被窝影院午夜看片无码| WWW美腿丝袜香蕉中文| 综合久| 久久性爱视频免费看| 99热 按摩 日韩| 国产成人久久久精品免费AV| 白丝一区| 免费亚洲国产精品久久一区| 91美女中出| 亚洲中文字幕久久人妻| 999国产精品999久久久久久| 天堂性色| 欧美激情久| 婷婷99狠狠| 国产综合在线视频网站| 99草精| 久久夜色一区二区| 女人午夜视频777| 中文字幕在线观| 久久超碰大香蕉| 99久久99久久综合| 亚洲国产ⅴ高清在线观看| 97在线视频观看免费| 五月天婷婷色| 人人操人人操人人操人人操人人操人人人11.CM| 亚洲色资源| 人人看人人摸人人色| 国产97av| 亚洲日韩XXX| 美女超碰978| 丝袜美腿制服人妻二区中文字幕 | 日本人妻最新在线中| 午夜精品久久999热蜜桃介男人用| 天天添天天干电影| 日本理论在线| 俄罗斯一区二区视频在线观看 | 婷婷综合激情| 金莲网址| 91色人妻| 欧美亚洲图片| 91欧| 热热色国产一二区AV| 伊人大香蕉在线| 婷婷五月天丁香| 久久精品国产亚洲AV无码做| 97色欧州| 亚洲熟妇图片| 俺去也婷婷| 精品性爱一二三区| 国产精品国产自产高清AV| 亚洲另类天堂| 欧美天堂在线| 97操B| 国产精品毛片| 乱伦av麻豆| 黄在线| 亚洲色系另类精品国产| 久久精品91| 精品国产乱码久久久久久久久1 | 艳尻美人妻| 久久三| 一级性爱视频免费在线| 国产三级片在线观看| 精品国产久久乱码| 亚洲综合网图| 欧美中文字幕一区| 国产伊人自拍| 亚洲丝袜B诱惑| 久视频在线观看| 国产性感在线观看| 夜夜操夜夜爽夜夜高潮| 五月天色图| 97精彩视频网站| 97午夜剧场日韩| 人妻AV 中文字幕的| 99精品在线播放| 天天躁日日躁AAAXX| 在线观看黄色电话| 色97综合中文字幕| 四虎免费看黄| 亚洲综合 欧美| 色臀aV| 后入 亚洲 美女 射| 黄色成人网久久久久久| 农村少妇久久久久久久| 91欧美巨乳| 老鸭窝成人| 国产美脚女优尤物在线观看| 久久久涩| 美女黄页网站| 欧美色性情| 久久精品| 五月天伊人网| 囯产精品久久久久久久久久梁医生| 五月丁香黄色网| 成人无码在线超碰网| 国产精品久久久 | 97视频免费播放| 欧美色综合网| 少妇一区二区三区| 亚洲欧洲激情卡通另类文学四射小说网站 | 五月综合婷婷久久网站| 香蕉婷婷| 国产精品经典一卡久久久| 目产99999久久999| 9九九国产| 狠狠爱大香蕉| 欧美亚洲今日在线| 狠狠操官网| 亚洲一区二区三区中文字幕| 免费在线黄片视频| 亚洲精品第一| 欧美极品女人的天堂| 伊人精品视频| 亚洲 欧美 第一页| 中文字幕美女91| 777奇米影视777四色| 性站| 大屁股熟女一区二区三区| 亚洲色人阁| 被男人添B超爽视频| 99在线精品观看99| 亚洲免费97免费| 久久αⅴ| 亚洲一区操| 久久激情五月| 青青操在线亚洲视频观看欧美在线 | 久久综合av| 91情色| 久久精品国产72国产精品福利| 97久久资源| 欧洲性人爱视频| 国产无码精品久久久久久| 日韩人妻免费精品| 日韩精品人妻系列无码天堂| 四季AV综合网址| 福利视频网站| 国产一级黄色片在线观看| 夜夜高潮夜夜爽| 91操熟女视频| 亚洲一卡2卡3卡4卡乱码网站 | 99久久精品无码一区二区毛片免费| 精品国产精品一区二区| 你草精品在线视频| 综合色一区三区二区| 1769一区二区| www超碰| 四虎在线观看网站| 国产在线视频午夜精华在| 永久免费发布性爱网| 少妇一区二区三区在线观看| www亚洲欧美| 99激情| 亚洲美腿丝袜香蕉影视欧美成人| 999久久芭蕾| 亚洲AV噜噜狠狠网址蜜桃动漫| 夜夜操夜夜爽夜夜高潮| 日本操逼视频在线| 欧美|91色综合| 97欧美综合| 婷婷精品| 深喉吞精| 五月婷婷激情| 婷婷人妻激情| 日韩三级一区 | 顶级少妇BT天堂| 超碰97欧美| 九月丁香婷婷色| 日夜久久久九九九久| 91天天| 东北黄色电影| 亚州精品人妻一二三区| 免费的黄片有限公司| 久久男人的天堂国产| 九九九成人| 日本一本道A级黄色毛片试看60分钟| 亚洲熟久久| 一起草三级AV电影在线观看 | 国产精品99精品视频网站| 亚洲欧洲视频小说在线观看| 天天综合欧美| 天天日日舔舔| yw尤物av无码点击进入麻豆| 色五91| 人人澡人人干| 女同在线视频一区| 精品久久久久久AV无码| 人人超碰在线观看黄| 操逼1区| 国产精品一二三| 久久女婷| 久久超碰网| 一区二区三区男女操逼黄色小电影| 日本羞羞的视频在线播放| 人人澡综合涩| 天堂69亚洲精品中文字| 神马久久久久久久久久| caoni国产亚洲av| 久久9精品网站| 婷色五月| 大香蕉99re| 在线观看AV不卡| 久久久久成人网| 久久久久无码| 欧美性生活免费网| 国产熟码AV| 精品一区二区三区蜜桃臀赵总| 超碰免费97| 欧美日韩一干二干| 午夜一级免费毛片| 67914在线兔费成人视频| 东京热亚洲一区二区| 日韩欧美福利视频看看| 好爽免费视频,| 婷婷综合激情| 一级性爱视频免费观看 | 呻吟 欧美 日本 中出| 婷婷五月天激情网| 亚洲国产欧美一区二区潘金莲 | 99色色网| 久久精品国产精品一区| 男人的天堂在线| 色婷婷色99国产综合精品| 超碰午夜| 屁股久久久久久久久| 国产毛片精品一区二区色欲黄A片| 精品人妻一区二区三区日产乱码| 欧美色图 人妻| 欧美乱色| 丝袜美腿制服人妻二区中文字幕| 免费精品无码一级毛片牛牛影视| a人片中文字幕一区二区| 国产 码在线成人网站| 亚洲高清无毛一区二区| 九九九久久久久| 人妻少妇视频在线播放| 肉动漫无遮挡h在线观看| 龙兴卡官方查询| 黄色乱论网站| 激情啪啪拍91| 国产家庭乱伦表演| 亚洲Av诱惑| 久久99精品九九久久久婷婷| 玖玖视频在线资源一区二区三区| 免费A V在线| 飘花国产午夜精品不卡| 秋霞网无码| 日韩九九九| 欧美,日韩,中文,另类| 99www.bibizy香蕉资源国产一区二区三区高清 | 成人乱码一区二区三少妇| 91高潮| 欧美人妻一区二区| 久久久中文版| 青青青国产| 亚洲啪啪性视频| 国产高清MV操逼视频| 中文操逼字幕| 欧美97色| 老熟妇一区二区三区| 亚洲第一二区另类图| 中日无幕一二三四区| 另类专区在线观看| 在线a v| 亚洲无无码αⅴ每日更新| 国产夫妻性生活视频| 三级片大波波| 五月丁香综合啪啪| 黄色小视频日本txt| 国产精品无码久久久久2028| 国产最火爆久久国产网站网站| 亚洲天堂在线怕怕视频 | 老熟女区| 久久不卡一区二区| 国产女人高潮视频| 东京热亚洲一区二区| 偷看洗澡一二三区美女| 国产一级作爱毛片| 一区二区视频在线播放| 亚洲乱伦图片视频| 一级黄色视频网| 色婷婷视频| 凹凸久久人人| 一区二区三区四区免费视频| 日人妻视频91| 亚洲欧美在线观看2021| 日韩成人精品视频自拍| 亚洲一区二区三区AV无码| 18禁的网站在线| 欧美中文字幕日韩在线| 国产精品露脸在线观看| 日本久久久久久久久久| 亚洲猛交| 国产精品乱码久久久久| 欧美日韩1234| 欧美欧美啪啪视频| 13小男生GAY自慰脱裤子| 成人无码电影在线观看网| 中文字幕精品一区欧美| 睡产熟女乱伦| 99在线精品视频| 日韩精品人妻中文字幕有码午| 日本亚洲vr欧美不卡高清专区| 无码heyzo高清一区| 久久精品免费| 91天堂视频| 亚洲综合校园春色| 精品超碰色| 999热这里只有精品| 日韩情色一区二区| 日本操逼aaaaa| 在线看片国产精品每日更新| 天天做天天爱天天高潮| 亚州色站 日韩电影| 日韩欧美水蜜桃人妻| 亚洲啪啪啪啪视香蕉| 成人精品久久| 欧美国产精品久久九九| 波多野结衣被操50分钟免费视频| 天天躁日日躁AAA片李宗瑞| 五月婷婷丁香六月| 欧美在线伊人色| 97超碰久| 91观看 国产白丝| 岛国免费视频在线| 91丨熟女丨丰满熟女| 久久精品欧美一区蜜桃| 久操操| 亚洲精品乱码久久久久久蜜桃麻豆| 麻豆色99999| 日韩欧美性爱电影在线观看| 在线免费观看日韩一区| 丁香啪啪| 久久久久久久久久久97| 加勒比av官网在线| 91精品老女人| 国产精品4p在线观看| 国产福利影视| 欧美久久婷| 69久久| 中文字幕一区二区视频在线观看 | 熟女一区二区三区四区| 久久精品无码熟妇一区二区三区视频导航| 日韩射精| 3P乱轮视频| 亚洲1区| 亚洲 中文 女同| 大香交| 亲子敌伦对白在线播放| 大香蕉综合在线| aaa淫乱视频| 日本欧美不卡| 色综合一本| 国产不卡免费在线视频| 九九热最新| 欧美极品色| 婷婷av在线中文字幕| 狠狠狠狠狠| 人妻夜爽夜夜爽| 精品久久久高清无码| 成人精品电影| 亚州高清av| 男女日B国产| 玖色AV| 91中出视频| 韩国一级做A片免费的| 青青伊人久久| 色综合V| 日本美女性生活久久久久久久| 国内外激情在线| 欧美成人性爱视频免费观看| 欧美白嫩在线放| 大香蕉78| 射 色综合| 97久久网| 久久精品亚洲成a人天堂| 国产一区二区三区久久精品太古里| 亚洲成人激情小说视频| 久久午夜伦| 欧美亚洲清纯| 一级久久久久久久久久久| 亚洲视频二区 | 东京太热久久久| 久久久久久综合久久伊人蜜月| 亚洲精品成人| 色97欧美| 日本国产高清色www视频在线| 樱花草社区www中国| 乱伦图av| 亚州九九九精品视频| 久久综合亚洲色1080p| 夜夜狠狠躁日日躁色视频| 澳门黄片一香蕉视频| 99爱久久视频频| 久久伊人亚洲AV无码网站| 日韩不卡av一二三| 后入合集| 六月丁香五月婷婷| 69一区二区三区 | 五月天大香蕉| 熟妇一区二区| 久jiu久神马影院| 天天爽夜夜爽夜夜爽精| 超碰碰97| 曰本人妻人人澡人人夹| 天天综合麻豆视频| 无套内射人妻在线播放| 久偷拍欧美日韩三区| 久久性爱城| 女生91网站| 中文字幕艹艹| 黄色香蕉视频网站一区| 国产二区三区粉嫩在线| 顶级丝袜熟女一区二区三区| 久久风骚城市| 搡老女人老妇女老妇老熟女怎么读| 秋霞Av理论一级在线| 97青娱乐超碰久久| 亚洲欧美色图小说| 99爱爱| 国语人妻精彩刺激| 精品无码一区二区三区| 欧美97日韩精品| 无码视频黄色网战| 夜夜欢天天干| 中文字幕在线观看AV| 欧美91视频| 宅男午夜在线视频| 欧美亚洲尤物久久| 精品国产综合久久福利,热99这里有精品综合久久,99热这里只有免费国产精品,精 | 国产女性无套 免费观看| 亚洲中文字幕熟女少妇一区二区| 婷婷五月天AV| 日韩十八禁| 国产成自自拍在线观看| 96久久精品一二三区色欲| 中文字幕三四五区| 国产精品suv一区| 色婷婷亚洲婷婷| 国产白丝AV| 日本新免费二区三区| 久久9999| 国产 三级自拍| 视频一区二区免费在线| 亚洲se电影| 日韩国产品视频中文字| 欧美日韩激情无码专区| 亚洲 暴爽 AV人人爽日日碰| 日本一久是| 91逼逼女人91| 国产尹人在线视频免费| 一级片视频啪啪| 日本2020一区二区| 四虎AV影视国产精品亚洲精品| 色狠狠综合| 日本一级婬片试看三分钟| 亚洲se91| 制服乱伦| 男女激情黄色网址| 91伊人| 色69大色97香蕉| 六月婷婷一区二区三区| 日本熟妇一区二区三区| 多乙久久久久久| 乱性AV| 天天澡天天爽日日AV| 亚洲不卡一| 欧美中字二区| 成人黑料社久久| 天天搞在线综合网| 日韩国产欧美伦理在线| 久久精品电影| 国产视频一区二区在线观看| 精品亚洲国产成人AV制服丝袜 | 视频在线观看一二三区| 午夜无遮挡男女啪啪视频| 青青草久草| 久湿久久| 黑丝91视频| 五月丁香久久| 亚洲午夜福利视频| 亚洲性爱成人| 综合色欧美| 欧美亚洲韩国视频十五区| 天天色怡春院| 人人爱操| 日本九九九九| 99热思思| 9久热| 久久直播国产| 天天激情综合站| 亚洲一区在线观看欧洲| 超碰成人人人爽人人爽| 黑人综合网| 一中国女人毛片水真多| 久久超碰97| 中文字幕乱码在线| 国产精品天堂| 亚洲国产97| 9999久久久| 久久久久亚洲Av无码专区老牛影视| 日本女人久久久| 精品玖九九久| 97se亚洲综合自| 免费在线视频97| 亚州色综合| 人人人摸人人| 内射老妇BBWX0C0CK| 日逼逼免费看| 国产中文字幕曰本毛片| 18禁精品网站在线看| 中文久久爆乳| 国产午夜无码片在线观看影视| 浪人综合网| 久久乐| 97久久精品亚洲中六字幕| 国内91熟女人妻丝袜天天精品视频在线| 亚洲人妻一区二区三区| 国产少妇与亚洲av| 日韩人妻无码精品系列| 330dv亚洲成年视频网| 欧美性天天影院| 免费成人在线熟妇网| 怡红院亚洲怡春院av| 亚洲欧洲激情卡通另类文学四射小说网站 | 黄呦呦在线| 人妻少妇久久中文| 欧美少妇高潮视频| 欧美激情高清性猛交| 动漫av中文| 亚洲清纯综合| 午夜操一操| 在线看的av| 在线观看日韩av不卡| 成人在线日韩|