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(yíng)的一線實(shí)戰(zhàn)洞察。

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

數(shù)據(jù)科學(xué)全流程實(shí)戰(zhàn):從pandas到SQL、機(jī)器學(xué)習(xí)與Spark 先理清一個(gè)前提數(shù)據(jù)科學(xué)項(xiàng)目的學(xué)習(xí)成本不在記住某個(gè)庫(kù)的接口而在理解一條完整鏈路。從拿到原始數(shù)據(jù)開(kāi)始數(shù)據(jù)要經(jīng)過(guò)讀取、清洗、探索、建模、評(píng)估和交付每一環(huán)都會(huì)改變數(shù)據(jù)形態(tài)而上一環(huán)的輸出就是下一環(huán)的輸入。UC Berkeley 的 Data 100 數(shù)據(jù)科學(xué)全流程課程正是按這條鏈路組織教學(xué)內(nèi)容核心工具覆蓋 pandas、SQL、機(jī)器學(xué)習(xí)與 Spark。它也常被作為本科高年級(jí)核心課來(lái)上適合正在系統(tǒng)學(xué)習(xí)數(shù)據(jù)科學(xué)的人反復(fù)對(duì)照實(shí)踐。這篇文章會(huì)按照類似的教學(xué)主線做一次技術(shù)整理先建立全局認(rèn)知再準(zhǔn)備本機(jī)環(huán)境然后跑通一個(gè)最小數(shù)據(jù)科學(xué)閉環(huán)接著單獨(dú)拆解 SQL 和 Spark 里最容易卡住人的部分最后補(bǔ)充常見(jiàn)報(bào)錯(cuò)排查和工程化建議。讀完這套內(nèi)容后你可以直接拿它指導(dǎo)課程筆記、課程設(shè)計(jì)或者作為畢業(yè)設(shè)計(jì)里的數(shù)據(jù)科學(xué)項(xiàng)目主線。1. 為什么數(shù)據(jù)科學(xué)課程要把“全流程”當(dāng)作主線1.1 全流程不是指工具多而是指問(wèn)題閉環(huán)一個(gè)數(shù)據(jù)科學(xué)項(xiàng)目的起點(diǎn)通常是業(yè)務(wù)問(wèn)題而不是某一個(gè)函數(shù)。以常見(jiàn)的房?jī)r(jià)預(yù)測(cè)為例先要想清楚要預(yù)測(cè)什么、有什么數(shù)據(jù)、數(shù)據(jù)存放在哪里。得到數(shù)據(jù)后第一步是確認(rèn)表格里有多少行、多少列、每個(gè)字段是什么類型、是否含有空值。接下來(lái)是清洗再往后是做探索性分析觀察目標(biāo)變量分布、特征之間是否相關(guān)、有沒(méi)有明顯異常。這個(gè)過(guò)程中每一步之間都有明確的依賴關(guān)系。如果原始數(shù)據(jù)里混入非數(shù)值字符串后續(xù)所有統(tǒng)計(jì)計(jì)算都可能報(bào)錯(cuò)如果訓(xùn)練集和測(cè)試集拆分前就把整個(gè)數(shù)據(jù)集統(tǒng)一做了標(biāo)準(zhǔn)化預(yù)測(cè)結(jié)果會(huì)被數(shù)據(jù)泄漏污染。Data 100 這類課程的真正價(jià)值就是把這些問(wèn)題放在同一個(gè)項(xiàng)目語(yǔ)境里反復(fù)訓(xùn)練而不是只教 pandas 有哪些 API、Spark 有哪些算子。課程主線通常可以壓縮成下面五段數(shù)據(jù)獲取與讀寫從 CSV、Excel、數(shù)據(jù)庫(kù)或 API 進(jìn)入 DataFrame。數(shù)據(jù)清洗與類型轉(zhuǎn)換處理空值、重復(fù)值、錯(cuò)誤類型、異常值。探索性分析與可視化查看分布、相關(guān)性、分組差異。機(jī)器學(xué)習(xí)建模與評(píng)估拆訓(xùn)練集和測(cè)試集訓(xùn)練基線模型計(jì)算指標(biāo)。規(guī)模化與交付數(shù)據(jù)量變大后切換到 SQL 或 Spark最后把結(jié)果寫成可復(fù)現(xiàn)的報(bào)告。這五段不是相互獨(dú)立的模塊而是一條閉環(huán)。每次從一個(gè)階段進(jìn)入下一個(gè)階段都要驗(yàn)證一下“數(shù)據(jù)形態(tài)是否滿足下一階段的輸入要求”。1.2 局部語(yǔ)法只解決局部問(wèn)題流程設(shè)計(jì)決定項(xiàng)目成敗新手容易陷入一種錯(cuò)覺(jué)把所有 pandas 函數(shù)學(xué)完就等于會(huì)做數(shù)據(jù)科學(xué)了。實(shí)際項(xiàng)目中更常遇到的困難是數(shù)據(jù)可能有幾十個(gè)字段有的字段是時(shí)間戳字符串有的是帶單位的價(jià)格文本有的是稀疏的分類值。僅僅調(diào)用dropna()或fillna()并不能解決所有問(wèn)題你必須先弄清楚每個(gè)字段缺失的含義才能決定填充中位數(shù)、填充默認(rèn)值還是單獨(dú)標(biāo)記為缺失。同樣SQL 查詢很快不等于數(shù)據(jù)質(zhì)量好。一個(gè) join 鍵在兩張表里都出現(xiàn)重復(fù)時(shí)查詢結(jié)果行數(shù)會(huì)被放大直接進(jìn)入模型就會(huì)產(chǎn)生重復(fù)樣本。機(jī)器學(xué)習(xí)模型跑出很高的分?jǐn)?shù)不等于業(yè)務(wù)可用還要看是否發(fā)生過(guò)數(shù)據(jù)泄漏、測(cè)試集是否真實(shí)反映未來(lái)數(shù)據(jù)。這些問(wèn)題的共同點(diǎn)是它們發(fā)生在流程設(shè)計(jì)層面而不是單純的工具使用層面。所以學(xué)習(xí)時(shí)要以“完成一條完整流程”為目標(biāo)而不是以“用某個(gè)庫(kù)寫了多少行代碼”為目標(biāo)。1.3 這套主線適合哪些讀者這套內(nèi)容適合四類讀者準(zhǔn)備系統(tǒng)學(xué)習(xí)數(shù)據(jù)科學(xué)的高年級(jí)本科生和研究生尤其是想把零散知識(shí)點(diǎn)串成項(xiàng)目實(shí)戰(zhàn)的人。數(shù)據(jù)分析師已經(jīng)在用 Excel 或 BI 工具做報(bào)表想補(bǔ)上 pandas、SQL 和建模能力。后端開(kāi)發(fā)或大數(shù)據(jù)開(kāi)發(fā)想理解數(shù)據(jù)科學(xué)項(xiàng)目如何組織特征、訓(xùn)練模型、評(píng)估效果。正在做課程設(shè)計(jì)或畢業(yè)論文的人需要一條可以直接映射到項(xiàng)目章節(jié)的技術(shù)主線。學(xué)完這條主線后至少可以獨(dú)立完成一個(gè)從文件或數(shù)據(jù)庫(kù)中取數(shù)、清洗、建模、評(píng)估的預(yù)測(cè)項(xiàng)目并且知道數(shù)據(jù)量增長(zhǎng)到單機(jī)無(wú)法處理時(shí)應(yīng)該在哪里切換到 Spark 或更完整的計(jì)算平臺(tái)。2. 四個(gè)核心工具在數(shù)據(jù)科學(xué)里的分工2.1 pandas單機(jī)表格世界的日常主力pandas 是 Python 生態(tài)中最常用的表格計(jì)算庫(kù)核心對(duì)象是 DataFrame 和 Series。它解決的問(wèn)題是讓你在代碼里像操作 Excel 一樣操作表格數(shù)據(jù)但保留編程語(yǔ)言的自動(dòng)化、批處理和模塊化能力。在個(gè)人分析、Notebook 實(shí)驗(yàn)和幾百萬(wàn)行以內(nèi)的數(shù)據(jù)場(chǎng)景里pandas 通常是第一選擇。它適合做數(shù)據(jù)探索、清洗、特征工程和模型前處理。下面是最基礎(chǔ)的讀取與概覽代碼import pandas as pd df pd.read_csv(housing.csv) print(df.shape) # 查看行數(shù)和列數(shù) print(df.dtypes) # 查看每列數(shù)據(jù)類型 print(df.isnull().sum()) # 統(tǒng)計(jì)每列空值數(shù)量這段代碼解決的是“進(jìn)入任何數(shù)據(jù)集后第一步要做什么”的問(wèn)題。先看形狀知道體量再看類型確認(rèn)數(shù)值列有沒(méi)有被讀成字符串最后看空值決定清洗策略。pandas 的特點(diǎn)是接口豐富、靈活但靈活性也帶來(lái)坑。索引對(duì)齊就是一個(gè)典型問(wèn)題兩個(gè) DataFrame 合并時(shí)如果索引或 key 的取值不一致結(jié)果里會(huì)出現(xiàn)大量 NaN。讀入 CSV 時(shí)如果數(shù)值列混入了千位分隔符或貨幣符號(hào)整列 dtype 會(huì)變成 object后續(xù)做mean()或sum()就會(huì)報(bào)錯(cuò)或直接跳過(guò)。這些細(xì)節(jié)在流程中很容易被忽略。2.2 SQL離數(shù)據(jù)越近分析越高效業(yè)務(wù)數(shù)據(jù)通常不是以 CSV 形式存在的而是存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)湖中。SQL 的作用是用聲明式語(yǔ)法從關(guān)系數(shù)據(jù)中取出所需子集。所謂聲明式是指只描述“我要什么”不描述“怎么遍歷計(jì)算”。數(shù)據(jù)庫(kù)引擎會(huì)自己決定 join 順序、索引掃描方式和聚合執(zhí)行計(jì)劃。SQL 在數(shù)據(jù)科學(xué)流程中的位置通常位于清洗和建模之間。特征提取、報(bào)表統(tǒng)計(jì)、AB 實(shí)驗(yàn)取數(shù)幾乎都離不開(kāi) SQL。很多情況下與其把幾十 GB 的表導(dǎo)出到本地用 pandas 處理不如直接在數(shù)據(jù)庫(kù)里完成過(guò)濾、分組和聚合把結(jié)果集壓縮到可分析的大小。下面是一個(gè)典型分組統(tǒng)計(jì) SQLSELECT region, COUNT(*) AS cnt, AVG(sales_amount) AS avg_sales FROM orders WHERE order_date 2024-01-01 GROUP BY region ORDER BY avg_sales DESC;這段 SQL 的核心邏輯是先過(guò)濾時(shí)間范圍再按區(qū)域分組最后計(jì)算訂單數(shù)和平均銷售額。這里的關(guān)鍵順序是 WHERE 在 GROUP BY 之前執(zhí)行所以先縮小數(shù)據(jù)范圍再分組聚合在大表里性能會(huì)更好。2.3 機(jī)器學(xué)習(xí)從歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律機(jī)器學(xué)習(xí)在數(shù)據(jù)科學(xué)流程里的作用是把清洗后的表格數(shù)據(jù)變成預(yù)測(cè)模型。它不是魔法而是從歷史樣本中尋找特征與目標(biāo)之間的關(guān)系。課程里更重視的是訓(xùn)練流程、評(píng)估方式和誤差來(lái)源而不是復(fù)雜的調(diào)參技巧。一個(gè)最小建模流程如下from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_squared_error X df.drop(price, axis1) y df[price] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 ) model RandomForestRegressor(n_estimators100) model.fit(X_train, y_train) y_pred model.predict(X_test) rmse mean_squared_error(y_test, y_pred) ** 0.5 print(RMSE:, rmse)關(guān)鍵是train_test_split必須在任何使用全量數(shù)據(jù)的統(tǒng)計(jì)操作之前執(zhí)行。無(wú)論是標(biāo)準(zhǔn)化、缺失值填充還是異常值截?cái)喽紤?yīng)該用訓(xùn)練集計(jì)算參數(shù)再用同一組參數(shù)轉(zhuǎn)換測(cè)試集否則測(cè)試集信息會(huì)提前進(jìn)入訓(xùn)練過(guò)程導(dǎo)致評(píng)估結(jié)果虛高。2.4 Spark數(shù)據(jù)超過(guò)單機(jī)內(nèi)存時(shí)的分布式方案Spark 是一個(gè)分布式計(jì)算框架。在數(shù)據(jù)科學(xué)語(yǔ)境下最常用的是 Spark DataFrame它暴露的 API 與 pandas 相似但底層由集群并行執(zhí)行并且引入惰性求值機(jī)制定義轉(zhuǎn)換操作時(shí)不會(huì)立刻計(jì)算只有調(diào)用 show、write、count 等行動(dòng)操作時(shí)才會(huì)真正執(zhí)行。pandas 與 Spark 的差異可以從幾個(gè)維度對(duì)比維度pandasSpark DataFrame數(shù)據(jù)規(guī)模單機(jī)內(nèi)存適合 GB 級(jí)以下分布式存儲(chǔ)與計(jì)算適合 TB 級(jí)執(zhí)行方式即時(shí)計(jì)算單進(jìn)程為主惰性計(jì)算集群并行學(xué)習(xí)成本低接口直觀中等需要理解分區(qū)和行動(dòng)操作核心場(chǎng)景EDA、清洗、建模前處理大規(guī)模 ETL、全量特征計(jì)算、分布式訓(xùn)練前處理很多人在學(xué)完 pandas 后再學(xué) Spark會(huì)發(fā)現(xiàn)接口類似卻總報(bào)錯(cuò)。原因常常不是 API 記錯(cuò)了而是沒(méi)有理解“惰性執(zhí)行”和“分區(qū)并行”這兩個(gè)概念。Spark 的學(xué)習(xí)重點(diǎn)不是背算子而是理解一個(gè) DataFrame 從讀取到寫出之間系統(tǒng)什么時(shí)候真正開(kāi)始計(jì)算、數(shù)據(jù)如何被切分到不同節(jié)點(diǎn)。3. 環(huán)境準(zhǔn)備把 pandas、SQL 和 Spark 都跑起來(lái)3.1 本地 Python 環(huán)境推薦用虛擬環(huán)境不要在系統(tǒng) Python 里直接安裝一堆數(shù)據(jù)科學(xué)庫(kù)時(shí)間一長(zhǎng)版本沖突很難處理。推薦先建虛擬環(huán)境python -m venv .venv # Linux / macOS source .venv/bin/activate # Windows .venv\Scripts\activate pip install --upgrade pip pip install pandas numpy scikit-learn matplotlib jupyter pyspark在 PyCharm 中新建項(xiàng)目時(shí)可以把 Project Interpreter 指向這個(gè)虛擬環(huán)境。之后在項(xiàng)目終端里執(zhí)行pip install pandas右下角解釋器會(huì)同步使用它。初學(xué)者經(jīng)常遇到“在 PyCharm 里 import pandas 報(bào) ModuleNotFoundError”的問(wèn)題最常見(jiàn)原因不是 pandas 沒(méi)安裝而是終端安裝包時(shí)用的是全局 PythonPyCharm 項(xiàng)目解釋器卻指向另一個(gè)虛擬環(huán)境。檢查方式是打開(kāi) PyCharm 的 Settings 里的 Python Interpreter看當(dāng)前解釋器路徑再在項(xiàng)目終端執(zhí)行python -c import pandas; print(pandas.__version__)確認(rèn)命令行解釋器與項(xiàng)目解釋器一致。3.2 SQL 練習(xí)環(huán)境怎么選如果只想練 SQL 語(yǔ)法推薦 SQLite 或 DuckDB。它們都是零配置嵌入式數(shù)據(jù)庫(kù)不需要啟動(dòng)服務(wù)一個(gè)文件就是一個(gè)數(shù)據(jù)庫(kù)適合在 Jupyter 里邊跑邊看結(jié)果。如果需要練習(xí)與生產(chǎn)接近的數(shù)據(jù)庫(kù)語(yǔ)法可以使用 Docker 啟動(dòng) PostgreSQL 或 MySQLdocker run --name pg-test \ -e POSTGRES_PASSWORDpostgres \ -p 5432:5432 \ -d postgres:16這樣數(shù)據(jù)庫(kù)運(yùn)行在容器里不會(huì)污染宿主環(huán)境。用完可以docker stop pg-test需要重新使用時(shí)再啟動(dòng)。生產(chǎn)環(huán)境通常不會(huì)直接讓你接觸真實(shí)數(shù)據(jù)權(quán)限本地練熟增刪改查、窗口函數(shù)和 join才是最好的準(zhǔn)備。3.3 Spark 本地環(huán)境兩種搭法第一種方式是直接安裝 PySparkpip install pyspark安裝完成后可以用下面代碼驗(yàn)證from pyspark.sql import SparkSession spark SparkSession.builder.appName(test).getOrCreate() print(spark.version) spark.stop()PySpark 3.x 自帶本地運(yùn)行環(huán)境學(xué)習(xí)小數(shù)據(jù)集時(shí)不需要單獨(dú)下載 Hadoop。如果課程要求與某個(gè)發(fā)布版的 Spark 集群完全一致再去下載對(duì)應(yīng)的二進(jìn)制發(fā)行版。第二種方式是利用 Docker 啟動(dòng)獨(dú)立 Spark 鏡像適合模擬集群環(huán)境但只有一臺(tái)機(jī)器的同學(xué)。這種方式更接近真實(shí)部署但需要額外理解容器網(wǎng)絡(luò)和端口映射本地學(xué)習(xí)不必一上來(lái)就搞。需要注意一個(gè)常見(jiàn)坑Spark 本地模式也對(duì)臨時(shí)文件、路徑中的空格敏感。如果在 Windows 上使用包含中文或空格的目錄可能在提交任務(wù)時(shí)出現(xiàn)解析異常。建議把課程項(xiàng)目放在不含空格的路徑中。3.4 環(huán)境版本檢查清單初始化環(huán)境后按下面表格逐項(xiàng)確認(rèn)檢查項(xiàng)命令或方法期望結(jié)果Python 版本python --version3.9 或更高pandas 可用python -c import pandas; print(pandas.__version__)輸出版本號(hào)無(wú)報(bào)錯(cuò)scikit-learn 可用python -c import sklearn; print(sklearn.__version__)輸出版本號(hào)無(wú)報(bào)錯(cuò)Spark 可用運(yùn)行 SparkSession 創(chuàng)建代碼能輸出 Spark 版本SQLite 可用python -c import sqlite3; print(sqlite3.sqlite_version)輸出版本號(hào)Notebook 可用執(zhí)行jupyter notebook瀏覽器打開(kāi)并能新建 ipynb這個(gè)清單應(yīng)該是開(kāi)始任何數(shù)據(jù)科學(xué)項(xiàng)目前的固定動(dòng)作。環(huán)境不一致導(dǎo)致的報(bào)錯(cuò)往往比代碼邏輯錯(cuò)誤更消耗時(shí)間。4. 手寫一個(gè)最小數(shù)據(jù)科學(xué)閉環(huán)下面用一個(gè)房?jī)r(jià)數(shù)據(jù)集作為示例。不要關(guān)注數(shù)據(jù)本身是否真實(shí)存在重點(diǎn)看清洗、建模、評(píng)估之間的銜接邏輯。4.1 讀入數(shù)據(jù)并做概覽import pandas as pd df pd.read_csv(housing.csv) df.head() df.info()執(zhí)行info()后要重點(diǎn)觀察每列非空數(shù)量是否等于總行數(shù)哪些列是數(shù)值類型哪些列是 object。如果“price”“area”這類本應(yīng)是數(shù)值的列顯示為 object說(shuō)明原始數(shù)據(jù)里混入了非數(shù)值內(nèi)容必須進(jìn)入清洗階段。4.2 數(shù)據(jù)清洗空值、重復(fù)值、類型轉(zhuǎn)換數(shù)據(jù)清洗的完整順序建議是先看空值再看重復(fù)行最后做類型轉(zhuǎn)換和異常值過(guò)濾。# 數(shù)值列統(tǒng)一轉(zhuǎn)成 float無(wú)法轉(zhuǎn)換的變成 NaN df[price] pd.to_numeric(df[price], errorscoerce) df[area] pd.to_numeric(df[area], errorscoerce) # 刪除完全重復(fù)的行 df df.drop_duplicates() # 刪除缺失目標(biāo)值的行缺失特征值可以用中位數(shù)填充 df df.dropna(subset[price]) for col in [area, room_count]: df[col] df[col].fillna(df[col].median()) # 過(guò)濾不合理業(yè)務(wù)值 df df[df[price] 0] df df[df[area] 0]這里解釋兩個(gè)選擇。第一特征列缺失值用中位數(shù)而不是均值填充是因?yàn)榫祵?duì)異常值敏感。如果某個(gè)特征分布嚴(yán)重右偏少數(shù)極大值會(huì)把均值拉高中位數(shù)更能代表典型水平。實(shí)際項(xiàng)目中還要記錄填充策略方便后續(xù)評(píng)審。第二在使用全量數(shù)據(jù)填中位數(shù)之前其實(shí)已經(jīng)先完成了訓(xùn)練集和測(cè)試集的劃分才能避免數(shù)據(jù)泄漏。更嚴(yán)謹(jǐn)?shù)淖龇ㄊ侵皇褂糜?xùn)練集的中位數(shù)填充測(cè)試集。示例為了講解方便變得簡(jiǎn)化但你要記住這個(gè)區(qū)別。4.3 探索性分析與可視化清洗后不要急著建模。先用圖表確認(rèn)目標(biāo)變量分布和特征相關(guān)性import matplotlib.pyplot as plt import seaborn as sns plt.figure(figsize(8, 6)) numeric_cols df.select_dtypes(includenumber).columns sns.heatmap(df[numeric_cols].corr(), annotTrue, cmapRdBu_r) plt.title(Correlation Matrix) plt.tight_layout() plt.show()相關(guān)矩陣可以幫助發(fā)現(xiàn)兩點(diǎn)是否有特征與目標(biāo)變量強(qiáng)相關(guān)這類特征通常是建模主力。是否有多列特征之間強(qiáng)相關(guān)這類特征會(huì)帶來(lái)多重共線性在部分線性模型中影響穩(wěn)定性。如果目標(biāo)變量分布嚴(yán)重偏斜比如房?jī)r(jià)少數(shù)極高值拉長(zhǎng)右尾可以先對(duì)目標(biāo)做np.log1p變換讓模型更關(guān)注相對(duì)誤差。4.4 特征工程與模型訓(xùn)練分類變量需要編碼。一種簡(jiǎn)單方式是獨(dú)熱編碼df_model pd.get_dummies(df, columns[neighborhood], drop_firstTrue)然后拆分訓(xùn)練集和測(cè)試集from sklearn.model_selection import train_test_split X df_model.drop(price, axis1) y df_model[price] X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.2, random_state42 )這里random_state42的作用是固定隨機(jī)拆分結(jié)果讓實(shí)驗(yàn)可復(fù)現(xiàn)。實(shí)際項(xiàng)目中如果數(shù)據(jù)存在時(shí)間屬性應(yīng)該按時(shí)間切分而不是完全隨機(jī)切分因?yàn)槟P鸵A(yù)測(cè)的是未來(lái)數(shù)據(jù)。再訓(xùn)練一個(gè)隨機(jī)森林回歸模型from sklearn.ensemble import RandomForestRegressor model RandomForestRegressor(n_estimators200, max_depth10, random_state42) model.fit(X_train, y_train)隨機(jī)森林的優(yōu)勢(shì)在于它可以處理數(shù)值和編碼后的分類特征也能輸出特征重要性適合作為第一個(gè)基線模型。真正調(diào)參要基于驗(yàn)證集或交叉驗(yàn)證不能直接拿測(cè)試集反復(fù)試。4.5 模型評(píng)估與結(jié)果交付from sklearn.metrics import mean_squared_error y_pred model.predict(X_test) rmse mean_squared_error(y_test, y_pred) ** 0.5 print(Test RMSE:, rmse) # 特征重要性 importance pd.Series(model.feature_importances_, indexX.columns) print(importance.sort_values(ascendingFalse).head(10))評(píng)估時(shí)不要只看 RMSE 一個(gè)數(shù)字。建議同時(shí)看測(cè)試集 RMSE 與訓(xùn)練集 RMSE 的差距差距過(guò)大說(shuō)明過(guò)擬合。殘差是否隨預(yù)測(cè)值變化有規(guī)律說(shuō)明模型漏掉重要特征。與一個(gè)簡(jiǎn)單基線模型對(duì)比比如直接用目標(biāo)均值預(yù)測(cè)看看復(fù)雜模型是否真的有提升。交付時(shí)建議在 notebook 或報(bào)告里固定記錄以下信息數(shù)據(jù)集行數(shù)、清洗后剩余行數(shù)、特征數(shù)量、模型類型、超參數(shù)、測(cè)試集指標(biāo)、特征重要性排序、已知問(wèn)題和下一步改進(jìn)方向。這些記錄在課程答辯和畢業(yè)設(shè)計(jì)中非常加分。5. SQL 部分要理解的三件事5.1 DataFrame 和 SQL 思維是一體兩面pandas 和 SQL 雖然語(yǔ)法不同但表達(dá)的語(yǔ)義高度對(duì)應(yīng)。語(yǔ)義pandasSQL選擇列df[[a, b]]SELECT a, b過(guò)濾行df[df[a] 1]WHERE a 1分組聚合df.groupby(g)[v].mean()SELECT g, AVG(v) FROM t GROUP BY g排序df.sort_values(a)ORDER BY a連接兩張表df1.merge(df2, onkey)JOIN理解這種對(duì)應(yīng)關(guān)系能幫你快速把一段 pandas 代碼改寫成直接的 SQL 取數(shù)。實(shí)際項(xiàng)目中優(yōu)秀的數(shù)據(jù)科學(xué)工程師不會(huì)把所有數(shù)據(jù)搬到本地而是盡量把過(guò)濾和聚合下推到數(shù)據(jù)庫(kù)。有一個(gè)容易混淆的地方pandas 的groupby默認(rèn)會(huì)把分組鍵變成索引需要reset_index()才能恢復(fù)為普通列SQL 的GROUP BY則直接把分組鍵作為輸出列。兩者執(zhí)行結(jié)果相似但后續(xù)處理習(xí)慣不同。5.2 窗口函數(shù)的使用場(chǎng)景窗口函數(shù)解決的是“分組后還要保留明細(xì)行”的問(wèn)題。普通 group by 會(huì)把多行壓成一行窗口函數(shù)則在不改變明細(xì)行數(shù)的前提下計(jì)算分組聚合。典型場(chǎng)景是“每個(gè)部門薪資排名 Top 3”SELECT department, employee_name, salary FROM ( SELECT department, employee_name, salary, ROW_NUMBER() OVER ( PARTITION BY department ORDER BY salary DESC ) AS rn FROM employees ) t WHERE rn 3;這里PARTITION BY department表示按部門切分窗口ORDER BY salary DESC表示在窗口內(nèi)排序ROW_NUMBER()生成組內(nèi)序號(hào)。外層再過(guò)濾rn 3就能得到每個(gè)部門薪資最高的三個(gè)人。窗口函數(shù)還有RANK()、DENSE_RANK()、SUM() OVER()、LAG()、LEAD()等用法分別用于并列排名、累計(jì)求和、取上一行、取下一行。在時(shí)間序列特征提取和業(yè)務(wù)報(bào)表中這些能力非常常用。5.3 慢 SQL 的基本排查路徑數(shù)據(jù)科學(xué)流程中SQL 取數(shù)經(jīng)常是瓶頸。遇到慢查詢按下面順序排查用EXPLAIN查看執(zhí)行計(jì)劃確認(rèn)是否全表掃描。檢查 WHERE 和 JOIN 字段是否有索引。確認(rèn)沒(méi)有寫成兩表大結(jié)果集先做笛卡爾積再過(guò)濾的寫法。不要把SELECT *帶回所有列只選擇需要的字段。把過(guò)濾條件放在 GROUP BY 之前盡早減少參與計(jì)算的數(shù)據(jù)量。如果是數(shù)據(jù)倉(cāng)庫(kù)場(chǎng)景以上路徑仍然適用但要繼續(xù)看分區(qū)裁剪是否生效。按分區(qū)字段過(guò)濾可以極大減少掃描量。5.4 寫 SQL 時(shí)的幾個(gè)容易忽略的坑第一個(gè)坑是 NULL 參與比較。SQL 中WHERE column ! x會(huì)排除掉column IS NULL的行因?yàn)镹ULL與任何值比較都返回未知。如果要保留缺失值要顯式寫WHERE column ! x OR column IS NULL。第二個(gè)坑是 join 鍵重復(fù)。兩張表 join 之前要先確認(rèn)關(guān)聯(lián)鍵的基數(shù)。如果主鍵重復(fù)結(jié)果行數(shù)會(huì)成倍放大進(jìn)入統(tǒng)計(jì)或建模后會(huì)造成雙重計(jì)數(shù)。第三個(gè)坑是拼接 SQL 字符串。在業(yè)務(wù)系統(tǒng)或腳本中千萬(wàn)不要用字符串拼接用戶輸入來(lái)構(gòu)造 SQL應(yīng)該使用參數(shù)化查詢或占位符方式否則會(huì)產(chǎn)生注入安全風(fēng)險(xiǎn)。這是工程底線任何場(chǎng)景都不能妥協(xié)。6. Spark 分布式計(jì)算的實(shí)戰(zhàn)要點(diǎn)6.1 從 pandas 到 Spark 的思維遷移很多人在開(kāi)始學(xué) Spark 時(shí)自然希望 API 和 pandas 完全一樣但這是誤解。Spark DataFrame 的 API 雖然看起來(lái)像底層執(zhí)行模型不同。先看最小示例from pyspark.sql import SparkSession spark SparkSession.builder.appName(example).getOrCreate() sdf spark.read.csv(large_data.csv, headerTrue, inferSchemaTrue) result sdf.groupBy(region).agg({sales: sum}) result.show()這里有一個(gè)關(guān)鍵點(diǎn)groupBy和agg只是構(gòu)造了執(zhí)行計(jì)劃真正計(jì)算發(fā)生在show()被調(diào)用時(shí)。這種惰性求值設(shè)計(jì)讓 Spark 可以把一系列轉(zhuǎn)換操作組合成完整執(zhí)行計(jì)劃再自動(dòng)做優(yōu)化比如調(diào)整 join 順序、下推過(guò)濾條件。pandas 中所有操作都立即執(zhí)行Spark 中則要區(qū)分轉(zhuǎn)換操作和行動(dòng)操作。只定義轉(zhuǎn)換而不觸發(fā)行動(dòng)程序不會(huì)報(bào)錯(cuò)也不會(huì)真正跑數(shù)據(jù)。很多初學(xué)者的疑惑是“代碼沒(méi)報(bào)錯(cuò)但等待時(shí)間很長(zhǎng)”最后發(fā)現(xiàn)是在反復(fù)觸發(fā)多個(gè) action 導(dǎo)致重復(fù)計(jì)算。6.2 快速跑通本地 Spark 任務(wù)本地開(kāi)發(fā)時(shí)可以使用 local 模式spark-submit --master local[2] your_job.pylocal[2]表示使用兩個(gè) CPU 核心并行執(zhí)行本地任務(wù)。local[*]表示使用本機(jī)全部可用核數(shù)。如果是 YARN 集群環(huán)境提交命令會(huì)更復(fù)雜spark-submit \ --master yarn \ --deploy-mode cluster \ --driver-memory 2g \ --executor-memory 4g \ --executor-cores 2 \ --num-executors 10 \ your_job.py這幾個(gè)參數(shù)直接決定作業(yè)能申請(qǐng)多少資源。executor-memory是每個(gè) Executor 的 JVM 堆內(nèi)存executor-cores是每個(gè) Executor 可用的 CPU 核數(shù)num-executors是 Executor 數(shù)量。配置過(guò)高超過(guò) YARN 隊(duì)列上限任務(wù)不會(huì)啟動(dòng)配置過(guò)低則并行度不夠作業(yè)會(huì)很慢。6.3 為什么 Executor 在 YARN 上每個(gè)容器只分配一個(gè) vCore這是 Spark 學(xué)習(xí)群里出現(xiàn)頻率很高的問(wèn)題現(xiàn)象是明明機(jī)器有幾十個(gè)核心作業(yè)里 Executor 的 Core 數(shù)卻只有 1任務(wù)跑得很慢??赡茉虬磧?yōu)先級(jí)排列提交時(shí)沒(méi)有顯式指定--executor-cores而默認(rèn)值是 1。在 YARN 模式下不同發(fā)布版的默認(rèn)配置不完全一致但很多場(chǎng)景下確實(shí)只有一個(gè) Core。YARN 調(diào)度器限制了單個(gè)容器最大資源導(dǎo)致申請(qǐng)超過(guò)限制后被降級(jí)或失敗。集群節(jié)點(diǎn)空閑資源不足即使申請(qǐng)了 2 個(gè) Core資源管理器也只能按最小可用資源分配。沒(méi)有合理設(shè)置spark.dynamicAllocation.enabled動(dòng)態(tài)調(diào)整 Executor 數(shù)量的機(jī)制沒(méi)有生效。排查方式很直接打開(kāi) Spark Web UI 的 Executors 標(biāo)簽頁(yè)查看每個(gè) Executor 的 Cores 屬性同時(shí)打開(kāi) YARN ResourceManager UI看容器實(shí)際分配的資源。不要把 Spark UI 里的任務(wù)并發(fā)數(shù)當(dāng)成 CPU 核數(shù)兩者不同。如果是本地偽分布式環(huán)境只有一個(gè)節(jié)點(diǎn)幾個(gè)核心不必過(guò)度糾結(jié) vCore 數(shù)如果確實(shí)需要調(diào)高 executor 并行度要按集群節(jié)點(diǎn)規(guī)格估算可分配資源。假設(shè)一個(gè)節(jié)點(diǎn)有 16 vCore32GB 內(nèi)存系統(tǒng)和其他服務(wù)要留一部分資源剩余資源才能分配給 Spark。7. 常見(jiàn)問(wèn)題排查清單7.1 pandas 類問(wèn)題問(wèn)題現(xiàn)象可能原因檢查方式處理建議數(shù)值列變成 object 類型數(shù)據(jù)中有“,”或其他非數(shù)字字符df.dtypespd.to_numeric(df[col], errorscoerce)合并表后行數(shù)異常增長(zhǎng)join 鍵在兩張表中有重復(fù)df[key].duplicated().sum()先查重復(fù)鍵再?zèng)Q定去重或確認(rèn)是否需要多對(duì)多連接對(duì)某列賦值后出現(xiàn)大量 NaNDataFrame 索引不對(duì)齊檢查df.index是否連續(xù)使用reset_index(dropTrue)后再賦值調(diào)用了dropna()但行數(shù)沒(méi)變空值是以空字符串形式存在df[col].value_counts(dropnaFalse)把空字符串替換成None或直接過(guò)濾7.2 SQL 類問(wèn)題問(wèn)題現(xiàn)象可能原因檢查方式處理建議查詢結(jié)果出現(xiàn)重復(fù)行join 鍵非唯一分別查兩張表的鍵基數(shù)確認(rèn)關(guān)聯(lián)是否多對(duì)多必要時(shí)先聚合再去重查詢結(jié)果為空NULL 參與了比較檢查 WHERE 條件和數(shù)據(jù)樣例用IS NULL顯式處理缺失值查詢很慢無(wú)索引或全表掃描執(zhí)行EXPLAIN查看執(zhí)行計(jì)劃建立索引、裁剪列、盡早過(guò)濾窗口函數(shù)報(bào)語(yǔ)法錯(cuò)誤數(shù)據(jù)庫(kù)版本過(guò)舊查看數(shù)據(jù)庫(kù)文檔中的窗口函數(shù)支持更換引擎或在 group by 后用自 join 替代7.3 Spark 類問(wèn)題問(wèn)題現(xiàn)象可能原因檢查方式處理建議作業(yè)長(zhǎng)時(shí)間卡住或 OOMshuffle 數(shù)據(jù)量過(guò)大Spark UI 的 Stages 頁(yè)查看 shuffle 讀寫量增加分區(qū)數(shù)、調(diào)大執(zhí)行內(nèi)存、減少不必要的 action 次數(shù)每個(gè) Executor 只有 1 個(gè) vCore提交參數(shù)未配置或資源受限查看 Spark UI Executors顯式指定--executor-cores確認(rèn) YARN 隊(duì)列上限日志出現(xiàn)大量 WARN 但看不出錯(cuò)誤配置或依賴版本不匹配找到第一條 ERROR 或 Exception按日志堆棧里提到的類名搜解決方法輸出寫入的文件數(shù)過(guò)多分區(qū)太碎查看輸出目錄 part 文件數(shù)量用coalesce()或調(diào)整分區(qū)策略控制文件數(shù)7.4 排錯(cuò)順序參考遇到問(wèn)題時(shí)不要一開(kāi)始就懷疑框架有 Bug。多數(shù)情況下問(wèn)題出在輸入、路徑、版本、配置這四個(gè)層面。建議按下面順序排查輸入數(shù)據(jù)格式是否符合預(yù)期。文件路徑、列名、表名是否寫對(duì)。Python 或 Spark 依賴版本是否與代碼兼容。配置是否真的生效比如環(huán)境變量和 spark-defaults.conf。權(quán)限、端口、網(wǎng)絡(luò)、資源限制是否正確。日志里是否有關(guān)鍵異常堆棧??蚣鼙旧硎欠翊嬖谝阎拗?。其中第 4 步最容易忽略。在本地改配置不一定同步到集群在 PyCharm 里改代碼不一定同步到正在運(yùn)行的環(huán)境。先確認(rèn)所有配置文件和運(yùn)行環(huán)境一致再開(kāi)始查代碼邏輯。8. 從課程實(shí)戰(zhàn)走向工程化8.1 數(shù)據(jù)科學(xué)代碼不能只是腳本課程練習(xí)里寫一個(gè)從上到下的 notebook 腳本是可以接受的。但進(jìn)入項(xiàng)目后代碼應(yīng)該更像工程而不是流水賬。推薦做法把數(shù)據(jù)讀取、清洗、特征工程、建模拆成函數(shù)或模塊讓每一步可以單獨(dú)測(cè)試。用配置文件統(tǒng)一管理路徑、參數(shù)和依賴版本而不是散落在代碼里。在關(guān)鍵階段打印日志比如“原始數(shù)據(jù) 10000 行清洗后 9600 行”方便定位數(shù)據(jù)問(wèn)題。保留中間產(chǎn)物比如清洗后的 CSV 或 Parquet避免每次調(diào)試都重跑全部步驟。對(duì)異常分支做處理比如某個(gè) CSV 文件缺失時(shí)不至于整個(gè)程序崩潰。下面是一個(gè)簡(jiǎn)單結(jié)構(gòu)示例def load_data(path: str) - pd.DataFrame: df pd.read_csv(path) print(floaded rows: {len(df)}) return df def clean_data(df: pd.DataFrame) - pd.DataFrame: before len(df) df df.drop_duplicates() df df.dropna(subset[price]) print(fcleaned: {before} - {len(df)}) return df def train_model(df: pd.DataFrame): # 特征工程、拆分、建模 pass df load_data(housing.csv) df clean_data(df) train_model(df)日志的價(jià)值在數(shù)據(jù)科學(xué)項(xiàng)目中格外明顯因?yàn)閿?shù)據(jù)變化很快。今天能跑通的數(shù)據(jù)明天字段可能變了、空值比例可能變了、分布可能漂移了。沒(méi)有日志很難定位差異點(diǎn)。8.2 學(xué)習(xí)環(huán)境與生產(chǎn)環(huán)境的差異維度學(xué)習(xí)環(huán)境生產(chǎn)環(huán)境數(shù)據(jù)量小樣本單機(jī)內(nèi)存可處理大樣本可能超出單機(jī)內(nèi)存數(shù)據(jù)質(zhì)量相對(duì)干凈重點(diǎn)在學(xué)方法字段漂移、缺失、來(lái)源不穩(wěn)定代碼要求能跑通、能解釋可測(cè)試、可監(jiān)控、可回滾依賴管理虛擬環(huán)境即可需要固定版本、容器化或鎖文件模型上線Notebook 實(shí)驗(yàn)即可需要服務(wù)化、日志、監(jiān)控、告警權(quán)限與安全本機(jī)文件為主數(shù)據(jù)權(quán)限、敏感信息脫敏、審計(jì)學(xué)習(xí)時(shí)不需要一步到位但要意識(shí)到課程里跑通的模型只是原型離線上服務(wù)還有一段距離。8.3 交付或發(fā)布前的可復(fù)用檢查清單不管是課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)還是真實(shí)項(xiàng)目交付下面這份清單都適用[ ] 是否清理了硬編碼的數(shù)據(jù)庫(kù)密碼、API Key 和敏感路徑[ ] 是否固定了 Python 包版本而不是依賴“剛裝的最新版”[ ] 訓(xùn)練集和測(cè)試集是否嚴(yán)格分開(kāi)所有統(tǒng)計(jì)參數(shù)是否只從訓(xùn)練集學(xué)習(xí)[ ] 是否設(shè)置隨機(jī)種子實(shí)驗(yàn)是否可以復(fù)現(xiàn)[ ] 是否記錄了數(shù)據(jù)清洗前和清洗后的行數(shù)和字段變化[ ] 是否檢查過(guò)模型在測(cè)試集上的表現(xiàn)并與基線模型對(duì)比[ ] 是否輸出了特征重要性或其它可解釋性信息[ ] 是否把關(guān)鍵日志和中間結(jié)果保留下來(lái)[ ] 是否考慮了未來(lái)數(shù)據(jù)漂移后什么情況下需要重新訓(xùn)練[ ] 是否準(zhǔn)備了回滾方案模型效果變差時(shí)如何回切舊版本這些條目看起來(lái)簡(jiǎn)單但實(shí)際項(xiàng)目里最容易出問(wèn)題的反而是前幾條代碼里殘留密碼、數(shù)據(jù)泄漏、實(shí)驗(yàn)結(jié)果不可復(fù)現(xiàn)。8.4 下一步擴(kuò)展方向走完 pandas、SQL、機(jī)器學(xué)習(xí)、Spark 這條主線后還可以繼續(xù)擴(kuò)展學(xué)習(xí)更系統(tǒng)的 ETL 工程理解數(shù)據(jù)管道是如何從源端流向數(shù)倉(cāng)和特征表。學(xué)習(xí)數(shù)據(jù)質(zhì)量測(cè)試用測(cè)試來(lái)保證字段分布、空值率、主鍵唯一性符合預(yù)期。學(xué)習(xí)模型服務(wù)化把訓(xùn)練好的模型變成 API 接口并加上監(jiān)控和告警。學(xué)習(xí)特征存儲(chǔ)和模型注冊(cè)讓特征和模型版本可追蹤。在更大規(guī)模的場(chǎng)景中深入學(xué)習(xí)分布式計(jì)算比如分區(qū)策略、shuffle 調(diào)優(yōu)和資源調(diào)度。如果你正在準(zhǔn)備課程設(shè)計(jì)或畢業(yè)論文可以把“完整數(shù)據(jù)科學(xué)閉環(huán)”直接作為項(xiàng)目主線先說(shuō)明問(wèn)題背景再介紹數(shù)據(jù)來(lái)源和環(huán)境然后依次描述數(shù)據(jù)清洗、EDA、建模、評(píng)估和總結(jié)。每一章都要有可運(yùn)行代碼和驗(yàn)證結(jié)果這樣評(píng)審老師每看一步都能復(fù)現(xiàn)通過(guò)率會(huì)高很多。學(xué)習(xí)這門課程時(shí)也不要只追求把 27 講全部快速過(guò)一遍而是每學(xué)一個(gè)階段就停下來(lái)用一份自己的數(shù)據(jù)重做一遍直到可以脫離課件獨(dú)立完成整個(gè)閉環(huán)。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
AV老汉| 97操综合| 激情婷婷黑人91| 素人一区二区三区日韩| 99只有精品| 91综合网| 天天淫人人妻日日色| 美女天天干| 不卡一区二区日本视频| 久日91在线| 欧美色www亚洲国产阿娇要播| 婷婷AV一区二区三区| 青青草字幕AV| 日va操| 日本999精品| 精品亚洲一区在线观看| 女同性恋一区二区三区精品视频| 国产亚洲色婷婷久久99精品91 - 百度| 亚洲第一成人影院色播| 九九热午夜欧亚国产视频| 少妇一区二区三区精选| 操少妞在线视频| 久久久久久久九九九九九九| 国产乱人妻精品入口| 日本欧美韩国国产在线| 91久久国产综合精品| 91综合色噜噜| 日韩AV色图| 91狠狠综合网| 97天天操天天干| 99亚洲国产精品色一区二区三区| 欧美日韩夜夜| 亚洲视频中文一区| 天操老女人| 国产最新小视频在线播放下载| av优播| 资源新线在线天堂| 亚洲熟女av中文字幕| 99热18| 熟女熟妇伦久久影院毛片一区二区 | 日本人妻伦在线中文字幕| 久久久爆乳翘臀一线天伦理视频| 亚洲人妻爽爽爽| 亚洲 综合 欧美| 九t超碰| 91视频国品一二三区| 超碰在线一区二区| 欧美综合自拍成人自拍第二十页| 天天草天天日| 密臀在线免费观看| 7777奇米影视久久| 天美麻豆一区二区三区| 超碰亚洲97| 尤物网站91| 91精品人妻一区二区-全集完整版免费正片国语-B02AV | 91超碰丝袜制服| 国产精品婬乱一级毛片彝族| 欧美人妻一区二区| 麻豆区99999| 免费看黄片现成| 亚洲精品国产av天美传媒| 温婉少妇玩3p| 夜色综合| 中文熟女五十乱码在线| 无码91| 探花一区二区三| 国产黑白丝在线| 亚洲精品蜜桃久久久久久久| 青草视频人妻在线观看| 成人午夜视频免费播放| 亚洲色图91| 亚洲av热热色| 亚洲中文字母在线播放| 热99这里有精品综合久久 | 五月天色五月| 欧美色图综合| 色网综合网| 在线 制服丝袜中出 人妻| 色综合国产在线观看| 玖玖爱伊人玖玖爱| 丝袜翘臀后入欧美校园亚洲自拍另类小说一区中文字幕少妇诱惑 | 欧美一级黄色免费专区| 欧美97在线欧| 国产97色在线 | 亚洲| 99热精品免费| 国模不卡| 天天综合欧美| 噜噜噜亚洲精品| 七久久久| www网站黄| 亚洲精品久久久久毛片A片拉屎| 色爱综合网| 老外又粗又长一晚做五次| 97操综合| 1204av韩国| 久久综合婷婷| 加勒比久久综合网高清| 在线一道啪| 天天影视综合色| 啊啊啊啊啊,啊啊啊啊好舒服,操我舒服啊啊啊| 91九色网| 日本高清久久| 综合色播| 看日韩操逼| 天天操天天射天天日| 大香蕉久久| AV男人天堂网| 日本久久999| 天堂日本亚洲欧美| 欧美在线啊啊啊| av天堂影视中文在字幕在线中文| 国产精品成人蜜臀AV在线| 97看操| 日韩中文字幕av在线播放| 成年男人的天堂| 九月丁香婷婷| 亚洲在线a| 青久久| 亚洲在线a| 久久久亚洲Av| 乱伦日本中文自拍| 欧美最婬乱婬爆婬性视频| 人人插人人搞人人操| 午夜亚洲WWW湿好大| 张柏芝国产一区在线观看| KK色在线影院| 久草电影网| 国产精彩女在线观看视频| 国产精品香蕉| 91亚洲欧美| 国产精品一二三免费网站| 欧美精品99久久久**| 秋霞怕怕片| 91丝袜美女视频| 96久久久久久久| 日日玩天天干| 蜜臀一二三区| 乱欲性色| 在线观看 99热| 97伦乱| 欧美亚洲素人制服精品| 久久9久久| 我爱操| 欧美大片天天看| 久久午夜伦| 激情综合五| 欧美视频边做饭边橾| 日本www操操操| 午夜福利成人免费视频| 久久婷婷热| 操婢日韩| 中文字幕在线观看网页| 九九久久99| 久久久111| 国产视频小说| 久9爱精品| 老司机香蕉| 久草老司机| 综合亚洲网| 成人五月天色网| 亚洲午夜未满十八勿入网站日本又色又爽又黄 | 久热99| 伊人AAA| 看看小穴| 中国一区二区亚洲人妻| 久久AV无码AV| 欧美性爱www免费版| 新婚人妻扶着粗大强行坐下| 亚洲91极品| 99热99re超碰精品| 美女黑人91神马| 超碰一区二区| 人妻丝袜一区二区三区在线| 俺去啦俺来也久久综合| 久久激情亚洲精品无码?V| 3p国产色噜噜一区| 日日AV加勒比| 亚洲在线A| 免费精品福利在线观看| 久草精品一区 | 免费一级特黄特色大片在线观看看| 视频分类 国内精品| 久久久蜜桃一区二区三区| 裸体美女久久久| 天天干人人乐| 亚洲美女AV无码| 91天天| 强奸乱伦免费网站| 自拍鲍鱼一区在线高清观看免费| 久久侵犯人妻爽爽爽| 日韩中文字幕2020| 97爱亚洲| 久久婷综合| 天天影视射综合网| 九草九九九| 大粗鳼巴久久久久| 国产精品一区午夜福利| 嗯嗯啊啊视频在线看| 99精品丰满人妻| 欧美日韩狠狠爱| www.99中文字幕| oumeisetu综合| 91高跟美女在线播放| 野狼福利社区| 色色婷婷丁香| 色香综合天天影视综合 | 影音先锋新男人| 亚洲无码偷拍| 91亚洲网站| 国产乱伦亚洲色图高清无码| 亚洲色人妻综合| 高潮9999外国| 亚洲黄色a级片| 国产精品午夜成人福利| 2020久久免费视频| 骚逼高潮久久精品| 蜜桃臀av一区二区| 加勒比久久av| 精品视频免费在线一区| 国产精品网址| 无码久| 欧美岛国精品在线观看| 中文字幕国产精品1区| 东北老熟女| 色婷婷九月天天综合| 欧美日韩一干二干| 国产美女自拍AV| 大香蕉伊人网WWWn0n| 操人妻视频| h在线看免费版在线看| 日韩无码服务区| 国产一区二区在线电影| 干妹子| 国产尤物AV尤物在线观看不卡| 国产福利精品98视频| 一级毛片电影免费看| 91色久| 日韩日韩日韩-国产乱码精品一区二区| 老鸭窝成人| 快点操死我| 丁香婷婷激情五月天无毒不卡 | 毛片久久| 亚洲天堂AV在线播放| 色哟哟1区2区| 色综合中文字幕不卡| 18禁免费视频| 久久 久久国内精品亚洲| 国产自产自拍| 色777999综合| www激情| 亚洲资源一区| 色性荡荡荡荡视频| 97精品熟女少妇一区| 白丝在线一区| 思思热在线视频在线| 青娱乐国产精品| 亚洲综合精品国产一区| 99爱在线视频| 日韩成人性日韩成人性爱视频在线免费观看| 一区在线观看中文字幕| 天堂综合网| 久久av色| 久久久久久无码人妻中文字幕| 日本欧美国内在线| 国产69精品久久久久99尤物| 3028国产精品| 国产91丝袜 在线播放| 96AV精品| JIZZJIZZ国产精品喷水| 日躁天天爽爽| 美女黑人91神马| 美女被艹尤物视频| 午夜精品久久久久久久久久久久久| 久久25| 亚洲AV无码AV吞精久久久久| 亚洲黄色电影| 青青草字幕AV| 丁香五月婷婷五月| 国产在线激情视频| 丝袜足交视频| 蜜臀99久久精品| 强奸少妇AV导航网| 风流老熟女一区二区三区l| 亚洲性天堂| 亚洲在高跟鞋自慰久久在色线| 亚洲AV成人无码久久精品播放| 久久69| 骚女高跟AV在线| 天天综合色| 国内精品a| 欧美综色欧| 超碰人妻久久人妻中文97| 亚洲福利中文字幕在线| 美国日韩黄片| 久久久999国产| 九九热视频这里只有精品| 欧美疯狂做爰xxxx| 国产特级毛片AAAAAA高潮流水| 麻豆尤物视频网| 91美女色视频亚洲| 超碰亚洲97| 亚洲综合精品国产一区| 91P0RNY大屁股人妻| 中出20p| 中文字幕-区二区三区四区视频中国| 日本三级R| 国产一区二区免费福利片| 日日夜夜骑| 国产诱惑| 久久大线蕉一区| 欧美后进式| 日本操BAV| 国产久久成人| 国产真实子伦对白| 九九热国产| 91n免费处女| 麻豆福利视频导航| 精品大久久| 国产亚洲一黄| 久久久久久久久久8888| 国产男女无套视频免费观看| A V视频日本| 人人操 欧美| 亚欧成人中文字幕一区| 久久久久亚洲三级电影| 无码人妻精品酒店| 欧美性性性| 中文字幕无码不卡啪啪| 国产性爱欧美性爱在线| 熟妇高潮一区二| 女同性恋一区二区三区精品视频| 亚洲欧美九九| 无码heyzo高清一区| 色爱国产| 亚洲乱码国产乱码精网站| www.激情| 亚州欧美色图| 国产午夜无码片在线观看影视| 欧美大的香蕉有线电视视频| 久久精品人人做人人看| 免费操逼视频下载| 日韩有码 一区二区三区| 日本999精品| 精品人妻一区二区三区视频在线| 成人av福利在线观看| 久久亚洲av成人无码国产| 日本道久久综合色色| 日本中文字幕一区| 日本免费二区三区| 国产精品点击进入在线影院高清| 91熟女丨老女人| 天天插天天干| 国产在线播放成人免费| 翔田千里AV无码秘 三区| 午夜精品久久久久久久久久久久久| 国产精品一区二区麻豆| 日韩精品在线视频,日韩精品……| 亚洲各类熟们中文字幕| 青久久| 91丨人妻丨国产丨丝袜| 秋霞 色色| 亚州五月| 蜜臀久久久99久久久久 | 成人A片男人的天堂| 曰本精品久久久| 欧美综合在线91| 日韩综合97P| 欧美亚洲激情| 欧美亚洲另类在线蜜桃| 2019男人的天堂| 一区二区三区黄片免费观看| 999 久久久| 91色综| 91大神电影天堂| 欧州色图区| 天天爽天天爽| 国产亚洲深夜激情| 超碰人妻97| 免费一级黄色录像影片| 欧美色图片欧美色图| 亚洲一区二区三区中文字幕| 欧美 亚洲| 日B操| 影音先锋视频在线| 九九精品热| 男女91| 天天大干大香蕉| 欧美 亚洲 在线| 午夜亚洲WWW湿好大| 午夜AV人气不卡| 99热欧美| 亚洲男人天堂2016| 久碰视频| 人妻酒店出差被中出免费在线播放| 欧美淫乱视频| 亚洲一区二区三区春色| 日本欧美国内在线| 欧洲亚洲人妻无码中字久久三区四区 | 色色99| 97伪v| 欧洲精品一级二级精品综合视频综合| 精品中文字幕第一页| 亚洲九区| 中文字幕av一区二区三区人妻少妇 | 久久精品国产精品亚洲艾通辽熟妇 | 丁香五月色| 99热最新| 色麻豆AV| 人人爱人人乐人人操| 香蕉人人操tv| 日韩精品9999| 欧美综合另类| 静品嫩模一区二区| 欧美性综合| av影片在线观看不卡| 日韩人妻中文视频| 久久视网78| 91 天天综合| 亚洲国产精品无码AV在线| 97色在线观看| 啊啊啊啊啊啊好多水| 伊人网综合在线视频| 91在线美女| 啊啊啊好大好深| 国产亚洲中文不卡二区| 成人A片男人的天堂| 天天综合中文字幕 91| 亚洲精品第一| 亚洲性感丝袜诱惑在线观看| 日韩熟女操逼| 日本免费中文一区二区三区四区 | 蜜乳中文字幕a在线| 欧美成年人性爱视频免费观看| 一区二区三区 日韩欧美| 不卡人妻少妇精品毛片一区23区视频| 性色综合网| 一起草精品人妻| 亚洲性少妇| 久久久久久99AV无码免费网站| 乱精品一区字幕二区| 久久久久久久综合,国产| 国产一级内射无挡观看| 大吊色| 激情综合网激情综合| 狠狠色综合网| 96麻豆精品一区二区三区| 性做久久久久久免费观看软件| 日本一久是| 欧美国产精品| 欧美高潮| 国产av美女被艹的乱叫| 热久久无毒不卡| 国产精品探花在线| 99色热| 久久免费精彩视频| 欧美不在线| 亚洲人成网www| 亚洲丝袜少妇在线| 91熟女熟妇视频网站| 91中文字幕制服丝袜免费视频| 九九伊人网| 中国特猛少妇色xxx| 五月婷婷六月丁香| 久草午夜| 人人摸人人干| 小视频玖玖| 欧美传媒一区| 爱射综合| 黄色无码高清黄色无码网站| 青草香蕉网| 中文字幕乱在线伦视频中文字幕乱码在线| 日韩天天本| 5278欧美一区二区三区| 国产精品自拍欧美在线| 久久久久亚洲av综合波多野制衣| 九九九九九九九九九五码| 日本欧美一区二区三区视频麻豆| 亚州熟妇精品| 日韩不卡av一二三| 少妇无码999| 狼天天狼天天大香蕉| 试看日韩黄片| 激情黄色五月天| 2024人人操人人摸| 乱伦系列一区二区| 欧美成年人性爱视频免费观看| 日韩情色视频| 国产黄片精品在线| 97久久超碰日韩精品| 色av中文字| 日本一区视频在线观看| 99热线麻豆 | 欧美亚洲自拍另类人妻| 国产性爱欧美性爱在线| 日本色色网| 性无码专区2020| 碰超人人在线一区二区三区| 99这里有精品视频| 国产欧美成人第一页在线观看| 天天干1区2区在线| 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 | 国产美女销魂在线观看不卡| 日本 情色 1区2区3区| 亚洲成人av色网| 性色生活片久久毛片婬片免费放女人一级毛片 | 日本人人操人人操| 家庭乱伦麻豆| 91九色丰满高潮| 啊好大好舒服| 天天色综合天天操| 国产精品视频自拍在线| 超碰吊日色| 97日视频| 男人天堂婷婷五月天校园春色| 少妇啪啪自拍| 欧美高清第一页| 屁股久久久久久久久| 欧美日韩情色一区二区| 天天躁日日躁AAA片李宗瑞| 日本影视久久免费| 欧美中日韩XXXX| 老司机免费视频在线91| 麻豆天美国美国产| 日本99久久| 黄片视频,下载| 亚洲天堂一区| 夜夜嗨一区二区三区直播内容| 亚洲色图美腿丝袜| 视频在线观看一二三区| 天天肏夜夜肏| 一级特级aaaa毛片免费观看 | 熟女少妇视频| 国产精品一级二级在线| 亚洲激情天堂网| 爱爱动态120秒| 去干网最新版| 午夜久久无码1000合集| 亚洲国产欧美一区二区潘金莲| 久久高潮妇女视频| 人妻激情视频| 97超碰国产亚洲精品| 日本淫穴在线| 国产精品第二页| 粘花网06av视频| 激情自拍 校园春色| 午夜精品久久久久久久男人的天堂 | 国产黄色 A 片免费看| 97超碰精品| 国内一级精品| 日夜啪电影| 99久久九九| 玖玖爱免费观看视频| 免费人成在线观看网站品爱网| 国产强奸乱伦欧美| 久草加勒比一区在线| 亚洲性天堂| 在线天堂资源亚洲| 97欧美日韩综合| 国产一区二区在线看| 国产AV线| 亚洲国产97在线精品一区| 亚洲图片欧美另类综合免费视频大大香| 国产 大胆 对白| 亚洲欧美setu| 99精品高潮| 操操逼操操逼操操逼逼| 亚洲国产精品99久久久| 樱花蜜乳av| 国产AV色黄看到爽| 久久成人国产| 日韩不卡a级视频专区| 大香蕉一线视频| 午夜黄色免费在线观看| 美国一区二区免费视频| av一区二区三区 中文| 99碰碰| 天天干少妇| 偷拍伦理视频| 久久久av爱| 中文字幕超碰CAO| 国产欧洲精品亚洲午夜拍精品| 日日日色色色色色| av影院十区| 天天肏天天干| 国产不良强奸视频免费看| 影音先锋少妇| 日han少妇无码| 国产aⅴ无码片毛片一级网站| 伊人精品久久网站| 囯产操逼片| 丁香五月天婷婷姐| 精品国产91av一区二区三区| 欧美日韩中文字幕不卡| 91搡老女人老妇女老熟女歌词翻译| 丰满人妻区一区二区三| 婷婷在线视频在线观看| 人人妻人人爽 97人人看碰人免费公开视频| 九九精品无码专区免费| 在线无码操| 99色在线视频| 97硬碰| 中文字幕欧美日本乱码一线二线 | 色综和网| 日韩本不卡视频在线观看| 国产99999| 欧美黄色大片在线观看| AV污污污污| ′ !γ}丶。。久久精品欧美一区二区三区| 中文字幕123| 美日韩一卡二卡三卡免费人妻精品| 国产视频大全| 日韩不卡av一二三| 久久亚洲AV成人精品无码| 日韩美女操b| 2017人人操,人人摸| 天天精品| 岛国AV一区二区电影| 亚洲蜜臀视频精品久久| 日本色日夜干| 99re免费视频精品全部| 国产精品动态一区二区三区四四| 色网亚洲人| 2019天天干| 国语精品内射在线观看| 欧美熟爽综合| 风骚少妇视频中文字幕| 欧美性第一页| 凸凹视频在线观看| 五月天伊人| 欧美日本久久精品一区| 欧美久久婷| 免费人人搞97| 亚洲色人阁| AV不卡在线| www鬼畜国产男人的天堂| 91网站在线播放| 99久久亚洲精品无码毛片潘甜甜| 青青草在线成人视频| 女人综合网| 国产亚洲禁久一区二区| 青娱乐大香蕉| 水多多映视AV| 9色在线| 国产中文日韩欧美一区二区三区人妻丝袜美腿| 少妇久久久| 色婷婷色99国产综合精品| 久久日本熟妇熟色高清| 精品人妻中文字幕高清| 97色色视频| 亚欧美色图| 草草影院日本第一页| 精品射1999| 久久超碰网| 超碰在线日韩一区| 欧美东京热青青草| 欧美精品在线观看| 成人一级性爱| 色97欧美| 91狠狠狠| 亚洲视频,小说| 天天肏天天干| 五月天开心网| 综合网亚洲1| 97人妻免费中文字幕| 久久九七| 婷婷干黄色| 日本不卡高清免v欧美日韩在线观看| 97超级久久| 三级片网站在线播放| 97人人操人人摸人人爱| 嗯~啊~快点 死我视频免费看网站| 风韵犹存大大大大香蕉| 婷婷六月色开| 性欧美999| 91在线丝袜| 野狼激情网| 大香网站| 二级毛片| 免费看日本操逼视频| 美女爽爽爽刺痛洞洞| 欧美麻豆成人同性GⅤ在线| 加勒比综合a∨| 另类小色呦| 超碰4A| 99色在线| 91操熟女| 99操| 欧美日本一区二区a人| 中文字幕av片| 亚洲综合在线视频| 日韩小电影| 97精品一二区| 中文字幕美女91| 婷婷另类小说| 亚洲天堂人妻熟妇视频| 亚洲AV人人澡人人爱| 国产高潮AA片免费看| 91欧美网| 97操97色| 精品人妻中文字幕4399| 一区不卡在线观看av| 91色插| 一二视频神马久久传媒| 亚洲91av| 人妻素股| 国产精品夜夜| 欧美亚洲激情| 一中国女人毛片水真多| 国产成人午夜视频网址| 97九色人妻| 久久久久久一日韩字幕无码| 欧洲精品一二三在线| 亚洲无码久久久久久久| 九久9精品| 国产白领连续中出在线观看| 亚洲天堂AV在线播放| chaopen97久久| 国产欧美日韩女同性恋ww喷水精品 | 97人人操人人摸| 看黄片视频免费| 中文字幕青青草| 日本女厕偷拍| 粉嫩av在线一区二区| 欧美高清第一页| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师 | 欧美强奸乱| 人人妻人人爱人人玩| 密臀视频一区二区三区| 91碰碰碰| 日韩国产欧美伦理在线| 91bbbbbb| 欧美少妇色综合| 中文字幕第页| 国产女人操逼视频| 青娱乐淫乱1314| 欧洲自拍第一页| 日韩久久超碰色| 插欧洲美女欧美精品| 午夜男女爽爽爽影院视频| 热久久无毒不卡| 亚洲人在线成线成人| 蜜桃无码AV一区二区| 91一区二区三区蜜桃| 999色欧美中文字幕| 99啪啪| 天天干,天天日| 在线国产福利网址导航| 蜜桃中文字日产乱幕4区| 亚洲一区二区精品福利| 一级人妻性爱视频| 东京热男人天堂| 日韩国产九九精品一区二区三区毛片| 久久综合日韩亚洲欧美| 丁香婷婷啪啪| 顶级丝袜熟女一区二区三区 | 97色97好| 亚洲丝袜色| 全球成人中文在线| 性爱乱伦视频免费| 人妻天天爽天天爽三区| 国产一区二区在线看| 欧美大片天天看| 厕所偷拍在线| 骚逼高潮久久精品| 日欧操屄视频| 国产精品无码在线| 日本精品网站在线中文| 3PAV乱伦视频| 色香欲影| 夜夜欧美| 一本色道人妻久久| 婷婷爱五月| 男男H黄动漫啪啪无遮挡网站| 免费1级a做爰片观看| 性色AV网站| 青青草国产欧美非洲黑人| 欧美男人的天堂| 亚洲好色人妻| 四虎影视永久在线观看精品免费网站| 色99999| 五月婷在线| 97操B| 乱理日韩中文| 操逼不卡中文字幕| 91热| 亚洲人综合| 欧美亚洲综合色| 1769精品一区二区三区| 亚洲毛片一级带毛片基地| 18禁精品网站在线看| 国内偷自视频区视频综合| A级片日韩欧美国产欧美视频精选观看 | 中文字幕av亚洲精品| 97超碰欧美| 国产精品人妻无码久久久互動交流 | 亚洲成人无码影院| 日本免费专区| 在线观看亚洲专区| 国产美女高潮叫床视频| 777奇米影视777四色| 日韩中文字幕视频在线观看| 精品亚洲国产成人AV制服丝袜 | 大香蕉色欲AV| 国产乱不卡| 国产精品禁久久久精品| 色狠狠一区二区三区香蕉| 日本幼女18+| 日本Suv精品一区二区| 一本久道久久综合狠狠爱一密臀精| 91天堂丝袜美腿| 少妇精品久久久| 国产亚洲精品美女久久久m| 五十路六十路素人熟女| 亚洲 日本 国产 综合| 思思热久久成人| 国产树林里野战在线看| 欧美日韩91| 国语人妻精彩刺激| 青青草精品| 大香蕉92| 久久岛国| AV天堂国产| av无线看| 国内三级自拍小视频在线观看| 婷婷综合视频| 欧美第38页| 久久亚洲天堂| 亚州 综合 色图| 97人人中文网| 久久精视频美日韩在线视频| 亚洲男人bt天堂| 国产最火爆久久国产网站网站 | 久久AV无码AV| 26UUU欧美激情一区二区| 人人看人人摸人人色| 久久色人体| 精品中文字幕第一页| 天天插天天操| 人人摸人人干| 黄站在线免费观看| 91社区伊人| 国产午夜激片Av毛片不卡| 性爱动态120秒| 裸体1区| 99无码狠狠久久| 黄骗免费网站| 欧成人精品一区二区三区| 四虎在线视频| 黄骗免费网站| 小视频玖玖| 五月婷婷基地| 神马久久啊啊| 91在线精品| 在线观看亚洲专区| 97天天爽| 超碰97首页| 神马久久久久| 久草免费在线一区二区| 日本一区二区电影网站| 男人的天堂日韩| 亚洲一区日韩精品中文字幕| 国产亚洲色婷婷久久99精品91葵花宝典| 日韩乱码Av| 91国产伊人大香蕉| 99亚洲精品| 人妻少妇精品一区二区三区| 中文字幕文字幕无码一区二区三区电影99| 极品色社| 色99久草| 二男一女成人A片| 精品国产91av一区二区三区| 91天堂| 精品国产人成在线| 欧美熟爽综合| 99热线麻豆| 中国国国产一级特黄毛片| 男人的天堂在线| 亚洲日韩美女中文字幕乱| 国产亚洲日韩欧| 五月丁香大香蕉| 操淫穴亚洲五月丁香| 熟妇综合一区二区三区| 九九性视频| 蜜臀th| 亚洲欧洲日韩天堂av| 日本韩国一本产品小视频日本韩国一本产品久久久产品小视频日本韩国一本产品久 | 超碰97起碰| 色网亚洲人| 日本色色色色色视频| 97日视频| 久草精品国产99| 亚洲色人妻综合| 啪啪啪综合| 99精品久久久久久久婷婷蜜桃| 噜噜噜亚洲精品| 超碰国产精品无码| 色九九九| 福利视频香蕉免费一区二区在线| 色婷婷亚洲婷婷| 极品少妇久久久久| 国语对白在线播放视频| 亚洲一区亚洲天堂| 美国一区二区三区视频| 久久一二三四不卡| 九九视频黄色片| 国产专区路线| 13小男生GAY自慰脱裤子| 亚洲最大黄网| 日本孕妇一区二区视频操逼免费看 | 男人的天堂日韩| 嫩草影院在线观看精品| 天天日天天操VV| 欧美黑人精品在线播放| 日韩 成人 有码| 国产东北女人在线视频| 亚洲熟女一区| 插日本熟女视频| 欧洲自拍第一页| 天天色综合天天操| 午夜啊啊| 91 亚洲 欧洲| 国产精品人妻免费精品| 这里是精品| 日韩操逼性鲍| 欧洲自拍色图gif在线| 亚乱色| 精品少妇一区二区三区| 日本日逼视频网| 91亚洲图片| 久久久久ab| 国语av最新自产拍在线观看| 神马久久免费电影观看| 九九热视频在线观看| 91亚洲网| 久久亚洲熟妇在线视频| jizzjizz欧美| 天干天干天干天天做| 激情五月激情综合网| 少妇久久| 亚洲第一二区另类图| 口爆吞精在线观看| 撸撸成人在线视频| 亚洲人成网www| 色综合中文字幕不卡| 亚洲欧美色图片| 久久免费看高潮毛片韩国| 中文字幕久热视频在线| 色九九九九九九| 亚洲91极品| 情趣丝袜无码操逼视频| 热热色色综合| 五月花婷婷| 欧美一区二区一级岛国大片| 久久久久久久六六| 丁香五月天啪啪| 无码动漫av中文字幕| 日本高清熟女久久一区| 香蕉久久国产AV一区二区| 国产真实子伦对白| 是还免费视频1727我| 人人操AV| 亚洲色图尤物视频| 蜜区区视频79| 中文字日本乱码| 国产成人自拍视频在线| 丰满人妻区一区二区三| 日韩精品电影| 五月天激情婷婷| 精品人妻中文字幕4399| 久久东京热成人| 草蕉影视亚洲无码| 九九aV| 日韩免费高清大片在线| 97日韩欧美亚洲| 国产精品网站www| 久久色情| 精品中文字幕一区二区| 欧美劲爆第一页| 色麻豆AV| 久久伊人在线五区| 国产九九九九九九九九| 97超碰人人模人人拍人人| 后入福利| 动漫区日韩区欧美区| 五月激情综合网| 亚洲成人av电影在线| 啊啊啊网站| 91在线国产后入风骚翘臀美女素人| 国产天天骚| 久久五月视频| 乳欲人妻办公室奶水| 97九色| 99热在线只有精品| 神马久久69| 江都AV在线| 久久色情| 多乙久久久久久| 91人精品妻入口| 亚洲综合九九| 91老妇女| 大香蕉综合在线| 蜜桃中文字日产乱幕4区| 久久久久久久人妻| 国产高清精品福利| 亚洲国产精品无码AV久久久| 成人AV在线电影| 国产精品熟女乱伦| 啊啊啊啊啊啊好湿好爽视频| 人妻人久久精品中文字幕| 欧美综合国产精品久久丁香| 人人做人人妻人人夜视频| 操人妻逼91| 在线午夜成人无码视频| 国产高清精品一区二区三区毛片| 成人女人国产| 91久久婷婷| 777AV电影| 国产精品久久aV| 综合久久97| 九九九九精品在线| 啊啊啊在线看| 91超碰碰在线| 首页亚洲国产高跟丝袜诱惑视频| 久久鲁干| 凸凹视频在线观看| 老司机老司机午夜影院| 自拍偷拍第26| 天久久久噜噜噜久久国产精品爽爽 | 中文字幕成人| 欧美亚洲日本激情在线| 国产精品爱欲| 亚洲欧美精品福利在线| 亚洲精品aa久久伊人| 五码视频在线观看| 1769一区| 精品久久久av无码免费| 热热色中文无码| 超碰99在线| 人人操人人操人妻人| 夜夜国自区| 天天干人妻视频| 欧美综合综合| 老熟女熟妇| 久久欧洲| 欧美视频激情久久久久久| 三级网站超变态精品| 91偷拍欧美亚洲| 亚洲色图国产另类| 久久人妇| 综合视频91| 麻豆区久久久久亚| 91欧洲入口| 日本一久是| 成人情色综合网| 蜜臀AV一区二区三区| 亚洲 在线| 欧美亚洲91| 国产精品不卡一区二区电影| 国产又色又粗又黄又爽| 操www| 欧美性爱1080p| 五月婷婷丁香中文字幕| 久久久久久电影| 久久精品店| 成片免费播放| 色性综合| 91老司机在线视频免费观看 | 精品九九淫乱男| 午夜AV污污污| 91在线观看,天天综合| 99999精品| 久久久久久久强迫| 五月婷网站| 色婷婷网| 江都AV在线| 蜜桃久久久久久久久久久久| 久久精品日韩专区免费观看| 九九热精品视频六| 日少妇视频| 不卡av在线中文字幕| 日韩一级免费性爱| 黑丝内射一区二区三区| 宅男91视频在线播放| 国产精品不卡一区二区三区| 67914在线兔费成人视频| 東南亚性呦成人伦理资源在线视频| 密乳视频在线| 激情国产乱伦Av| 麻豆国产尤物AV| 亚洲影院小综合| 老司机福利社视频在线观看| 老女人综合网| 无码人妻精品一区二区中文| 亚洲图片偷拍视频区| 按摩中文字幕| 91人妻久久久久久久久久久久久| 欧中美三级一区二区三区| 欧美高清无码免费视频高清版| 搡老人老9丨女老熟人| 伊人久久婷婷| 蜜臀99999| 国产馆| 狠狠操夜夜| 久久婷婷五月天| 91草草草| 精品午夜福利| 黄在线| 天综合网| 人乳av| 国产精品盗摄 偷窥盗摄| 久久久久久久久久8888| 好看的91视频| 校园春色亚洲色图| 欧美天天干| 91狠| 啊啊啊啊,啊啊好多水| 无码一区免费在线不卡| 九九九精品| 国产97在线 | 亚洲| 亚洲做性| 精品日韩| 亚洲精品aa久久伊人| 免费av大片| 一牛影视久久久一区二区三区| 久久综合av| 东京热大香蕉| 成人免费在线网站| 久久精品欧美一区蜜桃| 诱惑人妻欧美一区在线播放| 日韩av色图综合| 欧美性战999| 青青草综合在线| 天天干人人干天天日97| 天堂精品在线| 一本一道久久综合久久| 天天日天天搞天天干| 亚洲 欧美 中文 日韩超碰| 中文熟女五十乱码在线| 中国AV美女| 日韩精品.久久精品.AV女优.天美传媒| 日本精品九九九| 国产v片在线免费观看| 91oumei| 九九热re99re6在线精品| 亚洲日韩美女中文字幕乱| 99re只有精品| 中文操逼字幕| 亚洲综合春色| 国产一二三在线视频五十路| 国产精品老师| 久久9精品网站| 少妇xx精品| 极品久久久久久久久久久久久久| 综合影院永久入口国产| 97资源超碰| 久久久亚洲| 欧美亚洲综合色| 美女91AV| 鲁鲁色综合网| 97精品免费视频网站|