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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

Python數(shù)據(jù)科學入門:NumPy/Pandas/Matplotlib三件套實戰(zhàn)指南

Python數(shù)據(jù)科學入門:NumPy/Pandas/Matplotlib三件套實戰(zhàn)指南 在這行干久了經(jīng)常被新入行的朋友問同一個問題想學 Python 做數(shù)據(jù)科學到底先學什么我的答案永遠是固定的三件套——NumPy、Pandas、Matplotlib。這套數(shù)據(jù)科學工具鏈幾乎覆蓋了從數(shù)據(jù)讀取、清洗、計算到可視化的全流程不管你是想分析一份 Excel 表格、爬蟲拿到的一堆 JSON還是公司數(shù)據(jù)庫導出的 CSV最終都會落到這三個庫上。這篇文章不是官方文檔的翻譯而是按我自己的踩坑經(jīng)歷來寫的哪些概念最容易卡住新手哪些安裝坑我每年都要幫人解決一次哪些報錯其實兩句話就能處理掉。全文會從環(huán)境搭建開始帶你依次跑通 NumPy 的數(shù)組運算、Pandas 的表格處理、Matplotlib 的圖形輸出最后用一個完整的小案例把這套工具鏈串起來。適合剛入門 Python、正準備接觸數(shù)據(jù)處理的讀者也適合那些裝好了環(huán)境但不知道從哪下手的同學。1. 先搞清楚一件事這套工具鏈到底幫你省了什么1.1 為什么是這三件套而不是 Pandas 直接干到底很多人有個疑問既然 Pandas 能讀 Excel、能做統(tǒng)計、能算均值排序為什么還要單獨學 NumPy這里解釋一下它們的分工。NumPy 是整個工具鏈的地基提供高性能的 ndarray 數(shù)組對象和向量化運算能力Pandas 在 NumPy 之上構建了帶標簽的表格結構也就是 Series 和 DataFrameMatplotlib 則負責把數(shù)據(jù)變成圖形。打一個可能不太嚴謹?shù)苤庇^的比方NumPy 像廚房里的基礎食材和切配標準Pandas 是按菜譜配好的半成品托盤Matplotlib 是擺盤上桌的環(huán)節(jié)。沒有 NumPy 的高效運算打底Pandas 處理幾十萬行數(shù)據(jù)時會明顯變慢不學 Matplotlib你做出來的分析結論就只能寫文字說服力直接減半。我的建議是從一開始就把這套工具鏈當成配合關系來理解而不是替代關系。數(shù)據(jù)處理的典型節(jié)奏是讀取數(shù)據(jù) → 用 Pandas 做預處理和切片 → 需要數(shù)值計算的地方切到 NumPy → 最后把結果交給 Matplotlib 畫圖。實際操作中你會頻繁在三個庫之間來回切換所以入門階段就要有意識地建立這個協(xié)作思維。庫核心對象主要職責類比角色NumPyndarray高性能數(shù)值計算、矩陣運算地基/食材PandasDataFrame / Series數(shù)據(jù)讀取、清洗、聚合半成品托盤MatplotlibFigure / Axes數(shù)據(jù)可視化呈現(xiàn)擺盤上桌我見過大量新手拿到一份 CSV 之后第一反應是head()看一下然后試圖寫循環(huán)處理每一行。這在數(shù)據(jù)量小的時候沒問題一旦跑真實業(yè)務數(shù)據(jù)慢到懷疑人生。真正的思路是先想清楚數(shù)據(jù)形態(tài)再決定用哪個庫的方法一步到位解決問題。1.2 你的第一個環(huán)境體驗裝不上、裝錯位置、裝錯版本聊正題之前先說個特別現(xiàn)實的現(xiàn)狀工具鏈本身不難難點從安裝就開始出現(xiàn)了。我每年幫人排查環(huán)境問題花的功夫比教寫代碼還多。常見的癥狀就三種。第一種屏幕上明明顯示安裝成功import 的時候卻報 ModuleNotFoundError。第二種在命令行里 import 正常換到 VSCode 或 PyCharm 里就報錯。第三種版本太老或太新導致某個 API 不存在、某個參數(shù)對不上。這些問題九成是同一個根因機器上有多個 Python 環(huán)境pip 裝到了一個環(huán)境解釋器用的卻是另一個環(huán)境。舉個例子你電腦里可能同時存在官網(wǎng)下載的 Python 3.11、Microsoft Store 裝的 Python 3.9還有某個 IDE 自帶的基礎解釋器。它們在系統(tǒng)里是完全獨立的各有各的 site-packages 目錄。你在命令行用官網(wǎng) Python 的 pip 安裝 NumPy裝進去的位置和 VSCode 選中的 3.9 版 Python 搜索模塊的位置根本不是一回事。理解這一點環(huán)境問題就解決了一半。安裝這件事不是敲命令這么簡單你需要確認三件事當前用的 Python 解釋器是哪個當前環(huán)境的 pip 是哪個包到底裝到了哪里。下面我會用一整節(jié)講清楚。2. 環(huán)境搭建從零到能跑第一個 Demo重點說清安裝的坑2.1 先定位 Python 解釋器和 pip別急著敲安裝命令無論你用的是下載安裝包的方式還是通過 Anaconda/Miniconda第一步永遠是定位解釋器路徑。在命令行里執(zhí)行# Windows 與 macOS/Linux 通用 python --version pip --version # 更進一步確認解釋器路徑 python -c import sys; print(sys.executable)這一步能看出機器上默認的 Python 是哪一個。如果你分不清自己用的是哪個后面所有 我明明裝了為什么還報錯 的問題都沒法定位。對于純新手我強烈建議直接裝 Anaconda 或者 Miniconda然后用它的 base 環(huán)境。這不是說 conda 有多高級而是它自帶一套解釋器和包管理大幅降低環(huán)境混亂的概率。當然如果你已經(jīng)用官網(wǎng) Python 加 VSCode 能跑通那就別折騰換工具了能用才是王道。這里特別提一下 VSCode 用戶最容易踩的坑VSCode 右下角狀態(tài)欄會顯示當前 Python 解釋器點擊它就可以切換。很多命令行能跑編輯器里跑不了的怪問題都是因為右下角選中的解釋器和命令行里的不是同一個。打開命令面板輸入Python: Select Interpreter手動選一次往往比你在終端里折騰半小時都有效。2.2 用 pip 安裝三件套的正確姿勢確認好解釋器之后安裝就很簡單了。打開命令行輸入pip install numpy pandas matplotlib如果下載速度太慢可以臨時換用國內鏡像源。這里給一個通用寫法pip install numpy pandas matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple裝完之后不要急著跑項目先做一個冒煙測試。在命令行里輸入python -c import numpy, pandas, matplotlib; print(numpy:, numpy.__version__); print(pandas:, pandas.__version__); print(matplotlib:, matplotlib.__version__)這個命令會把三個庫的版本號一次性打印出來。如果打印成功說明三件套已經(jīng)進入同一個解釋器。如果這步都失敗不要再繼續(xù)寫代碼先回頭處理環(huán)境。提示pip install numpy和python -m pip install numpy在大部分情況下等價但在多環(huán)境并存的機器上python -m pip能確保 pip 和當前 python 命令綁定的是同一個環(huán)境安全性更高。如果pip本身報錯或找不到我建議改用這個寫法。2.3 離線安裝、IDE 內安裝和 Linux 服務器安裝有些場景下機器不能聯(lián)網(wǎng)或者網(wǎng)絡策略很嚴格這時候要提前準備離線安裝包。方法是在一臺能聯(lián)網(wǎng)的同平臺機器上下載 wheel 文件然后拷過去用pip install 文件名安裝。先執(zhí)行 pip download# 在一臺聯(lián)網(wǎng)機器上下載并保留依賴 pip download numpy pandas matplotlib -d ./offline_packages然后把整個文件夾拷到目標機器再執(zhí)行pip install --no-index --find-links./offline_packages numpy pandas matplotlib注意pip download只會下載指定包不會自動把依賴全部拉全。如果目標環(huán)境是全新的建議在聯(lián)網(wǎng)機器上用pip freeze requirements.txt先導出依賴清單再把所有依賴的 wheel 一起下載下來。另一個常見場景是 PyCharm 里安裝包——打開 File → Settings → Project → Python Interpreter右下角加號搜索包名安裝即可。它的本質還是調用了這個解釋器對應的 pip所以界面上顯示安裝成功也不代表萬事大吉你依然要確認項目用的解釋器是哪一個。Linux 服務器上安裝時有兩個容易踩的細節(jié)一是服務器可能同時存在系統(tǒng)自帶的 Python 3 和用戶自己編譯的 Python建議用python3 -m pip install而不是直接pip install二是沒有 root 權限時給 pip 加--user參數(shù)把包裝到用戶目錄避免權限問題。裝完之后再用第 2.2 節(jié)的冒煙測試驗證一下這個習慣能幫你省掉后面一大半的 Debug 時間。3. NumPy 快速上手數(shù)組、向量化運算和那幾件反直覺的事3.1 ndarray 與 dtype為什么數(shù)組里每個元素類型必須一致NumPy 的核心數(shù)據(jù)結構是 ndarray也就是 N 維數(shù)組。它比 Python 內置列表快得多的一個重要原因就是數(shù)組里所有元素的類型必須統(tǒng)一。內存分配是連續(xù)且緊湊的CPU 可以直接批量處理不需要像 Python 列表那樣挨個查對象的類型信息。代價就是你往一個整數(shù)數(shù)組里塞浮點數(shù)或字符串要么被強轉要么直接報錯。這種類型敏感特性就是新手最容易反直覺的第一點。創(chuàng)建數(shù)組非常直觀import numpy as np a np.array([1, 2, 3, 4]) # 一維數(shù)組 b np.zeros((3, 4)) # 3 行 4 列全零數(shù)組 c np.ones((2, 2)) # 2 行 2 列全一數(shù)組 d np.arange(0, 10, 2) # 從 0 到 10(不含)步長為 2 e np.linspace(0, 1, 5) # 0 到 1 之間均勻取 5 個數(shù)但要注意寫np.array([1, 2, 3.5])時數(shù)組 dtype 會被自動推斷為 float64因為整數(shù) 1 被提升成了 1.0。如果后面你想對前兩個元素做整數(shù)邏輯運算就容易踩坑。所以建議在創(chuàng)建時就顯式指定 dtypea np.array([1, 2, 3], dtypenp.float64)檢查 dtype 最常用的方式是a.dtype??吹?dtype 是 int32 還是 float64基本就能判斷很多莫名其妙的結果是因為精度丟失還是類型轉換引起的。NumPy 提供了一整族 dtype比如 int32、int64、float32、float64還有處理字符串的U類型。剛開始不需要記全只要知道數(shù)組是有類型強約束的這一點就夠用了。3.2 切片、布爾索引與廣播機制NumPy 的切片語法和 Python 列表類似但它有一個讓新手措手不及的特性切片返回的是視圖不是副本。也就是說執(zhí)行b a[1:3]之后你修改 b 的元素a 也會跟著變。這是因為 NumPy 為了性能默認不復制底層數(shù)據(jù)只有顯式調用.copy()才會復制。解決這個問題的方法很簡單需要獨立數(shù)據(jù)時就寫.copy()不需要時就老實使用視圖以節(jié)省內存。我建議新手養(yǎng)成一個習慣凡是不確定后面會不會改動切片結果的場景都補一個.copy()安全第一。這個細節(jié)在寫大型數(shù)據(jù)處理的腳本時特別重要因為視圖的副作用往往不會在出錯的第一時間暴露而是隔了很久才從某個詭異的數(shù)值里體現(xiàn)出來。布爾索引是 NumPy 的高效過濾手段data np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(data[data 5]) # 輸出所有大于 5 的元素廣播機制是 NumPy 最強大的特性之一。簡單說當兩個數(shù)組形狀不完全一致時NumPy 會按規(guī)則自動擴展較小的數(shù)組去匹配較大的數(shù)組。比如arr 1會把 1 廣播到每個元素上(3, 1)和(1, 4)相加會先擴展成(3, 4)。我見過不少人在需要按列歸一化時很自然地寫了data - data.mean(axis0)卻得到了一堆看起來完全錯誤的結果。問題通常出在形狀對齊上data.mean(axis0)是一維的(n,)減去它時 NumPy 沿著行廣播結果就亂了。遇到這種情況先打印兩個數(shù)組的 shape再用reshape或keepdimsTrue顯式對齊維度。3.3 mgrid 的用法與常用聚合函數(shù)有人專門搜索numpy庫mgrid方法說明這是很多人學習時卡住的地方之一。mgrid 的作用是生成一個用于網(wǎng)格計算的密集坐標數(shù)組。比如我們要生成一個 3x3 網(wǎng)格的 x 坐標和 y 坐標x, y np.mgrid[0:3, 0:3] # x 是縱向重復 3 行y 是橫向重復 3 列 print(x) # [[0 1 2] # [0 1 2] # [0 1 2]] print(y) # [[0 0 0] # [1 1 1] # [2 2 2]]它在畫二維圖、做數(shù)值模擬時非常常見。比如你想對平面上每個點計算z f(x, y)先用 mgrid 生成坐標網(wǎng)格再對整個網(wǎng)格做向量化計算比嵌套兩層 for 循環(huán)快得多代碼也更簡潔。很多人第一次看到 mgrid 的輸出會愣住因為它是把坐標拆開而不是給你一組現(xiàn)成的坐標點。多打印幾次輸出理解維度方向就好。聚合函數(shù)方面最常用的是sum、mean、max、min、std。注意axis參數(shù)的語義axis0是沿著行方向壓縮計算每一列的結果axis1是沿著列方向壓縮計算每一行的結果。這個方向問題初學者幾乎必錯一次我也只能提醒你多打印結果驗證。判斷方法很簡單結果數(shù)組的維度比原數(shù)組少一維你只要看輸出形狀是 (n,) 還是 (,n) 就能反推出方向。4. Pandas 快速上手從表格思維到數(shù)據(jù)處理思維4.1 Series 和 DataFrame兩個核心對象的直覺理解Pandas 的兩個核心對象經(jīng)常被新同學混淆。簡單理解Series 是一列帶標簽的數(shù)據(jù)DataFrame 是由多個 Series 組成的二維表格。大多數(shù)時候你直接操作的是 DataFrame但 DataFrame 里的每一列本質上是 Series。如果你在數(shù)據(jù)處理時寫df.iterrows()去逐行循環(huán)處理大概率是沒理解 Pandas 的向量化能力。大部分需求可以用整列操作完成速度和代碼可讀性都遠好于循環(huán)。比如計算兩列的比值直接寫df[A] / df[B]就行不需要一行一行來。這個思維方式的轉變是很多人從會寫 Python到會用 Pandas的分水嶺。創(chuàng)建 DataFrame 最常用的方式是從字典創(chuàng)建和從文件讀取import pandas as pd # 從字典創(chuàng)建key 是列名value 是列數(shù)據(jù) df pd.DataFrame({ 姓名: [張三, 李四, 王五], 年齡: [25, 30, 35], 城市: [北京, 上海, 廣州] })創(chuàng)建完之后用df.shape看行列數(shù)用df.columns看列名。新手容易把字典的 key 順序和 DataFrame 的列順序搞混實際上 Pandas 會按傳入順序保留不需要擔心字典在 Python 3.7 是有序的這個前提。4.2 讀取 Excel/CSV 與數(shù)據(jù)類型轉換的關鍵細節(jié)pd.read_excel()和pd.read_csv()是處理數(shù)據(jù)的起點。讀 CSV 時我強烈建議先試encodingutf-8遇到亂碼就換成encodinggbk這是國內導出數(shù)據(jù)的常見編碼。讀 Excel 時注意sheet_name參數(shù)不傳默認讀第一個 sheet也可以傳多個 sheet 名返回一個字典。讀取之后第一件事不是直接 print而是先用三個方法檢查數(shù)據(jù)形態(tài)df.head() # 看前 5 行 df.info() # 看列名、非空值數(shù)量、dtype df.describe() # 看數(shù)值列的統(tǒng)計描述df.info()是我個人最常用的因為它的輸出會直接告訴你每一列是什么 dtype、有沒有缺失值這比肉眼翻表格高效太多。類型轉換是 Pandas 踩坑重災區(qū)。最常見的場景是年齡列看起來是數(shù)字實際上是字符串。比如讀 Excel 時把某一列讀成了 object一求均值直接報錯。轉換的標準寫法是df[年齡] pd.to_numeric(df[年齡], errorscoerce) df[日期] pd.to_datetime(df[日期], errorscoerce)errorscoerce的作用是把無法轉換的值變?yōu)?NaN而不是直接拋異常斷開整個流程。這個參數(shù)非常重要能讓你在數(shù)據(jù)質量差的時候先保留流程后面再統(tǒng)一處理缺失值。另一個高頻需求是把字符串類型的浮點數(shù)列轉換為真正的浮點列方法同樣是pd.to_numeric。關于讀寫文件還有一個經(jīng)常被忽略的導出細節(jié)df.to_excel(output.xlsx, indexFalse)時記得加indexFalse否則會把行索引寫進 Excel 的第一列給自己制造多余數(shù)據(jù)。寫 CSV 給 Excel 用時建議df.to_csv(output.csv, indexFalse, encodingutf-8-sig)utf-8-sig能避免 Excel 打開中文亂碼。4.3 數(shù)據(jù)清洗三板斧缺失值、重復值、異常值數(shù)據(jù)清洗是 Pandas 使用頻率最高的場景。我的經(jīng)驗是把它拆成三板斧。第一板斧是缺失值。先看缺失情況分布df.isnull().sum()然后決定策略刪除df.dropna()還是填充df.fillna()。刪除時注意參數(shù)subset可以指定只在某些列缺失時才刪填充時常用df[列名].fillna(df[列名].mean())或者用前向填充ffill()。我的一般原則是關鍵業(yè)務字段缺失優(yōu)先填充非關鍵字段缺失可以考慮刪除時間序列數(shù)據(jù)優(yōu)先前向填充因為用未來值去填過去值在邏輯上是說不通的。第二板斧是重復值。df.duplicated()可以判斷哪些行重復df.drop_duplicates()刪除重復行。注意默認是按整行判斷如果想按某一列判斷重復必須傳subset[列名]。比如會員表里一個人可能出現(xiàn)多行你只想保留每人最近一條記錄就要按會員 ID 去重。第三板斧是異常值。最簡單快速的是通過分位數(shù)過濾q1 df[金額].quantile(0.25) q3 df[金額].quantile(0.75) iqr q3 - q1 df_filtered df[(df[金額] q1 - 1.5 * iqr) (df[金額] q3 1.5 * iqr)]這套 IQR 方法不是萬能的但對入門階段處理臟數(shù)據(jù)非常實用。清洗過后再用df.info()對比一下行數(shù)和非空值就能知道清洗有沒有生效。很多時候數(shù)據(jù)清洗不是一次性做完的而是檢查 → 清洗 → 再檢查的循環(huán)你在第 2 次檢查時可能又會發(fā)現(xiàn)新的問題。5. Matplotlib 快速上手畫出第一張能看的數(shù)據(jù)圖5.1 繪圖基礎流程與 Figure/Axes 的層級關系Matplotlib 的 API 經(jīng)過多年演進很多老教程還在用plt.plot()直接畫雖然也能出圖但理解 Figure畫布和 Axes坐標系的層級關系才能讓后續(xù)的布局調整不那么痛苦。Figure 是整個圖形窗口Axes 是圖上的一個坐標系。一張 Figure 上可以有多個 Axes比如并排幾張子圖每個 Axes 有自己的 x 軸、y 軸和數(shù)據(jù)。最基礎的繪圖流程是import matplotlib.pyplot as plt x [1, 2, 3, 4, 5] y [3, 5, 7, 9, 11] fig, ax plt.subplots(figsize(6, 4)) ax.plot(x, y, markero, linestyle--, colorb, label示例數(shù)據(jù)) ax.set_xlabel(X 軸) ax.set_ylabel(Y 軸) ax.set_title(我的第一張 Matplotlib 圖表) ax.legend() plt.show()這里的fig, ax plt.subplots()是顯式創(chuàng)建 Figure 和 Axes 對象后續(xù)所有配置都通過ax完成。對比老式寫法plt.xlabel()這個方式更清晰也方便在一張畫布里創(chuàng)建多個子圖時統(tǒng)一管理。如果你想畫并排的兩張子圖核心邏輯是一樣的fig, (ax1, ax2) plt.subplots(1, 2, figsize(10, 4)) ax1.plot(x, y) ax2.bar(x, y) plt.show()subplots(1, 2)返回(fig, axs)axs是一個包含兩個 Axes 對象的數(shù)組展開賦值給(ax1, ax2)就行。后面你分別調用 ax1 和 ax2 的方法兩張圖就在同一張畫布里各占一半。5.2 常見圖表選型與中文顯示問題該選什么圖我的習慣是看趨勢用折線圖ax.plot看分布用直方圖ax.hist或箱線圖ax.boxplot看占比用餅圖ax.pie比較各類別數(shù)值用柱狀圖ax.bar。新手最容易犯的錯是用柱狀圖去表達時間序列趨勢這會讓讀者很難看清連續(xù)變化換成折線圖馬上自然很多。幾乎每個用 Matplotlib 的人都會碰到中文顯示問題。默認字體里沒有中文字體出來的圖全是方框。解決方法要先指定支持中文的字體import matplotlib.pyplot as plt plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, PingFang SC] plt.rcParams[axes.unicode_minus] False # 解決負號顯示為方框的問題把這兩行放在腳本開頭大部分場景的中文顯示問題都能解決。如果系統(tǒng)里確實沒有這些字體就需要手動安裝中文字體并重新構建字體緩存過程比較繁瑣。我建議入門階段直接采用這個配置如果不行再考慮裝字體。另外直方圖和箱線圖很適合快速查看數(shù)據(jù)分布。比如我們要檢查銷售金額是否呈偏態(tài)分布import matplotlib.pyplot as plt import numpy as np data np.random.gamma(2, 2, 500) fig, (ax1, ax2) plt.subplots(1, 2, figsize(10, 4)) ax1.hist(data, bins30, edgecolorblack) ax1.set_title(直方圖) ax2.boxplot(data) ax2.set_title(箱線圖) plt.show()箱線圖里的中位數(shù)線、四分位邊界和離群點一眼就能看出數(shù)據(jù)分布的形狀。配合前面第 4.3 節(jié)講的 IQR 異常值過濾你會發(fā)現(xiàn) Matplotlib 和 Pandas 的聯(lián)動非常緊密。6. 高頻報錯的完整排查鏈路別再靠猜很多人在社區(qū)發(fā)求助帖時直接貼個報錯截圖連錯誤信息和環(huán)境都沒說清楚。這里我按幾個高頻報錯挨個拆解一遍排查過程目的是幫你建立一條排查思路而不是背答案。以后再遇到類似報錯至少知道從哪里下手。6.1AttributeError: module pandas has no attribute core的真實原因這個報錯看起來很嚇人其實是典型的名字遮蔽或版本不一致問題。排查鏈路是這樣的先確認代碼里有沒有一個文件叫pandas.py或者某個目錄叫pandas/。如果有Python 在導入import pandas時會優(yōu)先導入你本地這個文件而不是真正的 Pandas 庫。這時候你訪問pandas.core時就報出module pandas has no attribute core。確認方式是在報錯前先打印模塊路徑import pandas print(pandas.__file__)如果打印出來的路徑不是 site-packages 下的 pandas 目錄而是你項目里的某個路徑基本就是實錘了。解決辦法是把本地文件改名刪除當前目錄下的pandas.py或pandas/文件夾然后徹底重啟解釋器。這類問題在真實項目里其實不少見因為很多人喜歡把腳本命名為pandas.py或者numpy.py來做練習這個習慣非常危險。另一個原因是 Pandas 版本極老或極新導致內部結構變動?,F(xiàn)在的 Pandas 已經(jīng)把pandas.core視為內部實現(xiàn)不推薦直接訪問。如果你在舊項目里看到pandas.core.frame.DataFrame這類寫法升級后可能就找不到了。解決辦法是改用公開 API比如直接import pandas as pd然后pd.DataFrame。6.2UserWarning: failed to initialize numpy: no module named numpy與版本沖突這個報錯常見于裝完某個庫之后出現(xiàn)。表面上是沒找到 numpy但很可能是環(huán)境里有多個 Python或者 numpy 沒有裝到正確的環(huán)境中。排查鏈路如下先執(zhí)行python -c import numpy; print(numpy.__version__)看當前解釋器能不能導入 numpy。如果能導入說明當前解釋器沒問題報錯來自另一個解釋器。這時候要看是誰在報警告經(jīng)常是某個 IDE 或軟件內置的 Python 在掃描環(huán)境、初始化擴展時掃描到了一個不完整的環(huán)境。如果不能導入說明只是裝錯了位置。用pip show numpy查看包裝到了哪里用python -c import sys; print(sys.executable)確認當前解釋器路徑兩者對比把包裝到正確的解釋器下即可。另外還要注意 NumPy 和 Pandas/Matplotlib 存在版本兼容區(qū)間。如果一起安裝時沒注意版本可能出現(xiàn)舊版編譯產物和新版運行時不匹配報錯形式五花八門。最簡單穩(wěn)妥的修復方式是新建一個干凈的虛擬環(huán)境然后重新安裝一次最新穩(wěn)定版python -m venv myenv # Windows: myenv\Scripts\activate macOS/Linux: source myenv/bin/activate pip install numpy pandas matplotlib虛擬環(huán)境的好處是每個項目獨立一套依賴不會和系統(tǒng)全局環(huán)境互相污染。我以前也偷懶不建虛擬環(huán)境直到某次把公司服務器的 Python 環(huán)境搞壞了才老實了一輩子。6.3 請安裝 matplotlib 以顯示圖標這類提示是怎么來的有時候你在跑某個第三方庫或 GUI 應用時會看到類似 請安裝 matplotlib 以顯示圖標 或者 pip install matplotlib 的提示。這種情況通常是你要用到的某個功能依賴 matplotlib 作為后端來繪圖或渲染圖標但當前環(huán)境里沒有裝。我在實際調試這類問題時總是先去看錯誤發(fā)生的位置而不是直接執(zhí)行它提示的命令。因為很多項目里的報錯實際上是因為本機有其他依賴沒滿足提示安裝 matplotlib 只是順帶一提。最穩(wěn)妥的方案依然是在項目虛擬環(huán)境里用pip install matplotlib裝上然后重新跑一下。如果你是離線環(huán)境就回到前面第 2.3 節(jié)的那套離線安裝流程去聯(lián)網(wǎng)機器下載 wheel 包拷貝過來后手動安裝注意同時把依賴一并處理好。一個容易遺漏的細節(jié)是離線安裝后也要記得做一次import matplotlib冒煙測試因為 wheel 包之間有依賴順序要求少一個依賴哪怕安裝了也會在運行時才報錯。7. 綜合實戰(zhàn)從 Excel 到一張完整圖表的完整數(shù)據(jù)鏈路7.1 案例背景與完整代碼到這里三個庫各自的用法都過了一遍。我用一個完整的小案例把它們串起來目標是把一份訂單表數(shù)據(jù)讀取進來做清洗和計算最后畫出一張銷售額趨勢圖。假設當前目錄下有一個orders.xlsx包含三列日期、銷售金額、銷售數(shù)量。其中日期列有部分缺失銷售金額列有部分字符串類型混入。下面是完整代碼import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1. 讀取數(shù)據(jù) df pd.read_excel(orders.xlsx) # 2. 查看數(shù)據(jù)結構和缺失情況 print(df.info()) print(df.isnull().sum()) # 3. 數(shù)據(jù)清洗日期轉成 datetime金額轉成數(shù)值缺失值填充處理 df[日期] pd.to_datetime(df[日期], errorscoerce) df[銷售金額] pd.to_numeric(df[銷售金額], errorscoerce) df df.dropna(subset[日期]) # 刪掉日期缺失的行 df[銷售金額] df[銷售金額].fillna(df[銷售金額].median()) # 金額缺失用中位數(shù)填充 # 4. 用 NumPy 計算一些聚合統(tǒng)計 amounts df[銷售金額].to_numpy(dtypenp.float64) print(總銷售額:, amounts.sum()) print(單筆平均金額:, amounts.mean()) print(最大單筆金額:, amounts.max()) # 5. 按月份匯總銷售額 df[月份] df[日期].dt.to_period(M) monthly df.groupby(月份)[銷售金額].sum() # 6. 導出清洗后的數(shù)據(jù) df.to_excel(orders_cleaned.xlsx, indexFalse) # 7. 繪圖 plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, PingFang SC] plt.rcParams[axes.unicode_minus] False fig, ax plt.subplots(figsize(10, 5)) ax.plot(monthly.index.astype(str), monthly.values, markero, linestyle-) ax.set_xlabel(月份) ax.set_ylabel(銷售額) ax.set_title(各月銷售額趨勢) plt.tight_layout() plt.show()7.2 每一行代碼背后的關鍵細節(jié)這段代碼看著不復雜但里面每一個選擇背后都有原因。讀取 Excel 后第一件事不是繪圖而是df.info()看結構因為清洗前你永遠不知道數(shù)據(jù)有多臟。日期轉 datetime 失敗的行會被置為 NaT所以dropna(subset[日期])刪除的只是真正無效的行。金額列混入字符串時pd.to_numeric(..., errorscoerce)會把非數(shù)字變成 NaN后面用中位數(shù)填充避免異常值對結果沖擊過大。用 NumPy 計算聚合統(tǒng)計其實用 Pandas 的df[銷售金額].sum()也能直接做但這里特意演示了df[銷售金額].to_numpy(dtypenp.float64)的轉換方式。這在實際工作中非常常見Pandas 做完了數(shù)據(jù)整理要把列轉成 NumPy 數(shù)組去做更底層的計算或者傳入機器學習模型。月份分組用的是df[日期].dt.to_period(M)這個操作可以很方便地按月份提取周期對象再groupby就能得到月度匯總。這里不用 NumPy因為groupby本來就是 Pandas 的強項。繪圖時我把monthly.index轉成字符串再傳給 x 軸避免了 Matplotlib 對 PeriodIndex 的一些兼容問題。這個細節(jié)在舊版 Matplotlib 上特別有用新版雖然也能直接處理但顯式轉字符串更保險。跑完這段代碼你會看到一張月度銷售額趨勢折線圖同時當前目錄下多了一個orders_cleaned.xlsx。整個過程就是這套數(shù)據(jù)科學工具鏈最典型的協(xié)作方式Pandas 清理和匯總數(shù)據(jù)NumPy 做底層數(shù)值計算Matplotlib 把結論可視化。三個庫各用一點數(shù)據(jù)鏈路就走通了。7.3 數(shù)據(jù)源換成爬蟲 JSON 和導出結果如果讀入的不是 Excel而是爬蟲拿到的 JSON 列表流程也沒有太大區(qū)別。把列表轉成 DataFrame 后后面的清洗、分組、繪圖流程完全一致。import pandas as pd # 假設爬蟲返回的是一個包含多個 dict 的列表 data [ {日期: 2024-01-05, 銷售金額: 120.0}, {日期: 2024-01-12, 銷售金額: 85}, {日期: None, 銷售金額: 90} ] df pd.json_normalize(data) # 把嵌套結構展開成 DataFrame df[銷售金額] pd.to_numeric(df[銷售金額], errorscoerce) print(df)pd.json_normalize()能把嵌套的 JSON 結構拍平成表格這對于爬蟲數(shù)據(jù)特別友好。工具鏈的優(yōu)勢就在這里數(shù)據(jù)源可以變處理管線不用推翻重寫。如果你還需要把結果導出到 Excel 給同事看一行df.to_excel(output.xlsx, indexFalse)就搞定。注意在寫入帶有中文字符的 CSV 時用encodingutf-8-sig在寫入 Excel 時記得關閉索引這些前面都提過做一遍就會形成肌肉記憶。最后分享一個我個人很受用的經(jīng)驗入門這套工具鏈不要一上來就背 API而是準備一個自己的最小數(shù)據(jù)集。我當年就是用一份幾百行的歷史銷售表反復練手日期解析、缺失值、字符串混入、中文圖例顯示所有問題一次性踩了個遍。想真正記住 NumPy、Pandas、Matplotlib 這些東西靠的不是看文檔而是拿一份真實數(shù)據(jù)從頭到尾跑通一遍清洗、計算、繪圖全流程。等你跑完兩三遍后再回頭看會發(fā)現(xiàn)所有當初覺得玄乎的概念其實都是手邊最樸素的工具而已。如果實戰(zhàn)中遇到環(huán)境又亂了多打印sys.executable、pandas.__file__、numpy.__version__這三個值它們能把絕大多數(shù)環(huán)境錯配問題直接暴露出來。這套工具鏈本身并不難難的是在龐大生態(tài)里找到一條清晰的入門路徑希望這篇內容能幫你少走一段彎路。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
天天夜夜rb| 亚洲欧美日韩激情不卡| 日韩性爱一级片| 日本韩欧美在线播放a| 色色热| 亚洲综合射| 亚洲伊人成综合成人网| www.99色| 天天影视91看看| 2018天天干在线视频| 亚洲午夜免费狠狠干| 午夜精品久久999热蜜桃介男人用| www.男人的天堂| 久久精品国产亚洲AV片多多| 日韩天天本| 人人性爱视频免费| 久久久久久久 九九九九九九九| 日韩不卡一二三四| 日本欧美一区二区三区免费| 在线一区| 国产真实野战在线视频| 久久精品中文| www.91理论| 欧美白嫩在线放| 久久久96| 观看视频图片一区二区三区| 久久久亚洲| 天天天干977| 香蕉久久AⅤ...| 性色一线| 无码久久国产| 久久亚洲人妻| 亚洲无码一二三区| 欧美色图20P| 亚洲乱熟女一区二区三区大香蕉| 97chaopenrihan| 男男H黄动漫啪啪无遮挡网站| 四虎视频在线观看| 91社操逼| 日本大香蕉综合网红本杳社区| 精品中文字幕一区二区l - 百度| 97在线观看免费| 在线观看黄色电话| 久久激情四射婷婷丁香五月天| 久久九九视频九九视频| 激情综合 婷婷五月 红杏| av资源在线播放天堂| 性做久久久久久免费观看软件| av东京热男人的天堂| 一类无码操逼视频| 青女在线| 亚洲激情四射| 中文字幕精品一区二区精| 青青草色插素人| a天堂视频| 蜜臀av中文字幕| 激情五月天插| 大茄子熟女AV导航| 亚洲最大的黄色电影网站。| 强奸乱伦大香蕉网| 久久伦理视频久久大香蕉视频| av强奸乱轮| 熟女AV一区| 久久欧美性爱视频| 极品色| 性爱免费视频成人| 超碰久久.com| 久久夜夜夜夜| 日本性爱少妇| 久久男人的天堂| 欧美人妻中出| 欧美内射少妇| 久久9视频| 人人操人人93| 亚州国产成人精品女人久久| 91狠狠综合久久久久久| 十八禁视频一区二区| 99热8| 久久五月视频| 欧美人人曰人人操人人射射| 熟妇女伦乱视频视频| 口爆综合网| 国产乱伦亚洲色图高清无码| 97在线免费看| 精品一区二区在线针对华人免费观看这里只有精品免费观看 | 色鬼在线综合| 婷婷丁香成人| 户外裸露刺激视频第一区| 熟女人妻一区二区三区免费看| 国产丰满熟夫69mpp| 九九综合久久| 天天激情综合站| 国产妇女精品视频青青草| 激情一区二区三区在线观看| 国产综合网站在线播放| 男人午夜天堂| 欧美色图第一页| 肉丝无码中文高清| 天操天操夜操夜月操月年年操| 福利在线黄片| 久久精品一区二区三区蜜桃臀| 色色热| 国产亚洲日韩在线三区黑人| 人人操人人摸人人骑| 很狠操| 精品亚洲俞拍视频一区| 久久久久久性爱视频| 性色av网站| J?P?NESEHD熟女熟妇伦| 久久二| 久久人爽| 久久做97| 91亚州欧美| renqi久久久久久久久久久久| 成人免费福利网站国产| 嫩呦国产一区二区三区AV| 亚洲色图亚洲| 日韩十八禁| 亚洲成人帖图| 欧美在线干| 亚洲诱惑| 激情啪啪视频| 人妻丰满熟妇av无码区蜜桃| 九九九九一级| 东北操逼| 久久精品99久久久久久| 九九热免费在线国产视频伊人五月| 色香蕉影院| 久久一级无码精品毛片6| 岛国A V在线免费看| 超碰97COm中文| 欧美欧美少妇| 97国产精品一区| 亚洲男人的天堂网| 色九九九综合| 超碰这里只有精品| 精品人妻一区春色| 大香蕉色欲AV| 久久久久久人| 78m成人视线| 国产白丝网站| 欧美日韩中文视频播放| 91中文字幕| 人妻激情偷乱视频一区二区三区 | 少妇xx精品| 日日噜噜夜夜久久亚洲一区二区| 人成午夜免费大片| 综合久久久久久久久91| 在线小说视频一区| 99精品丰满人妻无| 亚洲一区二区三区AV无码 | 日日碰狠狠添天天爽超| 国产精品96久久久久久| 99热18这里只有精品| 狠狠操夜夜操蜜桃视频三区| 国产精品亚洲一区二区三区四区| 久久精品国产亚洲5555| 人人九九精| 91色碰| 亚洲欧美国产其他二区| 在线播放成人高清免费视频 | 在线中文字幕视频| 国产中午字一暮区| 18一区二区三区| 国产探花日韩援交| 色97干| 东京热熟女亚洲视频网站| 男人的天堂,欧美亚洲另类国产日韩,日本高清一区二区 | 亚洲欧美日韩激情不卡| 欧美国产操逼| 天天综合欧美综合| 亚州精品一区二区三区香中文字幕在线| 国产精品亚洲无码| 欧美狠狠| 亚洲 欧美 第一页| 成人夜夜| 中文日韩欧美熟| 福利一级版子| 国产精品久久久久久久久久久久久久久久久久| 夜夜爽77777| 另类一区| 自拍鲍鱼一区在线高清观看免费| 超碰色男人操熟女| 丰满人妻一区二区三区| 91丝袜人妻| 97在线观看免费视频l| 狼天天狼天天大香蕉| 综合久| 免费A V在线播放| 岛国激情视频在线观看| 激情小说图片亚洲首页| 久久狠狠色噜噜狠狠狠狠97| 中文三一区| 激情综合网一盗摄| 久草草一二三四区久久| 九九热免费在线国产视频伊人五月| 丁香六月婷婷综合| 久久98| 国产成人精品亚洲日本| 乱欲一区二区| 激情网色| 夜间福利片1000无码| 香港澳门日本三级网站| 国产高清亚洲日韩一区| 天天看天天日| 午夜精品久久一区二区| 亚洲熟伦熟妇AV无码春色| 久久精品国产Aⅴ| 久久久久久久人妻丝袜| 日韩免费a级毛片无码a∨| 凌辱美少妇久久aV| 96精品久久| 这里只有精品97| 欧美图片色五月天| 日本亚洲嫩草影院啪啪| 欧美日韩久久精品爱爱| 精品一区二区三区丰满熟女-亚洲欧美一区 | 99热国产精品| 果冻传媒A片一二三区| 久久原创中文| 日本不卡中文| 黄页av| 日夜伊人网| 日本天天干天天操一区| 国产精品白领在线观看 | 俞拍久久国应视频| 91欧美综合| 人人操人人色网| 黄色大片视频在线免费看| 超碰色综合| 中文字幕久久婷婷丁香五月天| 美女t无毒不卡不卡| 欧美色图99| 国产精品毛片| 久久精品国产99久久,亚洲日韩久久日本一区一区三区 | 国产成人精品日本亚洲语言| 色婷婷色99国产综合精品| 不卡免费av在线播放| 99久久99久久综合| 在线观看十八禁| yirendaxiangjiashipin| 久久偷拍人| 国产一区二区三区,在线观看观看 五月开心久久AV官网 | 国产精品女aA片爽爽视频| 青娱乐老司机视频| 啪啪视频亚洲第一| 国产亚洲精品久久久久小| 91碰超| 爽 好舒服 无码刺激久久| 综合网色| 精产国品一区二三产品| 亚洲少妇免费视频\| 97国产精品一区| 国产精品96久久久久久| 日韩av电影成人在线| 亚洲国产一区二区入口| 久久99网站| 美日韩一卡二卡三卡免费人妻精品| 超碰中文字幕人妻草一区| 激情婷婷丁香| 青娱乐休闲视频在线观看| 一区二区三区亚洲| 五月综合色| 中文字日本乱码| 91 国产丝袜在线播放-百度| 青青草好吊色| 中文字幕aⅴ在线视频| 3P乱轮视频| 91xingse| 亚洲图片欧美另类综合免费视频大大香| 黄色工厂这里只有精品| 国产成年精品高清在线观看91| 亚洲精品人妻吞精av| 色综合美国| 97就爱干| 日韩三级在线观看网站| 日本道久久综合色色| 啊啊啊啊啊啊啊国| 亚洲日韩狠狠撸视频| 婷婷五月天激情四射| 老熟女乱伦一区| 大香蕉九九| 亚洲色图美腿丝袜| 九热中文字幕| 特级丰满少妇一级AAAA爱毛片| 久久久久成人蜜桃精品| 加勒比久久av| 免费观看性欧美一级| 大香蕉婷婷| 久久深夜无码| 97免费在线| 午夜精品探花| 96久久久精品| 欧美一区二区三区互相| 一区二区三区在线资源| 九九人妻| 亚洲精品xxx| 99re6国产精品99re在线| 91九色丰满高潮| 尤物黄色在线观看网站| 欧美大香蕉97| 日本不卡五区| 91麻豆va国产精品| 青青操在线亚洲视频观看欧美在线 | 婷婷超| 久操不卡视频| 欧洲性人爱视频| 日韩精品一区二区高清| 婷婷伊人一区| 天堂69亚洲精品中文字| 荡小穴在线观看| 好湿好紧视频| 人妻99p| 骚逼自拍99| 色欲av一区二区三区蜜芽| 999狠狠综合| 天天久久久久久| 日韩欧美中文日韩欧美色| 欧美一区二区三区大综合| 屁股久久久久久| 曰韩无码777| 超碰 国产熟女精品一区| 久久91视频| 亚洲综合码| 91在线视频国产网站| 东京热激情视频一二三区| 91男人天堂网| 久久久久久久亚洲Av无码| 亚洲大色堂| 91大神精品长腿在线观看网站| 中文字幕 码 自拍 视频 区| 黄色工厂这里只有精品| 中文字幕一区 二区三四五 区日 日骚| 日日AAvv| 人妻少妇一区二区| 五十路三区在线| 婷婷在线播放| 国产精品国产精品国产| 殴美牲| 中文字幕99999| 91粉芽高清在线一区二区| 欧美激情在线观看视频| 午夜免费视频1000| 亚洲综合小说另类图欧美视频激情小说色五月天 | 91女优在线观看| 免费一级特黄特色大片在线观看看 | 国产无码一二三区| 亚洲狠狠入| 狠狠爱综合网| 蜜臀久久99精品久久久久久无删减| 欧日韩不卡视.频| 不卡在线观看视频| 欧美无圣光在线| 蜜臀久久99精品久久久电影| 亚洲成人一二三区| 国产精品ⅴ无码大片在线看.| 91精品人妻一区二区-全集完整版免费正片国语-B02AV | 操熟女91| 伊人久久青青草| 草B在线| 乱精品一区字幕二区| 欧美色宗合| 国产黄色动态精品| 色噜噜精品一区二区三| 91亚洲黄色网| 天天操av懂色| 国产狂喷潮在线精品| 日本999精品| 天天干夜夜一操| 久久有码视频| 美女啊啊啊啊pc| 天天色黄色影院天天操| 99超碰网| 亚洲性爱高潮影院| 波多野结衣一级视频| 亚洲丰满很很操| 九九AV| 成人av性爱电影在线观看| 午夜福利精品| 大香蕉狠狠爱| 亚洲精品国产av天美传媒| 极品白嫩美女白浆成人福利在线看| 日韩欧美三级| 红桃视频高潮| 精品国产片亚洲一区| 97超碰色情| 91艹逼精品| 综合色啪| 成人五级久久| 色婷婷日韩精品一区二区三区| 综合色图亚洲欧美| 成人5码视频| 综合久久2017| 天美精品一区二区三区四区在线观看| 亚洲成a人在线观看久| …亚洲黄色厕厕女女在线播…| 天天综合香 ld视频| 18禁精品网站在线看| 一本色道久久综合精品婷婷| 精品无码一二三四区| 天天视频综合在线观看视频| 丁香色狠狠色综合久久小说| 丁香六月综合激情| 一级做受视频免费是看美女| 狠狠97| 丝袜综合色图| 极品极品色影院| 91丨九色丨国产丨人妻在线| 深夜国产福利| 绑缚麻绳人妻寝取完整版| 免费A V在线播放| 大香蕉一级黄色片久久| 91n处女在线观看| 日韩欧美丝袜诱惑| 久久乐| 少妇高潮对白在线观看| 人人干人人操人人爱| 国语精品对白| 国产成人精品一区| 欧美视频激情久久久久久| 9久综合网| 秋霞欧美性爰视频| 色伊人91| Av手机版天堂网| 欧美国产婷婷久久| 91精品91久久久久77777| 日小BB小视频| 国产深喉视频一区二区| 东北操逼| 少妇内射www在线观看视频| www99热| 欧美性巨大╳╳╳╳╳高跟鞋| 高清无码久操视频| 97在线免费观看视频| 一区二区三区一亚洲中文字幕、综合区灬 | 精品对白久久不卡| 久久久青青草| 少好三P| 久久久久久久久久久久九| 狠肏骚人妻| 强奸xx国产| 亚洲色图日韩精品| www.大香| 国产精品久久久久久照片| 久久久久久久久999| 97伊人超碰| 日韩欧美蜜桃精品久久中文字幕久久| 亚洲日韩久久精品一区| 亚洲精品色| 日韩亚洲美女一区久久| 青娱乐福利99| 国产精品com| 亚洲性高潮| 2017,超碰| 狠狠色一区二区中文字幕| 免费人人搞97| 国产午夜视频| 330dv亚洲成年视频网| 国产精品网站免费| 伊人久久大香线综合无码| 亚洲一二三四区机械| 亚洲国产一区二区三区在线| 色激情五月天| 91N欧美| 久热69九色熟妇97| 午夜欧美J进J出白浆流出久久久| 成人AV素股で擦久久| 日韩97视频!在线| 精品久久久中文字幕不| 精品91摸| 蜜臀久久久| 91无码人妻| 欧美高潮| 啊啊啊水好多| 在线亚洲欧美| 国产精品99精品视频网站| 香蕉免费一区二区三区不读| 欧美三级一级| 欧美伦乱爱| 色在线69堂| 亚洲欧美在线综合| 亚洲熟女一区二区| 91岛国动作片| 乱伦熟女专区| 国内精品久久人妻性色av| 国产高清吃奶免费视频网站| 操逼视频国产无套| 岛国在线免费视频| 手机在线观看不卡无码av| 第一高清av中文字幕| 99这里有精品视频| 亚洲、日韩、综合、另类| 1二区9| 果冻传媒A片一二三区| 欧美人妻另类在线| 91天堂网| 久久东京伊人一本到鬼色| 操逼网站视频漫画国产| 青草视频在线看看看看看看看看看| 精品久久久久,69国产成人精| 欧美爆操91| 国产欧美后入| 久久久久久夜夜夜夜夜| 综合网欧| 99热18这里只有精品| 日韩精品影视| 国产中午字一暮区| 人妻娇喘 激情视频| 91熟女丨91老女人| 亚洲精品乱码线路中文字幕| 亚卅熟女乱色| 国产欧美一区二区| 国产精品亚洲日韩骚欢乐谷最新地址发布页huanieguty性屋娱乐妖精视频 | 熟妇在线视频一区二区| 60秒试看最爽10分钟网站| 96免费视频在线| 中文字幕欧美精品亚洲日韩蜜臀| 九七超碰| 91狼人| 91女神在线视频| 国产AV人人夜夜澡人人爽麻豆| 91熟女丨91老女人| 18禁美女裸体无遮挡啪啪| 大香蕉520| 美国久久一二三四| 操熟女91| 人妻乱仑一区二区三区| 五月婷婷丁香六月丁香| 久久激情视频| 日韩欧美资源| 国产无码精品无码| 色999五月色| 夜夜福利| 91肉片| 日韩无码专区| 欧美伦乱爱| 91内射| 强奸a片网| 欧美久久婷婷| 久操视频在线观看| 深田咏美亚洲精品福利社| 一道本东京热加勒比一区二区三区| 女人天堂网| 嗯啊视频免费在线观看| 久都青青视频| 啊嗯嗯啊好大好爽| 日韩视频中文字幕| 亚洲第一综合| 青草伊人久久| 操逼啊啊啊91| 久久亚洲熟妇在线视频| 91在线视频国产网站| 郑州宾馆老熟女露脸啪啪| 伊人久久88国产女| 一本色道久久综合亚洲二区三区| 国产性爱在线视频一区二区| 久久久久久国产成人| 99热官网| 9精品久久久久| 中文字幕av亚洲在线| 久久国99999| 精品蜜乳AV免费观看| 亚洲婷婷五月天| 久久青娱乐| 少妇干B| 亚洲欧美一区二区不卡视频播放| 东京热,男人的天堂| 唐山老熟妇露脸啪啪叫| 色老牛| 黄色大片免费在线| 亚洲欧美爆| 三上悠亚在线毛片91| 思思热在线| 夜夜黄| 亚洲欧洲网站免费观看| 蜜桃一区二区三区| 丰满岳乱妇一区二区三区| 亚洲成人精品久久久| 欧美日韩中文字幕人妻| 精品一区二区三区蜜桃臀赵总| 高精欧美色| 亚洲高清在线| 亚洲男人天堂网站| 婷婷色婷婷| 天美av在线观看| 亚洲在线A| 亚洲AV成人无码一区二区三区在线观看| 超碰是碰在线观看| 2021久久国产综合精品青草| 麻豆人妻偷人精品无码视频| 日韩亚洲精品一区二区| 亚洲的天堂网| 欧美性爱一级操| 60秒试看最爽10分钟网站| 欧美中日韩XXXX| 一区二区日韩欧美久久| 97色亚洲| 久久视网78| 精品毛片av一区二区| 亚州熟妇精品| 色官网在线| 久久这里只精品| av天堂影视中文在字幕在线中文| 99热在线播放| 成人无码专区精品视频| 国产成年女人免费视频播放a| 99只有精品| 亚洲一区二区精品福利| 死我十八禁| 日韩黄色一区二区三区| 中文不卡视频| 九九玖玖精品| 91人妻做a观看视频| 天美麻花大全视频| 日韩精品一区二区人人人| 91狠狠综合久久久久久| 国产乱伦视频污| 99热导航| 极品白嫩美女白浆成人福利在线看| 国内一级精品| 区一在线观看| 啪啪啪精品视频| 天天干夜夜鈤| 久偷拍| 岛园激情| 欧美中出| 成人黄页| 亚州国产精品乱| 岛国在线国产| 怡红院亚洲怡春院av| 亚洲老熟妇xxx| 操操逼视频| 风骚少妇视频中文字幕| 色性综合| 国产高清免费不卡av| 极品出轨视频网站| 少妇被玩视频二三区| 性影在线视频| 日韩欧美女求操每天更新| 乱理日韩中文| 最新国产精品久久精品| 视频国产欧美在线播放| www.91欧美| 久久久久久久唑| 9久久美女首页| 国内毛片无码一级毛片| 手机在线免费看的av| 天天综合,91入口| 中文字幕制服欧美久久一区| 3p国产欧美99热| 国产91福利小视频在线观看| …中文字幕亚洲乱,97人妻无码费视…| 欧美 亚洲 综合 制服| 精品成人亚洲午夜电影| 资源新线在线天堂| 免费亚洲国产精品久久一区| 亚洲 图片 综合91| 久久久久久国产无码精品| 国产97av| 国内97干免费看| 国产人妻精品久久久一区二区三区 | 人妻人久久精品中文字幕| 精品国产嫩穴视频| 亚洲欧美国产其他二区| 极品综合| 亚洲色宗合| 亚洲欧美天| 亚洲 欧美 另类 日韩 人妻一区| 偷拍 精品另类 凸凹了四区| 在线强奷到舒服的无码视频| 黄片免费视频2019| 在线不欧美| 这里只有精品视频在线| 噜噜噜在线视频| 国产91影院| 水滴偷拍| 91模特在线观看| 亚洲日产专区婷婷| 亚洲综合888| 中文字幕高清20页视频| 亚洲熟女中文字幕在线| 欧洲成人性爱视频| 大学生美女口爆| 久久久久女教师免费一区| 激情婷婷丁香| 97精品97| 91撸色网 玖玖网 欧美| 九九热超碰| 黄aaaaaaaaaaaaaaaaaa色网站| www亚洲免费| 2021国产成人精品久久| 91亚洲人| 992视频一区| 蜜臀va69| 色综合 加勒比| 欧美超碰人妻97| 人妻一区久久二区三区色播| 美女啊啊啊啊pc| 五月天婷婷综合网| 玖玖在线视频| 1024人妻| 婷色五月天| 丁香五月综合| 97人人模人人爽人人| 在线中文字幕极品av| 欧美日日人人天天| 69久久久久久久久久久久久| 欧美97视频| 色综合久久夜色精品国产天堂| 国产精品乱码久久久久久久久久久久| 女色视频社区| 国产高清1234区| 91人妻超碰| 久久久久性熟视频| 在线观看一卡二卡| 亚洲欧洲偷拍一区| 国产丝袜美女诱惑| 97 亚洲 日韩 欧美 在线| 欧美色三级片91| 不卡超碰护士AV在线免费播放| 成人在线视频二区| 日本天堂网| 色爱欲亚洲| 大香蕉在线免| 9999九九九久久久| 日本性一区| 日韩精品大香蕉伊人在线| 久久99精品九九久久久婷婷| 免费亚洲国产精品久久一区| 941超碰| 久久亚洲日韩熟女精品| 快灬快灬 一下爽蜜桃在线观看 | 中文字幕在线观看永久| 欧美精品成人在线播放| av无码av无码专区| 自慰白浆在线观看| 天天综合~91入口| 福利偷拍视频-中文字幕2019国语完整视频大全-S91AV | 麻豆黄色五月天| 欧美性,色九九| 九九九九九精品十六| 五月天AV资源| 中文字幕第2页| 日韩性爱一级片| 再深点灬舒服灬太大了添视频| 國產尤物AV尤物在線觀看| 欧洲熟妇xxXx欧美老妇裸体| 爽爽淫人网| 精彩国产视频播放1区2区| 青娱乐手机日韩在线视频| 亚洲国产福利视频| 97操b| 波多野42部激情无码喷潮| 日本东京热加勒比久久| 亚洲一区日韩| 欧美狠狠弄| 亚洲精品一区二区免费在线观看| 天天干夜夜操一区二区| 大鸡巴久久| 91啪啪| 日韩免费在线视频观看| 成年女人18级毛片毛片免费观看| 美女超碰978| 大香蕉一人在线| 亚春色色| 综合激情二| WWW黄片COM| 116美女午夜| 亚洲drav色图| 九九九九久久久久| 国产成人无码啪| 五月激情啪啪| 1区2区3区中文字幕日韩| 精久久久| 一级乱伦网站| 免费看欧美美女黄色大片 | 中文字幕 国产区| 中文一区二区婷婷视频| 国产 码在线成人网站| 人人摸人人舔一区二区| 岛国片在线观看视频亚洲| 久久一二三四五六七八九区区| 另类欧美| 99精品视频在线观看免费| 亚洲综合另类| 亚射在线| 欧美在线亚洲| 大香蕉黄色一级片免费看| 99日精品欧美国产| 97 超碰 人人做 人人爱| 亚洲综合色图欧美| a一区二区三区乱码在线| 丁香五月综合| 人妻在线臀日韩| 久久熟女嫩草成人片免费 | 性色高清..……| 欧美精品成人一区二区在线观看| 国产懂色精品国产av| 97国伦国色| 欧美欧美少妇| 婷婷丁香五月天综合东京热| 亚洲AV乱码专区国产噜噜亚洲| 天堂av最新电影网| 欧美性爱免费短视频| 亚洲欧美精品一区天堂久久| 国产精彩女在线观看视频| 探花视频免费观看国产专区| 影音先锋国产精品| 九九九九九九视频| 无遮挡男女激烈动态图| 99色| 久草老司机| 欧美gv在线观看| 亚洲激情网一二三四区| 自拍第一页| 欧美一区二区福利在线| 91久久精品国产| 国产精品久久久久9999小说| 日本五十路熟女一区二区| 自拍二页| 狠狠操,使劲操| 天天流夜夜操| 91亚洲最新在线| 翔田千里AⅤHD无码| 天堂蜜桃无码视频一区二区| 一区二区播放| 精品亚洲黄色片 国产精品导航一区二区 | 日韩无码第3页| 日本色色色色色视频| 97亚洲性爱| 99av| 伊人成人中文字幕久久网| 啊啊啊男女| av在线不卡一区二区三区| 亚洲影院小综合| 2021国产成人精品久久| 亚洲激情av| 插插综合网天天影视网| 精品性爱一区二区| 五月天亚洲网| 国产熟女乱论| 91精品久久久久久77777| 少妇啪啪自拍| 国产乱婷婷精品二区三区| 色妇综合网| 婷婷五月天激情四射| 极品美女嘿咻| 99久久婷婷国产综合| 亚洲少妇自拍中文字幕懂色| 无码国产精品久久久久| 日本精品性生活久久久| 午夜操逼不卡| 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 | 超碰偷拍| 国产福利第一视频| 久久精品国产97欧美精品亚洲 | 啪啪视频亚洲第一| 亚洲青色欧美| 亚洲国产尤物yw在线观看| 五月天伊人| 一起草三级AV电影在线观看 | 精品久一区免费| A级国产欧美激情在线| 蜜臀在线免费观看在线免费观看| 热热色91| 久久熟女人| 97视频在线| 性色中出| 亚洲AV无码翔田千里网站| 96AV久久久| 99老司机精品视频在线观看| 天天色怡春院| 欧美系列在线一区二区| 欧美淫乱视频| 这里有精品| 亚洲伊人成综合成人网| 日日AV加勒比| 26uuu性| 2003天天干夜夜操| 911粉嫩人妻| 中文字幕一区二区三区人妻不卡 | 亚洲日韩精品久久久久一区壹牛| 亚洲永久永久永久永久一级一级一级精品 | 一级做a爰片性色毛片久久| 久久99手机免费视频| 久久久久人妻二区精品叶可怜| 91高潮喷水美女| 成视频在线观看免费看| 中文字幕精品人妻丝袜| 日本人妻中文字幕| 精品欧美日韩在线观看| av中文在线| 国产精品香蕉| 美女毛片999| 免费一级毛片在线视频观看| 久久精品操| 欧美日韩国产中文精品字幕自在自线, | 人人操人人摸人人看人人干| 久久华人网| 五月丁香婷婷综合| 日本爽爽爽爽爽爽免费视频| 欧美一区二区三区黄色影视| 激情五月天丁香| AV麻豆免费一区| 久久精品91| 大香蕉久久| 亚洲乱色熟女一区| 成人AV在线网站| 97综合在线观看| 亚洲中文日韩欧美大香蕉视频| 伊人宅男大香蕉| 亚洲蜜臀懂色| 99人人干| 最新av网站在线观看| 精品少妇一区二区| 欧美一二三区四五区| 麻豆国产96在线| 1769一区| 欧日韩一二三f区| 久久久久久久78| 国产精品秘 福利姬在线观看| 视频国产欧美在线播放| 后入式五六区| 顶级少妇BT天堂| 午夜欧美女人操逼| yaouchengrenav| 91精品在线播放| 久久国产对白激情浪潮| 免费精品中文字幕| 久久精品超碰| 亚洲日韩乱码中文无码蜜桃臀网站| 90后性网国产欧美| 成人在线永久| 天天摸天天插天天日| 日韩性爱再线视频| 亚洲人体视频在线观看| 97久久超碰日韩精品| 九九自拍伦理| 综合日本女人伊人| 久久免费精品视频免一| 麻豆精品.欧美精品.日韩精品.| 情侣操 逼视频99| 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 | 懂色av色欲av蜜臀av| 啊啊啊啊操死我| 精品人妻一区二区蜜桃视频| 97色色,97综合| 欧美日韩国产传媒在线精品| 亚洲激情在线| 成人免费在线网站| 久综合国内精品自在自线| 亚洲人妻在线精品| 中文字幕福利视频一区二区三区在线观看| 久久黄色网址| 色色综合网站| 岛国艾薇凹凸视频天堂| 奇米四色网| 老女人综合网| 欧洲综合色| 亚洲交换| 超碰在97| 天天干天天日天天射黄色大片| 丁香六月婷| 国模吧 一区二区三区| 国产精品露脸在线观看| 亚洲人妻在线精品| 亚洲成人在线乱码色午夜| 九九九九97| 麻豆国产成人精品| av亚洲天堂资源网站| 欧亚洲精品有视频| 一区二区激情国产熟女| 亚洲精品视频在线播放| 亚洲一区二区三区欧美日韩| 成人精品一区二区91毛片不卡| 97免费视频在线观看| www欧美91| 大香蕉狠狠爱| 女生91网站| 天天影视综合网欧美精品| 人人天天欧洲| 91丨九色丨大屁股| 激情五月天色色| 六月丁香网| 国产这里只有精品| 亚洲精品视频二区| 日韩情色视频| 亚洲中文制服诱惑| 真实高潮91| 久久蜜桃综合网| 精产国品一区二三产品| 四虎免费看黄| 国产欧美后入| 97精选久久| 东京热AV男人的天堂| 天天肏夜夜肏| 中文字幕一区二区无码成人| 婷婷午夜清品久久久久久久性色视频观| 成人无码欧美一级A片狼牙直播| 大色网久久| 一起草视频在线| 夜夜骑夜夜操| 最新av中文字幕高清| 不卡av在线中文字幕| 免费亚洲黄色视频在线观看| 色综合久久88色综合久久天天| 91干熟女| 六月丁香久久| 又大又长又爽| 精品小视频在线| 亚洲综合九| 白嫩91在线亚洲| 97亚洲中文| 天天看天天日| 欧美日韩亚洲一区二区在线观看| 午夜福利免费福利视频| 国产AV高清AV无码| 女人爽到高潮久久久| 自拍丝袜美腿人妻| 东京热精品97综合网| 91亚洲狠狠色| 99av| 操b在线观看| 免费簧片在线观看| 婷婷五月天AV| 人妻天天爽夜夜爽爽| 蜜桃视频一区二区三区| 欧美图片校园春色| 久久精品黄色| av在线观看不卡网站| 国产亚州日韩欧美看片| 日本三级韩三级99久久| www.91理论| 五月婷婷性爱| 97干com| 国产成人精品一区| 欧美天天射| 老外又粗又长一晚做五次| 尤物一级在线免费观看| 欧美午夜精品久久久久久超碰| 9热9热综合网| 美女上床网站| 亚洲中文字幕精品一区| 国产亚洲精品农村妇女| 综合婷婷| 亚洲AV不卡在线观看尤物| 欧美专区17页| PMv在线观看| 黑人黄片在线免费观看| 九九热九九热| 欧美91色| 91精品国产91久久福利| 操逼片中文| 久久色激情一区二区三区| 综合性视频99| 国产精品久久久 | 精品久久9| 色汉综合| A 天堂在线观看视频| 无码一区二区三区四区五区六区七区八区九区十区视频 | 操我啊啊啊啊啊| 麻豆区久久久久亚| 欧美人与动性人交a| 新版天堂中文资源8在线| 国产精品国产自产拍高清AV| 尤物视频偷拍免费| 26uuu最新| 欧美特大黄一级片片免费| 性色高清在线| 伊人九九九| 日韩久久.一级黄色片| 亚洲熟妇乱女区二区三区| 日本熟妇自慰性高潮一区二区三区| 热久久91婷婷| 久操免费电影| 免费一级特黄特色大片在线观看看| 97超碰色五月| 蜜桃臀AV在线| 岛国片在线播放| 婷婷成人久久久精品| 大白逼三四级| 色网色网色网色网色网色| 91福利网在线观看| 久久99视频| 日本人妻天堂网站在线播放| 亚洲日韩天堂| 亚洲乱熟女一区二区三区大香蕉| 久久av网| 国产精品久久久| 亚洲超碰在线| 中文字幕人乱码中文字的预防方法| 试看日韩黄片| 日韩有码免费视频| yazhououmeizongya| 精品无码不卡视频| 青青草十区九区爱夜| 超碰91在线| 国产AV久久久蜜爱影集| 啊啊啊啊好大好硬啊啊啊啊啊| 久久午夜鲁丝片| 91久热| 欧美在线|亚洲| 蜜乳AV一区| 婷婷五月天无码| 色综合av综合久久| 欧洲天天在线| 99re久久| 亚欧国产无码精品在线| 青青操视频在线| 伊人久久在线视频观看| 91在线页| 亚洲熟女人妻中文字幕一区二区 | 亚洲精品97p| 久久一级无码精品毛片6| 青青伊人久久| 日韩免费三级黄片电影| 亚洲一二三精品久久网 | 91成人国产综合久久精品蜜月| 亚洲中文字幕在线视频一区二区| 五月丁香婷婷综合| 超碰久超碰久| 熟妇色99| 青娱乐亚洲自拍| 精品人妻一区春色| 亚洲中文国际强奸字幕| 欧美午夜视频| 一级性爱啪啪视频| 国产白领连续中出在线播放| 亚洲性爱乱操x| 九九无码| 午夜爽爽爽| 国产精品情侣啪啪| 99久久精品国产系列| 天天日老熟妇| 中文字幕精品探花视频| 亚洲最大的黄色电影网站。| 亚洲无码精品AV久久久| 九久9热| 欧美大香蕉久| 天堂射| 韩国黄片aaaa| 精品女同一区| 在线播放中文字幕| 性91| 中文伊人大香蕉视频| 亚洲无码视频免费在线观看网址!| 厕所偷拍在线| 色黄污美女啪啪啪免费网站| 日韩在线人妻网站| 久久国产乱子伦精品免费女人| 在线情色电影 91大| 久久久久久国产无码精品| 超碰综合97在线| 婷婷97| 2019天天干| 久久久久久久久久久97| 国产又色又粗又黄又爽| 亚州色图片在线色| 麻豆国产免费影片| 国产一二三福利视频网|