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。

校園一卡通消費(fèi)數(shù)據(jù)分析與Python聚類建模實(shí)戰(zhàn)

校園一卡通消費(fèi)數(shù)據(jù)分析與Python聚類建模實(shí)戰(zhàn) 簡(jiǎn)介這是一套圍繞學(xué)生校園消費(fèi)行為分析題的Python建模項(xiàng)目專為高校期末大作業(yè)、課程設(shè)計(jì)等場(chǎng)景打造。資源包共6個(gè)文件包含5個(gè)Python腳本和1個(gè)原始數(shù)據(jù)壓縮包腳本按照不同任務(wù)模塊編寫如基本數(shù)據(jù)探查、消費(fèi)特征提取、關(guān)聯(lián)分析或預(yù)測(cè)建模等下載解壓后無(wú)需額外修改即可運(yùn)行并可直接作為答辯材料的基礎(chǔ)工程。整個(gè)zip體積僅4.89MB目錄層級(jí)簡(jiǎn)潔便于按任務(wù)順序理解代碼邏輯。目前已有618人學(xué)習(xí)下載是同類作業(yè)中熱度較高的參考模板。讀者可獲得一整套可復(fù)用的分析流程框架、數(shù)據(jù)預(yù)處理與建模代碼、任務(wù)拆解思路及結(jié)果展示方式尤其適合希望快速搭建項(xiàng)目骨架、降低排錯(cuò)成本的同學(xué)。1. 校園消費(fèi)行為分析到底在做什么先把期末大作業(yè)的驗(yàn)收點(diǎn)擺出來(lái)晚上十點(diǎn)半的食堂刷卡機(jī)前排著剛下晚課的學(xué)生一張一卡通流水背后是幾十萬(wàn)條可以建模的數(shù)據(jù)。這份期末大作業(yè)最容易踩的誤區(qū)是以為把數(shù)據(jù)丟給 sklearn跑出一個(gè)聚類結(jié)果就完事。真實(shí)的驗(yàn)收點(diǎn)有三個(gè)——能不能把原始流水清洗成一張可分析的特征表能不能用合適的建模方法分出有業(yè)務(wù)含義的人群以及能不能在答辯現(xiàn)場(chǎng)十分鐘內(nèi)把「數(shù)據(jù)—特征—模型—結(jié)論」這條鏈路講清楚。這里的 Python 建模落點(diǎn)不是比拼準(zhǔn)確率而是比拼可解釋性適合正在做數(shù)據(jù)分析課設(shè)、數(shù)學(xué)建模入門、或者想認(rèn)真完成期末大作業(yè)的同學(xué)。2. 數(shù)據(jù)清洗與特征工程把一卡通流水變成能建模的二維表2.1 拿到原始流水后先別急著建模先檢查字段和樣本校園一卡通消費(fèi)流水在不同學(xué)校的導(dǎo)出格式略有差異但核心字段基本穩(wěn)定卡號(hào)或?qū)W號(hào)、交易時(shí)間、交易金額、商戶名稱、商戶類型、收支標(biāo)志。最好的習(xí)慣是先用 Excel 或 pandas 打開(kāi)前 100 行肉眼看一遍數(shù)據(jù)長(zhǎng)得什么樣而不是直接開(kāi)始寫聚合代碼。曾經(jīng)有人拿到數(shù)據(jù)后直接按卡號(hào)分組求均值結(jié)果發(fā)現(xiàn)「人均消費(fèi)」只有 0.15 元一查才知道有大量刷卡充值記錄混在消費(fèi)記錄里充值金額都是整百把均值拉低了。我一般會(huì)先寫一段極簡(jiǎn)的檢查代碼輸出數(shù)據(jù)的行數(shù)、唯一卡數(shù)、時(shí)間范圍和金額分布這幾個(gè)指標(biāo)能快速暴露數(shù)據(jù)集的真實(shí)規(guī)模和分析難度。重點(diǎn)是看三段信息交易時(shí)間是不是統(tǒng)一格式、金額列有沒(méi)有負(fù)數(shù)、同一張卡同一秒同一商戶是否存在重復(fù)記錄。這三類問(wèn)題如果不處理后續(xù)所有統(tǒng)計(jì)口徑都會(huì)偏而且偏得悄無(wú)聲息。import pandas as pd df pd.read_csv(card_flow.csv, parse_dates[trade_time]) print(總記錄數(shù):, len(df)) print(唯一卡號(hào)數(shù):, df[card_no].nunique()) print(時(shí)間范圍:, df[trade_time].min(), -, df[trade_time].max()) print(金額描述:) print(df[amount].describe()) print(負(fù)數(shù)金額條數(shù):, (df[amount] 0).sum()) print(重復(fù)記錄條數(shù):, df.duplicated().sum())這段代碼先讀數(shù)據(jù)再把交易時(shí)間解析為 datetime 類型。nunique 用于數(shù)出去重后的卡號(hào)數(shù)量duplicated 用來(lái)判斷全字段重復(fù)的行有多少。輸出結(jié)果之后你會(huì)對(duì)本次建模的數(shù)據(jù)形態(tài)有個(gè)整體印象數(shù)據(jù)量是幾萬(wàn)還是幾十萬(wàn)時(shí)間跨度是三個(gè)月還是一整年負(fù)數(shù)是偶爾幾筆還是大面積存在。先看全貌再動(dòng)手避免后續(xù)在錯(cuò)誤假設(shè)上堆代碼。2.2 處理退款負(fù)數(shù)、充值記錄和重復(fù)刷卡常見(jiàn)的坑有兩個(gè)方向。第一個(gè)方向是負(fù)金額食堂窗口操作失誤后的退款、超市退貨、洗衣房余額退回都會(huì)造成負(fù)數(shù)交易。如果分析目標(biāo)是「消費(fèi)行為」我建議把負(fù)數(shù)交易單獨(dú)拎出來(lái)只在退款分析里用不混進(jìn)消費(fèi)頻率和消費(fèi)金額的計(jì)算。第二個(gè)方向是充值記錄一卡通充值本質(zhì)是轉(zhuǎn)賬不是消費(fèi)通常交易類型字段里會(huì)有「充值」「消費(fèi)」的標(biāo)記沒(méi)有標(biāo)記的話可以用商戶類型或者金額規(guī)律來(lái)過(guò)濾。刪除或標(biāo)記這些記錄后再處理重復(fù)刷卡。有些食堂閘機(jī)數(shù)據(jù)會(huì)同時(shí)寫入兩條相同記錄時(shí)間戳精確到秒且金額一樣這種情況直接用 drop_duplicates 刪掉。但要注意如果刷完卡發(fā)現(xiàn)有退款退款記錄和原消費(fèi)記錄成對(duì)出現(xiàn)此時(shí)不能簡(jiǎn)單按全字段去重否則會(huì)把正常的一進(jìn)一出也刪掉。處理時(shí)我通常只對(duì)「卡號(hào) 商戶 時(shí)間 金額」四字段完全相同的行去重保留第一次出現(xiàn)。df df[df[amount] 0].copy() # 先排除退款和充值只看正向消費(fèi) df_clean df.drop_duplicates( subset[card_no, merchant, trade_time, amount], keepfirst ) print(清洗后記錄數(shù):, len(df_clean))這里的邏輯是先假設(shè)金額大于 0 都是消費(fèi)需要你確認(rèn)自己的數(shù)據(jù)里有沒(méi)有負(fù)的消費(fèi)、有沒(méi)有正數(shù)充值。drop_duplicates 的 subset 參數(shù)非常關(guān)鍵它指定了「按哪些列判斷重復(fù)」避免把同一時(shí)間在同一個(gè)商戶買兩筆相同金額商品的正常行為誤刪。keep 參數(shù)用 first 保留第一條在時(shí)間序列場(chǎng)景下等于默認(rèn)選擇先發(fā)生的記錄。2.3 時(shí)間特征拆分星期、小時(shí)、早晚高峰一卡通流水里的交易時(shí)間是最有建模價(jià)值的字段它決定了你能不能在報(bào)告里畫「一天消費(fèi)曲線」和「一周消費(fèi)熱力圖」。清洗完成后我會(huì)把時(shí)間拆成三個(gè)新列小時(shí)、星期、是否為工作日。小時(shí)用來(lái)判斷早餐、午餐、晚餐、夜宵的高峰分布星期用來(lái)分析周末和上學(xué)日的差異工作日標(biāo)記則幫助后續(xù)分群時(shí)識(shí)別作息規(guī)律。dt df_clean[trade_time] df_clean[hour] dt.dt.hour df_clean[weekday] dt.dt.weekday # 0周一, 6周日 df_clean[is_workday] df_clean[weekday].apply(lambda x: 1 if x 5 else 0)dt.hour 和 dt.weekday 是 pandas 的 datetime 訪問(wèn)器效率高且不容易寫錯(cuò)。weekday 范圍是 0 到 60 代表周一6 代表周日。is_workday 是自定義規(guī)則默認(rèn)周一至周五算工作日。如果你的學(xué)校周六還有課或者周五下午就放假這個(gè)標(biāo)記要按自己學(xué)校的校歷調(diào)整不能照抄默認(rèn)值。2.4 構(gòu)建「以人為單位」的消費(fèi)特征表建模時(shí)最常用的主體是「人」也就是每張卡對(duì)應(yīng)一行特征。把流水按卡號(hào)分組統(tǒng)計(jì)消費(fèi)總金額、總次數(shù)、平均金額、消費(fèi)活躍天數(shù)、高頻時(shí)段等字段最終得到一張寬表。這張表就是后續(xù) KMeans、DBSCAN 的輸入。daily df_clean.groupby([card_no]).agg( total_amount(amount, sum), total_count(amount, count), avg_amount(amount, mean), active_days(trade_time, nunique), avg_hour(hour, mean), ) daily[count_per_active_day] daily[total_count] / daily[active_days] print(daily.head())groupby 后面的 agg 是 pandas 推薦的聚合寫法每一行指定新列名、原始列和聚合函數(shù)。total_amount 是總消費(fèi)額total_count 是總刷卡次數(shù)active_days 是去重后的活躍天數(shù)用 nunique 統(tǒng)計(jì)。avg_hour 是消費(fèi)時(shí)間的均值它有一個(gè)隱患跨午夜的作息會(huì)被平均到奇怪的位置比如晚上 23 點(diǎn)和凌晨 1 點(diǎn)的平均會(huì)得到 12 點(diǎn)。這種情況我用「圓形均值」處理或者干脆把它換成前三個(gè)固定時(shí)段的消費(fèi)占比。2.5 衍生特征三餐占比、夜間消費(fèi)比例、消費(fèi)熵基礎(chǔ)特征只能描述消費(fèi)多少不能描述消費(fèi)習(xí)慣。期末答辯時(shí)最能打動(dòng)老師的是「這個(gè)簇的人早餐比例明顯高」而不是「這個(gè)簇平均消費(fèi) 12.3 元」。因此我額外構(gòu)建三類衍生特征。第一類是三餐和夜宵占比用小時(shí)區(qū)間切分。第二類是夜間消費(fèi)比例把 23 點(diǎn)到次日 5 點(diǎn)定義為夜宵時(shí)段統(tǒng)計(jì)夜宵金額占總金額的比例。第三類是消費(fèi)熵衡量一個(gè)人刷卡金額的分散程度——如果一個(gè)人每頓都是 10 元整熵很低如果忽而 3 元忽而 40 元熵很高說(shuō)明飲食結(jié)構(gòu)波動(dòng)大。def meal_type(hour): if 6 hour 10: return breakfast elif 10 hour 15: return lunch elif 15 hour 20: return dinner elif 20 hour 24 or hour 5: return night else: return other df_clean[meal] df_clean[hour].apply(meal_type) meal_cross pd.crosstab(df_clean[card_no], df_clean[meal], normalizeindex) def entropy(series): p series[series 0] return -(p * np.log(p)).sum()import numpy as np from scipy.stats import entropy as scipy_entropy def cal_entropy_by_group(group): val_counts group[amount].value_counts(normalizeTrue) return scipy_entropy(val_counts)第一個(gè)函數(shù)按小時(shí)區(qū)間把每筆交易歸入早餐、午餐、晚餐或夜宵。pd.crosstab 配合 normalizeindex 得到每張卡在不同餐段的消費(fèi)次數(shù)占比。第二個(gè)函數(shù)計(jì)算金額分布的熵我直接調(diào)用 scipy.stats.entropy它接受概率分布數(shù)組并返回非負(fù)熵值。熵越大代表不同金額的分布越分散越小代表消費(fèi)金額集中在少數(shù)幾個(gè)固定檔位比如總是刷 8 元和 12 元套餐。2.6 標(biāo)準(zhǔn)化為什么用 StandardScaler不用 MinMaxScaler特征表建好后量綱差異非常明顯消費(fèi)總金額可能是幾千早餐占比只有 0.1。如果直接把原始值喂給聚類算法金額會(huì)主導(dǎo)距離計(jì)算。常見(jiàn)做法是做標(biāo)準(zhǔn)化。StandardScaler 會(huì)把每個(gè)特征變成均值為 0、方差為 1 的分布適合 KMeans 和 DBSCAN 這種基于距離的模型。MinMaxScaler 會(huì)把數(shù)據(jù)壓縮到 0~1 區(qū)間問(wèn)題在于它很容易被極端值拉偏而校園消費(fèi)里炒飯、夜宵或校外大額支出很容易產(chǎn)生極端值。from sklearn.preprocessing import StandardScaler feature_cols [total_amount, total_count, avg_amount, active_days, count_per_active_day, breakfast_ratio, dinner_ratio, night_ratio, entropy] X daily[feature_cols].fillna(0) scaler StandardScaler() X_scaled scaler.fit_transform(X)fillna(0) 是因?yàn)橛行┛赡軟](méi)有夜宵記錄占比為空。fit_transform 在這段代碼里直接完成了兩步操作fit 計(jì)算均值和標(biāo)準(zhǔn)差transform 應(yīng)用標(biāo)準(zhǔn)化。等到建模階段你只需把 X_scaled 傳入聚類算法。注意保留原始特征表 daily后面畫圖、打標(biāo)簽、寫報(bào)告都需要它而不是直接使用標(biāo)準(zhǔn)化后的矩陣。3. 建模方案KMeans、DBSCAN、孤立森林怎么選3.1 先定目標(biāo)再選模型不要先跑代碼很多期末作業(yè)翻車的原因是拿到數(shù)據(jù)就開(kāi)始找聚類代碼跑完卻講不清每一類代表什么。建模之前必須回答一個(gè)問(wèn)題這次分析到底要得出什么結(jié)論如果你的題目是「分析學(xué)生消費(fèi)行為」最合理的目標(biāo)是分群畫像把學(xué)生分成規(guī)律干飯型、高消費(fèi)夜宵型、低消費(fèi)節(jié)儉型等若干類。如果你的題目是「識(shí)別異常消費(fèi)」那應(yīng)該用異常檢測(cè)模型而不是聚類。如果你的題目是「根據(jù)前兩個(gè)月消費(fèi)預(yù)測(cè)后一個(gè)月」那就進(jìn)入回歸或時(shí)間序列的范疇不是同一套流程。在這份校園消費(fèi)分析作業(yè)里最常見(jiàn)也最容易講清楚的是「聚類 畫像」。KMeans 能分出消費(fèi)水平不同的群體每個(gè)群體的特征中心就是畫像。DBSCAN 則適合發(fā)現(xiàn)不規(guī)則形狀的群體還有機(jī)會(huì)把「每天只刷一頓飯」的極端群體標(biāo)記為噪聲點(diǎn)。孤立森林不是聚類它的用途是識(shí)別偏離正常消費(fèi)模式的人。建議把它們放在同一份作業(yè)里分別回答「共性分群」和「異常個(gè)體」兩個(gè)問(wèn)題報(bào)告結(jié)構(gòu)會(huì)很完整。3.2 聚類數(shù)怎么定肘部法則和輪廓系數(shù)KMeans 需要手動(dòng)指定簇?cái)?shù) k這個(gè) k 不能拍腦袋。業(yè)界用的兩個(gè)指標(biāo)分別是 SSE 肘部法則和輪廓系數(shù)。SSE 是簇內(nèi)樣本到中心點(diǎn)的距離平方和k 越大 SSE 越小但下降到某個(gè)點(diǎn)后收益驟減那個(gè)拐點(diǎn)就是肘部。輪廓系數(shù)則衡量每個(gè)樣本和自身簇的相似度同類別緊湊、不同類別分離時(shí)系數(shù)高范圍是 -1 到 1越接近 1 越好。from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score sse [] sil [] k_range range(2, 9) for k in k_range: km KMeans(n_clustersk, random_state42, n_init10) labels km.fit_predict(X_scaled) sse.append(km.inertia_) sil.append(silhouette_score(X_scaled, labels)) for k, s, si in zip(k_range, sse, sil): print(fk{k}, SSE{s:.1f}, silhouette{si:.4f})KMeans 的計(jì)算受初始中心點(diǎn)影響所以每一次迭代都指定 random_state42保證結(jié)果可復(fù)現(xiàn)。n_init10 表示用 10 組不同的初始中心運(yùn)行算法最后返回 SSE 最小的一組避免隨機(jī)性帶來(lái)翻車。silhouette_score 在 X_scaled 上計(jì)算取值越大說(shuō)明簇與簇之間分離越好。我的習(xí)慣是優(yōu)先看肘部拐點(diǎn)再看 silhouette 是否超過(guò) 0.25如果超過(guò) 0.5 反而要警惕特征是否過(guò)于簡(jiǎn)單比如只靠金額一列劈成了兩半。3.3 用 KMeans 跑通最小建模流程并打上人群標(biāo)簽確定 k 之后就可以跑最終的聚類。以 k4 為例把聚類結(jié)果合并回原始特征表就能看到每一類人的消費(fèi)規(guī)律。這里還要注意一點(diǎn)KMeans 聚類是按距離切分的它不知道食堂、超市、奶茶店的業(yè)務(wù)含義打完標(biāo)簽后必須回看特征均值給每個(gè)簇起一個(gè)人類看得懂的名字。k 4 km KMeans(n_clustersk, random_state42, n_init10) cluster_labels km.fit_predict(X_scaled) daily[cluster] cluster_labels cluster_profile daily.groupby(cluster)[feature_cols].mean() print(cluster_profile.round(2))fit_predict 一次性完成訓(xùn)練和預(yù)測(cè)返回每個(gè)樣本的簇編號(hào)。groupby 后取均值得到每類人的平均消費(fèi)金額、平均活躍天數(shù)、早餐占比等。看到數(shù)據(jù)后再命名cluster 0 如果平均金額高、活躍天數(shù)多、夜宵占比高就命名為「活躍夜宵型」cluster 1 如果總金額低、早餐占比高、頻次少就命名為「規(guī)律早餐型」。命名是報(bào)告的點(diǎn)睛之筆不要直接寫「群組 0」。3.4 DBSCAN 的取舍噪點(diǎn)本身就是一種結(jié)果KMeans 會(huì)把每個(gè)樣本都分到一個(gè)簇哪怕這個(gè)樣本和其他任何樣本都不像。DBSCAN 則會(huì)把這些樣本直接標(biāo)記為噪點(diǎn)也就是標(biāo)簽 -1。在校園消費(fèi)場(chǎng)景里這很有價(jià)值低活躍、偶發(fā)消費(fèi)、作息不規(guī)律的學(xué)生會(huì)在 DBSCAN 中被暴露出來(lái)。不過(guò) DBSCAN 對(duì)參數(shù)非常敏感兩個(gè)參數(shù) eps 描述鄰域半徑min_samples 描述成為核心對(duì)象所需的最少樣本數(shù)。from sklearn.cluster import DBSCAN db DBSCAN(eps0.8, min_samples10) db_labels db.fit_predict(X_scaled) n_clusters_db len(set(db_labels)) - (1 if -1 in db_labels else 0) print(DBSCAN 發(fā)現(xiàn)簇?cái)?shù):, n_clusters_db) print(噪點(diǎn)數(shù)量:, (db_labels -1).sum()) daily[dbscan_label] db_labelseps 表示如果某個(gè)樣本的鄰域內(nèi)至少有 min_samples 個(gè)樣本它才會(huì)被當(dāng)作核心點(diǎn)。eps 設(shè)太小會(huì)把群體拆得零碎設(shè)太大又把所有人都劃進(jìn)一個(gè)大簇。對(duì)于標(biāo)準(zhǔn)化后的數(shù)據(jù)我一般把 eps 設(shè)在 0.5 到 1.2 之間min_samples 設(shè)在 10 到 20。這里的技巧是先跑一次看噪點(diǎn)比例是否在 5%~15%噪音比例太高說(shuō)明參數(shù)過(guò)緊可以立刻調(diào)整。3.5 用孤立森林找異常消費(fèi)不需要任何標(biāo)簽孤立森林是「無(wú)監(jiān)督異常檢測(cè)」算法它不依賴標(biāo)簽而是隨機(jī)切分特征空間異常點(diǎn)因?yàn)榉植枷∈柚恍枰苌俚那蟹执螖?shù)就能被孤立出來(lái)。校園消費(fèi)場(chǎng)景中它可以識(shí)別刷卡金額異常大、消費(fèi)頻率異常低或夜間消費(fèi)異常多的人。這里要特別強(qiáng)調(diào)異常不等于壞人可能是校外人員借卡、訪客臨時(shí)消費(fèi)也可能是有學(xué)生因病長(zhǎng)時(shí)間不在校。from sklearn.ensemble import IsolationForest iso IsolationForest(contamination0.02, random_state42) anomaly_labels iso.fit_predict(X_scaled) daily[anomaly] anomaly_labels print(daily[anomaly].value_counts())contamination 參數(shù)表示你預(yù)估的數(shù)據(jù)集中異常值比例這里設(shè) 0.02 也就是假設(shè) 2% 的人消費(fèi)模式異常。fit_predict 返回 1 表示正常-1 表示異常注意方向和聚類標(biāo)簽正好相反寫報(bào)告前容易看反。IsolationForest 的核心優(yōu)點(diǎn)是快幾十萬(wàn)行數(shù)據(jù)也只需要幾秒鐘。缺點(diǎn)是結(jié)果不好解釋它不會(huì)告訴你為什么異常需要回到原始特征表逐個(gè)看異常樣本的數(shù)值。3.6 驗(yàn)證聚類不是「隨機(jī)碰運(yùn)氣」聚類模型的驗(yàn)證是期末答辯時(shí)最容易被人追問(wèn)的環(huán)節(jié)。老師說(shuō)「你這個(gè)聚類結(jié)果會(huì)不會(huì)換一組初始值就完全變了」如果你答不上來(lái)前后就會(huì)陷入被動(dòng)。我通常做兩個(gè)驗(yàn)證第一個(gè)是穩(wěn)定性驗(yàn)證把 random_state 改成其他值多次跑 KMeans比較每個(gè)簇的人數(shù)比例是否保持穩(wěn)定第二個(gè)是樣本驗(yàn)證隨機(jī)抽取 80% 的樣本重新聚類再把剩余 20% 預(yù)測(cè)到最近的簇中心觀察整體分布是否一致。from sklearn.model_selection import train_test_split X_train, X_test train_test_split(X_scaled, test_size0.2, random_state7) km_temp KMeans(n_clusters4, random_state0, n_init10).fit(X_train) train_labels km_temp.predict(X_train) test_labels km_temp.predict(X_test) print(pd.Series(train_labels).value_counts(normalizeTrue).sort_index()) print(pd.Series(test_labels).value_counts(normalizeTrue).sort_index())這里用 train_test_split 把樣本切分成 80% 訓(xùn)練、20% 測(cè)試。predict 方法會(huì)把新樣本分配到距離最近的中心。如果兩次的人群占比差距在 3% 以內(nèi)說(shuō)明結(jié)果不是偶然。如果差距很大優(yōu)先檢查特征表是否被少量極端值主導(dǎo)。4. 期末大作業(yè)避坑指南5 條踩過(guò)的數(shù)據(jù)與建???.1 時(shí)間字段解析失敗按天聚合結(jié)果全是 NaN現(xiàn)象用 pd.to_datetime 轉(zhuǎn)換交易時(shí)間后發(fā)現(xiàn)小時(shí)列全部變成 NaN按天聚合后圖像一片空白。 原因原始數(shù)據(jù)里時(shí)間格式不統(tǒng)一有的行是「2025-03-12 12:30:45」有的行是「2025/03/12 12:30」甚至還有「2025年3月12日」。to_datetime 無(wú)法自動(dòng)識(shí)別所有格式解析失敗的行變成了空值。 解決先用 errorscoerce 強(qiáng)制轉(zhuǎn)換標(biāo)記解析失敗的行再檢查失敗樣本的時(shí)間格式寫一個(gè)自定義解析函數(shù)補(bǔ)齊。最簡(jiǎn)單的方式是讓 to_datetime 的 format 參數(shù)明確指定格式。不要相信 Excel 導(dǎo)出的時(shí)間是「標(biāo)準(zhǔn)格式」必須有這一層檢查。4.2 退款負(fù)數(shù)拉低均值消費(fèi)金額變成負(fù)的現(xiàn)象早餐平均消費(fèi)是 -3.2 元食堂搶了學(xué)生的錢。 原因退款記錄被當(dāng)作消費(fèi)納入聚合負(fù)金額抵消了正金額。 解決把金額列拆成正負(fù)兩套邏輯。如果只做消費(fèi)分析直接保留 amount 0需要研究退款時(shí)把負(fù)數(shù)的絕對(duì)值拿出來(lái)單獨(dú)分析。注意充值記錄通常是正數(shù)如果不按交易類型區(qū)分也會(huì)混進(jìn)消費(fèi)金額。建議先看交易類型字段的值分布再?zèng)Q定過(guò)濾條件。4.3 去重把正常購(gòu)買記錄誤刪了現(xiàn)象同一張卡在同一家店買了兩次相同金額的飲料時(shí)間相差 1 秒結(jié)果被全字段去重刪除。 原因沒(méi)有指定去重列直接用 drop_duplicates() 把「卡號(hào) 商戶 時(shí)間 金額」四列完全相同的記錄當(dāng)成了重復(fù)數(shù)據(jù)。其實(shí)一秒鐘刷兩次卡是合理的人類行為比如一次刷卡本人消費(fèi)一次幫同學(xué)帶飯。 解決只對(duì)高頻重復(fù)類型做去重判斷標(biāo)準(zhǔn)是「同一秒內(nèi)同一商戶同一金額且同一卡號(hào)」。如果數(shù)據(jù)里有交易流水號(hào)字段優(yōu)先用流水號(hào)去重。沒(méi)有流水號(hào)時(shí)subset 要加上三個(gè)以上維度避免誤刪。4.4 卡號(hào)字符串混進(jìn)特征聚類結(jié)果被「身份證號(hào)」支配現(xiàn)象聚類出的四個(gè)簇分別對(duì)應(yīng)卡號(hào)開(kāi)頭四個(gè)數(shù)字段業(yè)務(wù)上毫無(wú)意義。 原因把 card_no 或?qū)W號(hào)列當(dāng)成了數(shù)值特征標(biāo)準(zhǔn)化后進(jìn)入聚類模型。KMeans 基于歐氏距離卡號(hào)中任何一點(diǎn)數(shù)字差異都會(huì)被當(dāng)成距離導(dǎo)致聚類完全偏離消費(fèi)行為。 解決第一步是刪除卡號(hào)、學(xué)號(hào)、姓名等身份標(biāo)識(shí)列第二步檢查特征表里是否有其他高基數(shù)列比如商戶名稱。需要用獨(dú)熱編碼處理商戶偏好字段或者直接不把商戶名稱作為聚類輸入改用它構(gòu)造「食堂消費(fèi)占比」這類聚合特征。4.5 輪廓系數(shù)很高但人群畫像完全解釋不通現(xiàn)象k2 時(shí)輪廓系數(shù)高達(dá) 0.6看起來(lái)聚類效果很好但打開(kāi)畫像發(fā)現(xiàn)一群人全是總消費(fèi)金額極高的夜宵大戶另一群人全是幾乎不刷卡的低頻用戶中間人群被強(qiáng)行切成了兩半。 原因特征中存在極端值KMeans 對(duì)這種尖峰分布極其敏感少數(shù)高消費(fèi)樣本把整個(gè)簇中心拉走了。輪廓系數(shù)衡量的是幾何分離程度不判斷業(yè)務(wù)合理性。 解決先對(duì)特征做裁剪比如 95% 分位數(shù)截?cái)鄻O端消費(fèi)金額或者使用分位數(shù)變換替代標(biāo)準(zhǔn)化。更重要的是必須回看每個(gè)簇的人數(shù)比例。如果人數(shù)最少那一類只占 2%它更可能是噪聲而不是人群此時(shí)通過(guò) W 檢驗(yàn)調(diào)整 k 或改用 DBSCAN 處理離群點(diǎn)。5. 可視化與結(jié)果報(bào)告讓期末答辯在 10 分鐘內(nèi)有底氣5.1 三種能在一頁(yè) PPT 上講清楚的圖數(shù)據(jù)建模的成果需要用圖形呈現(xiàn)評(píng)卷老師沒(méi)有耐心一行行看 DataFrame。我通常畫三張圖第一張是所有學(xué)生的分時(shí)段消費(fèi)折線圖展示早中晚高峰第二張是周消費(fèi)熱力圖橫軸星期、縱軸小時(shí)用顏色深淺表示消費(fèi)次數(shù)第三張是每個(gè)聚類小組的平均日消費(fèi)金額分布圖用來(lái)突出分群差異。import matplotlib.pyplot as plt import seaborn as sns plt.rcParams[font.sans-serif] [SimHei, PingFang SC, Microsoft YaHei] plt.rcParams[axes.unicode_minus] False fig, axs plt.subplots(1, 3, figsize(16, 4)) hourly_count df_clean.groupby(hour).size() axs[0].plot(hourly_count.index, hourly_count.values, markero) axs[0].set_title(分時(shí)段消費(fèi)次數(shù)) pivot df_clean.pivot_table(indexhour, columnsweekday, valuesamount, aggfunccount).fillna(0) sns.heatmap(pivot, axaxs[1], cmapYlOrRd) axs[1].set_title(每周消費(fèi)規(guī)律熱力圖) daily_group daily.groupby(cluster)[total_count].mean() daily_group.plot(kindbar, axaxs[2], color[#4C72B0, #55A868, #C44E52, #8172B2]) axs[2].set_title(各簇平均消費(fèi)次數(shù)) plt.tight_layout()先設(shè)置中文字體否則圖表里的中文會(huì)變成方塊這是 matplotlib 默認(rèn)字體導(dǎo)致的。分時(shí)段曲線把「早中晚三個(gè)高峰」一句話講完。熱力圖的 x 軸是周一到周日y 軸是 0 到 23 點(diǎn)能直觀看到周末上午消費(fèi)明顯后移。第三張柱狀圖用于展示各簇畫像差異柱子的高度對(duì)比就能支撐「人群可分」的結(jié)論。5.2 用表格把人群畫像輸出成報(bào)告素材圖像適合口頭表達(dá)書面報(bào)告里還需要一張精確的表格。我一般會(huì)把每個(gè)簇的核心特征整理成這種格式簇標(biāo)簽、自定義人群名、人數(shù)占比、平均日消費(fèi)金額、平均日活躍次數(shù)、早餐占比、夜宵占比。這張表可以直接粘貼到期末報(bào)告的模型結(jié)果部分也能在答辯被追問(wèn)時(shí)快速定位到對(duì)應(yīng)數(shù)據(jù)。簇人群標(biāo)簽人數(shù)占比日均消費(fèi)(元)日均次數(shù)早餐占比夜宵占比0規(guī)律早餐型28%9.62.142%5%1活躍夜宵型19%21.33.49%38%2節(jié)制消費(fèi)型36%6.81.231%11%3周末集中型17%13.51.614%20%表格里的值來(lái)自 cluster_profile 的聚合結(jié)果不要手工填數(shù)也不要先把報(bào)告寫好了再倒推數(shù)據(jù)。如果發(fā)現(xiàn)某種類型的占比太小比如只有 2%說(shuō)明這個(gè)簇可能是異常值簇應(yīng)該回去調(diào)整模型參數(shù)而不是硬搬進(jìn)報(bào)告。5.3 報(bào)告結(jié)構(gòu)抽掉代碼也能自洽期末報(bào)告嚇退同學(xué)的往往不是分析而是不知道按什么順序?qū)?。我建議直接按項(xiàng)目流程組織第一部分寫背景與目標(biāo)說(shuō)明為什么用校園消費(fèi)數(shù)據(jù)做建模想解決什么問(wèn)題第二部分寫數(shù)據(jù)來(lái)源與預(yù)處理包括字段說(shuō)明和清洗流程第三部分寫特征工程解釋你選擇了哪幾個(gè)特征、為什么沒(méi)有選別的第四部分寫模型選擇與參數(shù)確定第五部分寫分群結(jié)果與人群畫像最后一段寫對(duì)學(xué)生消費(fèi)管理和個(gè)性化服務(wù)的建議。其中第三部分最容易被一筆帶過(guò)。實(shí)際上老師最看重的是特征構(gòu)造思路。你可以寫「用 pandas 從原始流水中拆出小時(shí)、星期、餐段三類時(shí)間特征」也可以展開(kāi)說(shuō)明「消費(fèi)熵衡量了消費(fèi)習(xí)慣的穩(wěn)定性」后者更能體現(xiàn)建模思考。但如果你的作業(yè)要求里沒(méi)有要求寫建議那最后一段不寫也沒(méi)問(wèn)題不用為了湊篇幅硬編對(duì)策。5.4 被老師問(wèn)「為什么選 KMeans」時(shí)這樣回答不慌張答這種問(wèn)題講究「性能 業(yè)務(wù)」雙線。先說(shuō)業(yè)務(wù)這次分析的目的是給全校學(xué)生做消費(fèi)人群分層KMeans 的每個(gè)簇可以用中心點(diǎn)描述天然適合輸出畫像。再說(shuō)性能KMeans 在大樣本下速度快算法復(fù)雜度接近線性咱們學(xué)校這條數(shù)據(jù)集有二十多萬(wàn)條流水跑一遍只需要幾秒鐘。更重要的是它只有 k 一個(gè)超參數(shù)調(diào)參路徑清晰不像 DBSCAN 的 eps 和 min_samples 需要反復(fù)試。如果老師追問(wèn)為什么不用 GMM 或?qū)哟尉垲惪梢哉f(shuō) GMM 假設(shè)每個(gè)簇服從高斯分布校園消費(fèi)金額分布實(shí)際上偏態(tài)明顯這個(gè)假設(shè)不一定成立層次聚類的計(jì)算量隨樣本數(shù)增長(zhǎng)較快面對(duì)幾萬(wàn)張卡的特征表不劃算?;卮饡r(shí)不需要推倒重來(lái)只要把 KMeans 的優(yōu)勢(shì)和你對(duì)數(shù)據(jù)分布的觀察講清楚即可。6. 收尾一步用一個(gè)月做穩(wěn)定性驗(yàn)證讓報(bào)告再上一個(gè)等級(jí)期末作業(yè)交完后真正拉開(kāi)差距的是驗(yàn)證部分。我最后一件事永遠(yuǎn)是「留一個(gè)月數(shù)據(jù)當(dāng)驗(yàn)證集用前幾個(gè)月的參數(shù)復(fù)跑一次」。具體操作是把整個(gè)數(shù)據(jù)集按月份切分比如用 3—5 月數(shù)據(jù)建模再用 6 月數(shù)據(jù)計(jì)算每個(gè)樣本到已得簇中心的距離重新分配簇標(biāo)簽最后對(duì)比兩輪聚類人數(shù)比例。如果一個(gè)簇的人數(shù)比例從 28% 跳到 64%說(shuō)明建模只抓住了月份效應(yīng)而不是消費(fèi)習(xí)慣需要回到特征設(shè)計(jì)去加入「學(xué)期前半段 / 后半段」標(biāo)記。另一個(gè)值得做的擴(kuò)展是特征重要性驗(yàn)證。把聚類標(biāo)簽作為目標(biāo)變量用隨機(jī)森林訓(xùn)練一個(gè)分類器看哪些特征貢獻(xiàn)度最高。如果早餐占比排第一說(shuō)明你的分群主要靠早餐習(xí)慣切分報(bào)告里就要突出描述這個(gè)特征如果消費(fèi)總金額排第一則要承認(rèn)這是個(gè)「消費(fèi)水平分層」模型而非「作息規(guī)律分層」模型。這一步不復(fù)雜卻能讓報(bào)告里所有結(jié)論都有依據(jù)。我當(dāng)年做這份作業(yè)時(shí)最深的教訓(xùn)是急著跑結(jié)果跳過(guò)驗(yàn)證直接寫結(jié)論。答辯時(shí)老師對(duì)著投影儀說(shuō)「你把 5 月的數(shù)據(jù)抽出來(lái)跑一遍」結(jié)果簇分布完全變了當(dāng)場(chǎng)冷場(chǎng)。后來(lái)我養(yǎng)成了先切一個(gè)月數(shù)據(jù)做穩(wěn)定性驗(yàn)證的習(xí)慣再小的分析也按這個(gè)流程走。希望幫到你這 10 分鐘會(huì)讓你在講臺(tái)上的語(yǔ)氣跟別人不一樣。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
操逼网免费无码视频| 91狠狠综合久久| 亚洲色图加勒比| 日韩精品 视频一区二区| 伊人四虎综合| 夜草欧美| 日韩欧美女优电影| 日韩成人大片在线观看| 国产绿奴视频在线观看| 青草综合| 日韩精品一区二区人人人| 色91综合网| 色色色欧美| 久草新在线| 日韩欧美偷拍美女视频| 啊啊啊好大好深| 日本三级久| 精品国产人成在线| 国产精品久久久无码aV去| julia ann久久| 中 文字幕一区二区三四 五 区日 日 骚 | 久久 亚洲 日韩 人妻| 欧美丝袜制服久久| 欧美性生活男人的天堂| 92性色国产午夜福利在线661 | 天天综合网~69| 欧美性巨大╳╳╳╳╳高跟鞋| 97久久久久| 欧美在线啊啊啊| 五月婷婷六月丁香| 色婷婷九月天天综合| 色欧洲| 97精品在线| 狠狠夜色午夜久久综合在线| 青青草视频在线观看一区二区| 日本久久999| 美女诱惑1区2区| 静品嫩模一区二区| 婷婷AV一区二区三区| 91深夜夜| 国产日韩色综合| 欧美裸体美女日麻屄| 青青草大香蕉视频| 国产91丝袜 在线播放| 日韩精品一区二区人人人| 亚洲国产亚洲天堂| 久久久久久九九九九九九| 亚洲激情色片 | 欧美在线|亚洲| 91国产美女丝袜足交精品视频| 亚洲 欧美 中文 日韩超碰| 激情丁香五月婷婷| 日韩AV一区二区三区四四| 高清国产av无码| 亚洲一曲日韩精品| 狠狠色狠狠色狠狠五月| 日韩三级在线观看mp4| 久操黄色视频| 自拍盗摄一区| 青青草男人天堂| 成人热久久精品| 大香蕉欧美国产日韩高潮| 大香蕉伊人在线成人AV在线观看| 97 国产一区| 午夜精品久久久久| 在线电影亚洲色图| 色九久| 91观看 国产白丝| 自拍六区| 国产精品福利资源在线尤物| 欧美激情性爱视频网站| 久久久精品视频免费观看| 91在线精品| 国产视频不卡在线观看| 丁香五月天啪啪| 欧美一级三级| 久草新免费| 97色伦97色伦国产欧美| 午夜精品一区二区三区三上悠亚| 欧美精品丝袜久久久中文字幕| 欧美色天堂网在线视频| 久久久久久十| 国产一区二区三三视频| 精品少妇一区二区三区在线视频| 97视频在线免费看| 日韩高清一二三| 人妻少妇精品视频一区二区三区| 性爱综合一区二区| 欧美一级色| 成人AV素股で擦久久| 久久亚洲色图中文字幕| 激情 欧美 亚洲 小说| 毛片电影一区二区三区| 亚洲 图片 欧美 色图| 啊啊啊啊啊,啊啊啊啊好舒服,操我舒服啊啊啊| 亚洲se91| 懂色AV蜜臀无码精品APP | 欧美色图自拍| 91欧洲国产成人久久精品网站| 第45页一区二区| 热久久99999| 大香蕉中文网| 久久精品人体| 国产97在线播放| 国产精品久久久久久高清无码免费看| 亚洲各类熟们中文字幕| 久久神马影院| 五月亭亭六月丁香| 人妻少妇久久久| 神马午夜久久久| 青青草中文字幕| 午夜福利免费福利视频| 夜夜青青无码影院| 偷拍自拍在线视频观看| 岛国人妻少妇av在线观看| 精品日日人妻| 日本岛国黄色网址| 国产精品一二三| 国产精品久久久久久亚洲色欲| 99久久综合| 东京热不卡视频| 国产亚洲精品精AV.| 亚洲综合草草| 最新av中文字幕高清| 亚洲麻豆精品二区三区| 99re黄| 成人婷婷丁香| 综合色91| 人妻少妇视频在线播放| 中文字幕欧美日韩三级| h在线看免费版在线看| 青青草影视蜜久久| 99re9在线| 啊啊啊啊免费视频| 成人在线视频二区| 国产1024在线播放| 亚洲 se图 欧美电影| 亚洲加勒比久久日本道| 精品无码一区二区| 国产美女高潮叫床视频| 人人操人人精品影片| 成人5码视频| 最新中文字幕av| 国产乱伦亚洲| 国产www色在线观看| 日本熟妇熟色97一本在线观看| 综合熟妇一区二区三区| 人妻日日夜夜精品| 亚洲熟女乱色一区二区三区| 亚洲污污网站| 在线观看精品国产免费| 大逼色网站| 色婷婷狠狠| 亚洲色图欧美| 欧亚第一综合网| 九九综合久久中文字幕| 综合情欲网| 久久婷婷亚洲| 九九综合九九综合| 中文久久96| 色欲日韩欧美在线一区| www.99色| 极品美女嘿咻| 97精品视频网站| 熟女被操视频网址| 久久精品国产Aⅴ| 欧美少妇第一页| 亚洲国产一区二区入口| 高清国产av无码| 国产精品69久久久久孕妇欧美| 色婷视频| 国产女人操逼视频| 日本性爱视频一级| 亚洲天堂男| 九九成人精品| 9久热| 揉揉揉夜夜| 天天干天天做| 日本 欧美 国产一区| 狠狠爱大香蕉| 夜夜嗨一区| 天天看特黄的免费网站| 天天操狠狠日夜夜干超碰撸com视频在线观看 | 青草伊人网| 99.色网| 午夜福利免费福利视频| 欧美性生活男人的天堂| 熟妇视频一区二区三区在线| 91伊人久久在线| 91在线视频免费中出| 99热导航| 熟妇熟女一区二三区| 偷窥自拍A片| 91国产操逼视频| 久热这里| 中文字幕国产| 超碰久在线天天做| 美女啪欧美一区| 国产一区96在线| 亚洲欧洲日韩国产自在线| 日本不卡一区二区| 男女国产精品| 亚洲a色| 色妇91| 中文字幕视频一区视频二区| av大香蕉| 国产91久久九九免费精品无码| 少妇一区二区三区高速| 亚洲无码电影久久久| 日日躁狠狠躁天天躁精品| 97久久超碰国产网站| 狠狠狠狠狠| 91狠狠色丁香婷婷综合久久精品| 色色婷婷五月| 国产AV天美传媒一区二区三区 | 亚洲小电影免费涩涩成人在线高清| 美女91网址| 亚洲国产青青| 亚州色图片在线色| 黄色不卡视频| 欧美韩国你懂得在线| 久久手机好看网站| 国产性感骚丝袜在线| 很很干很很操| 午夜免费视频1000| 色性综合| 艾草av| 亚洲综合性感在线| 蜜桃丰满熟妇av无码区不卡| 欧美日韩国产人人| 亚洲色图第一页| 51一区二区三区| 五月天AV资源| 91宗合网| 久久久久久69国产一区二区| 91网九色蝌蚪操熟女| 国产日韩精品suv| 国产精品秘 福利姬在线观看| 国产一区二区a毛片| 国产精品美女久久久久AⅤ国产馆| 久久久久久电影| 日本一区视频在线观看| 丁香五月性爱| 久久99手机免费视频| 久久久久ab| 久久一二三四五六七八九区区| 免费久久9999| 国产麻豆一区二三区| 超碰九九| 久久狠狠色噜噜狠狠狠狠97| 嫩草一区二区在线观看| 曰韩av中文字幕专区| 99热伊人| 神马久久久久久久久久| 97人人色| 激情 欧美 亚洲 小说| 综合免费无码中文| 成人欧美一区二区三区黑人一| 日本超碰在线国产一区| 色综和网| 伊人嫩草| 欧亚日韩中文在线| 思思热在线视频在线| 豆花视频操逼网址| 久9综合在线| 久热一区二区| 国产 日韩 另类 视频一区爱| 色色五月天婷婷| 大香蕉国产中文自拍| 久久一二三四五六七八九区| 日本欧美一区二区三区视频麻豆| 激情婷婷五月天| 久久精品免视看国产成人﹣蜜臀av一区. 久久精品免视看国产成人,蜜臀av一区 | 久久9久9久99久9久9| 91偷拍欧美亚洲| 桃色人妻在线视频| 亚洲蜜乳av| 久草五月| 交换娇妻呻吟声不停中文字幕| 婷婷综合视频| 日本不卡中文| 日韩人妻免费精品| 久久久久久久久久久999| 精品无码少妇| 99九九精品| 亚洲性综合| 一级一性爱免费视频| 探花一区在线| 在线视频五十市| 久久丁香久草综合网| 九九热九九| 免费国产| 操操碰| 99re综合伊人| 精品97精品97| a片久久久久久久久久久久 | 色综合 加勒比| 欧美操人视频| 老熟妇综合| 欧美人与动性人交a| 一区二区 韩日AV| 亚洲色图8| 国产一区二区啪啪视频| 人伦四五区| 丁香五月天啪啪| 激情久久日韩精品中文字幕麻豆| 丁香六月激情| 熟女熟妇一区二区三区视频| 91强热人妻| 狠狠操官网| 狠狠躁AV| 粉嫩av平台| 天天看人人操屄犊摸阴| 精品久久无码午夜福利 | 麻豆国产97在线| 欧美后进式| 少妇久久久久久久| 国产AV天美| 日本一区二区不卡精品| 激情终合网| 麻豆婷婷成人一二三| 国产精品操| 69AV女优男人的天堂| 超碰91在线| 熟妇熟女亚洲天堂网| 国产99999| www.色婷婷| 麻豆精品.欧美精品.日韩精品.| 大香蕉av在线| 日本一级真人黄色性爱视频| 欧美内射少妇| 久久久久久九九九九-美女久久久久久久-成人AV| 色悠久| 少妇国产不卡| 国产精品亚洲无码| 久久激情四射婷婷丁香五月天| 国产视频一区二区免费| 欧美在线天堂| 亚洲揄拍网| 无码免费精品高清| 91爱网| 亚洲永久永久永久永久一级一级一级精品 | 精品国产乱子伦一区二区三区,精品一| 婷婷伊人网| 九九热三级片| 91国内外在线| 欧美少妇大量自拍视频在线观看| 国产又黄又粗的视频| 十八禁电影伊人网| 在线啊啊啊啊| 特级丰满少妇一级AAAA爱毛片| 国产91 丝袜在线播放| 成年男人的天堂| 伊人五月天激情| 91五十路| 日韩精品一区,二区 九九...老司机| 九色婷婷| 久久国产乱子伦精品免费女人| 丝袜美腿91| 无码人妻丰满熟妇奶水区毛片| 欧美性爱视频免费一区一A| 亚洲男人天堂2017| 久久久久久久久久久久久久久久9| 日本色色色| 天天操人人操狠狠插| 大香蕉性欧美| 60秒免费小视频| 超碰97欧美在线| 手机在线观看不卡无码av| 啊啊啊想要| 欧美日韩人妻精品一区二区三区| 美女AV一区二区| 天天插天天干| 丰满人妻大屁一区二区| 影音先锋视频在线| 一区二区三区免费视频入口| 18+91网站| 区二区亚洲婷| 美女大乳久久久久久久女人18| 欧美色五月| 一线黄色免费性爱片| 一级性爱网| 色图四区| 色约约一区=区三区| 色在线69堂| 极品少妇99| 白丝1区2区3区| 中文字幕一区av| 日韩精品中文字幕二区| 婷婷伊人网| 国产无套粉嫩白浆在| 国产精品一二三在线看| 日本无码1| 亚洲1区2区三区高清中文字幕| 7777奇米影视久久| 中文日本免费高清| 亚洲第一精品在线视频| 啪一啪免费视频| 国产精品视频一区二区三区八戒| 精品欧美А∨无码黑人大荫蒂| 无码免费在线观看黄色片| 天天影视色香欲综合网小说| 中文字幕在线免费观看2| 精品亚洲| 国产精品麻豆成人av| 日韩免费中文字幕视频| 久96热在线观看视频| 亚洲精品97| 被操高清无码视频| 蜜乳AV一区| 日操粉逼逼| 欧美一级做a爰片免费视频| 日本 欧美 国产一区| 日本女人操逼| 91爱综合| 天天天天天天天天综合| 热久久无毒不卡| 欧美热图99| 蜜臀久久99精品久久久久| 秋霞怕怕片| 强奸国产精品视频| 国产67194| 国产天美欧美| 亚洲精品一区二区免费在线观看| 天天欧美| 中文人妻av高清一区| 强奸乱伦中文字幕AV| 色色五月天激情| 蜜臀亚洲中文| 日本黄色精品| 国产亚洲日韩欧| 秋霞免费AV| 亚洲色图久久精品蜜| 91熟女综合| 高潮9999外国| 97资源视频| 97任你吞精| 日产中文字幕2020| 日本不卡一二区| 另类TS人妖一区二区三区| 探花一区在线| 中文字幕乱碼在线| 久操频道免费在线呗看| 亚洲精品乱码线路中文字幕| 免费看日产一区二区三区| 啊啊啊啊啊啊啊国| 欧美综色欧| 激情五月天中文字幕色| 久久久久久亚洲中文| 日本国产欧美高清在线| 少妇天堂网络| 精品无吗m| 国产大学生口爆吞精合集| 日韩亚洲美女一区久久| 蜜桃臀AV在线| 亚洲毛片一级带毛片基地| 富二代亚洲精品99| 麻豆天美一区二区| 99热日本| 亚洲AV永久无码精品成人调教| 中文AV制服乱伦| 亚洲精品三| 国产视频第2页| 成人小说另类在线| 久久久久久亚洲精品不卡人乳| 国产热av| 黄色区免费观看中文字幕| 亚洲狼狼干综合1| 精品熟女呻吟久久91| 国产亚洲禁久一区二区| 天天日美女的B| 精品无码不卡视频| 干B| 翔田千里爆乳巨臀无码| 天天碰操中国年青熟妇| 日韩无码视频黄色| 欧美一区二区在线资源| 91综合色噜噜| 色哟哟-国产专区| 97天天摸天天爽| 丁香六月激情综合| 极品另类| 熟女日韩| 国产兽交视频在线播放| 久久久久久性爱视频| 天天综合~91| 蜜伊人色综合97| 国产狂喷潮在线精品| 69AV女优男人的天堂| 人人操欧美风骚| 久热伊人99re| 日日干天天干夜夜爽| 超碰在线974| 亚洲国产精品V?在线播放| 日韩91网站| 可以免费观看的AV| 嗯嗯啊啊操我| 久久夜色一区二区| 伊人精品久久网站| 亚州Av天美传媒| 92人人操人人| 中文字幕一二三| 丰满人妻一区二区三区在线| 高潮毛片无遮挡高清免费| 久久久久78| 在线国产探花| 清纯唯美亚洲| 亚洲色图美腿丝袜| 日韩性爱播放| 日日爱99| av久日| 99热官网| 操逼操2| 久久久久久久国产| 狠狠爱综合| 男人的天堂va| 91艹| 高清无码91| 亚洲国产一区二区三区在线 | 密臀在线免费观看| 亚洲欧美综合区自拍另类| 欧美淫乱视频| 人人澡人人爽人人精品| 美女操逼福利视频| 91无码西班牙视频在线| 人妻五十路在线| 天天综合~91入口| 免费观看国产不卡av| 欧美激情1区| 情侣操 逼视频99| 99视频在线| 亚洲图片色图欧美另类| 国产精品夜夜| 99国内熟女露脸视频| 亚欧精品久久久久久久久久久| 精品无码欧美三级| 一区二区三区男人的天堂| 精品国产网站| 99久久9| 园内精品自拍视频在线播放| 男人的午夜天堂| 欧洲性人爱视频| 偷拍亚洲高清图片| 日韩不卡av一二三| 黄片视频,下载| 欧美一二三| 久久亚洲日韩熟女精品| 亚洲精品 欧美精品| 久久本道| 97se亚洲综合自| 亚洲午夜蜜臀| 久久久久久久久久精| AV一二区| 欧美狠狠弄| 性色一线| 超碰97起碰| 色综合久| 五月天婷婷久久| 韩国一级婬片A片AAAAA| 美女午夜福利免费视频| 亚洲精品国产无码高清| av毛片aaaaa免费看| 欧美成人精品一区| 亚洲第一视频 欧美风情 日韩| 久久久男人的天堂| 久久国产精品熟女人妻| 超碰综合色| 精品亚洲俞拍视频一区| 国产极品久久久| 欧美 牲| 国产av热热色| jiujiujiujingpin| 色悠久久久av| 吊色| 久久一二三四五六七八九区| 免费男人的天堂| 蜜桃久久久久久久| 九九九九九用不成了| 目产99999久久999| 小骚逼被操的爽不爽| 久久久久久9999| 日日夜夜模| 日韩图区 偷拍| 秋霞网—男女啪啪亚洲免费体验区| aaa亚无码专区| 中文字幕日韩专区精品系列 | 欧美情色男人的天堂| 熟妇精品juliaannAV| 中文字幕av丝袜| 亚洲素人综合| 亚洲色交| WWW操逼| 丁香五月综合| 99热亚洲| 求求你操操我| 国产高清在线自在拍69| 欧美写真视频一区| 亲子敌伦对白在线播放| 26uuu性物| 操逼日韩无码| 高清不卡国产| 素人伊尹大香蕉免费下载视频| 99热伊人| 操逼视频色| 九九性爱网| 97亚洲性爱| 亚洲男人的天堂在线看| 中文字幕一二三av| 97天天摸天天爽| 久久精品国产亚洲AV嘿嘿| 婷婷香蕉| 中文字幕78| 国产9l 大屁股| 日本1区2区不卡视频| 欧美一区二区三区成人性生活| 国产嫩草精品A88AV| 97超碰人人操人人操| 思思热国产在线视频| 99久久99九九99九九九| 亚洲少妇色| 国产农村妇女精品一二区| 亚欧美色图| 高清有码一区二区| 99天堂网| 2017天天透天天通天天擦| 91成人18| 婬女免费一二三区A片| 粉嫩国产精品久久久| 欧美色图片色哟哟| 国产性久久久| 九久9热| 精品无码少妇| 免费啪啪一级视频| 婷色五月天| 91大香蕉伊人| 中日韩熟女| 9 7超碰在线免费观看| 中国91AV| 网页导航五月天免费一二三区| 性欧美天天| 玖玖爱影院| 噜噜吧,噜噜色,噜噜| 1204av韩国| w w w.久久精品| 婷色五月天| 深夜激情| 欧美黄片视频在线观看免费 | 东北女人性交| 久久99午夜精品一区人妻| 久草资源欧美在线视频| 色婷婷五月综合| 欧美一区二区三区成人性生活| 91少妇| 日韩丝袜二区| WWW美腿丝袜香蕉中文| 天天干干天天干干| 大香蕉在线视频15| 夜夜骑夜夜操| 久久9久9久99久9久9| 96精品久久久久久久久久| 99精品视频在线观看| 99re视频在线播放青草| 久久99操天天日| BBBBB97COM| 婷婷五月天综合网| 91色香| 久久黄黄| 国产区日韩区在线观看| 成人AV素股で擦久久| 97在线免费观看| 91美女视屏| 97在线视频网站| 一个人在线看的黄色电影网站| 一区在线精品中文字幕| 玖玖综合色| 蜜臀AV秘一区翔田千里| 磁力99AV| 欧美,日韩,亚洲视频| 噜噜瑟| 亚洲精品男人的天堂| 久久午夜色播影院免费高清| 麻豆AV一区二区| 女同女同恋久久级三级| 嗯嗯啊啊视频一区二区三区| 久久精品国产亚洲AV成人直播| 欧美草草高清日韩视频| 久久粉色| 亚洲色图 欧美热图 清纯唯美 另类自拍| 黄片www视频免费| 热久久国产精品视频大陆精品| 中文字幕aⅴ在线视频| 久久精品无码熟妇一区二区三区视频导航 | 91制服丝袜| 操狠狠| 青草草免费网站av| 九九超碰综合网| 久久久精品国产亚洲伊人| AA级电影三区| 限制级中的三级片中的黑粗大屌屌日人妻熟女| 色色婷婷丁香| 岛国毛片在线观看免费| AV中文字幕三四五| 97欧美精品综合| 无码人妻丰满热妇又大又粗| 国产精品一区二区三区四区五区| 九九夜精品九九在线| 国产福利精品最新在线| 免费精品无码一级毛片牛牛影视 | 婷婷中文网| 日本熟妇浓毛hdsex| 黄久在线| 美腿色图| 国产11页| 亚洲成熟国产精品美女| 久久超碰国产一区二区三区| 久久精品男人的天堂| 91精品国产综合久久久蜜臀| 久久九九国产精品| 成人精品在线免费视频| 亚洲综人网| 狠综合网| 日日天天久久啊啊aaa| 久久精品国产亚洲AV无码做| 久久久久久九九九九| 天美传媒在线一区| 日韩99999色| 久久97| 丁香六月东京热| 夜夜草天天| 97 色综合| 一级免费精品| 2019午夜福利视频| AV天堂男人的天堂| 大香蕉操久久| 亚洲精品xxx| 日韩精品国产一区二区| 久久精品一区二区一8| 亚洲欧美综合网| 肉丝中文无码高清| 91强在线播放| 国产日韩人人| 人妻一区久久二区三区色播| 男人天堂久久精品| www.yw尤物| 欧美视频一区二区在线| 99精品欧美一区二区三区桃色| 亚洲无线观看久久| 人妻久久一区二区三区| 91 天天综合| 亚欧美无遮挡| 草B在线| 天天干夜夜操一区二区| 欧美激情黑人| 日本高清视频在线观看黄已三辽| 黄色成品网站| 刺激精品视频| 神马影院午夜福利久久久| 天天日天天射天天干| 少妇69中文| 97超级欧美| 媚薬在线视频麻豆| 欧美与日韩97| 成人精品水蜜桃久久久久久久| 久久人妻无码毛片A片麻豆| 九九热视频这里只有精品| 日日夜夜草草草| 久久久久久久久久久久九| 91久久久老司机| 国产精品久久久999| 噜噜噜亚洲精品| 制服诱惑亚洲一区二区三区在线观看| 欧美玖玖爱免费玖玖| 91熟女少妇| 久久精品国产97欧美精品亚洲 | 成人免费在线网站| 五月激情在线| 久久精彩视频9| 东北老女人的激情视频| 强奸熟女一区二区三区| 久操视频在线| 思思久热在线精品66| 日韩熟女操逼| 日韩精品永久在线观看| 五月婷婷深深爱| 精品免费1| 精品人妻无码一区二区三区不卡-精品人妻无码一区二区...|精品少妇一区二区三 | 亚洲婷婷丁香在线| 2019天天干天天操| 97干在线| 欧美少妇高潮久久91| 欧美综合狠| 国产在线视频午夜精华在| 免费看黄视频亚洲网站| 国产热RE99久久6国产精品首| 超91综合网| 裸体美女久久久| 国产精品久久久午夜夜伦鲁鲁| 清纯唯美亚洲综合| 九九碰九九爱97超| 乱伦3P视频| 美女人妻色网站| 狠操91,com| 啊啊啊好想要| 亚洲日韩美女中文字幕乱| 九九热免费视频| 综合色拍| 亚洲影视综合| AV不卡在线| 艹我哪美一区无码| 中文字幕久久亚州无码| 9久久精品| 美女写真| 日韩中文字幕熟妇人妻| 久久噜噜噜精品国产亚洲综合| 久久一区二区三区四区五区| 噜噜噜在线视频| 热天堂一区二区| 全国男人天堂网| 国内精品久久人妻性色av| 三级三级三级日本99| 欧亚揄拍偷拍精品视频| 中文字幕精品一区二| 操人无码| 熟女熟妇一区二区三区视频| 国产在线观看91精品一区| 欧美拳交在线播放| 国产久9| 天天干干天天干干| 天美一二三在线观看Av| 欧美不在线| 人人扣人人操| 狠狠操一区二区| 好爽免费视频| 伊人久久婷婷| 国产av强奸美女| 亚洲风情在线观看| 天天α片| 成年人黄色| 91美女中出| 九九九九热只有精品| 日本操色导航| 久久鲁夜| 久久久久久久伊人精品| 九九英色视频| 午夜成人爽爽爽爽A片李冰冰| 精品丰满人妻一区二区三区免费观| q2午夜理论片夜色av| 国产高清成人mv在线观看| 欧美国产一区二区三区麻豆传媒| 国产精品盗摄 偷窥盗摄| 精品久久久久瑟瑟| 久久狠狠色噜噜狠狠狠狠97| 日韩有码免费视频| 久久久久久九九九| 黑操B| 97视频一区| 乱伦3P视频| 磁力99AV| 在线看的av| 99re这里| 操人人| 亚洲熟女一区| 91小视频| 四虎在线视频| 大香蕉97久久| 亚洲无线观看久久| 美女的肌被草喷水视频| 国产熟女精品一区二区| 三级片大波波| 国产多人在线观看视频| 欧美熟女妇同| 日韩人成网站在线播放| 久草线上视频免费看| 91黑人无码激情在线| 日韩欧视频| 韩国轻伦国内自拍一区| 大香蕉免费3| 啊啊啊啊在线播放| 99精品在线| 亚洲中文字幕熟女| 久草精品一区| 丁香六月婷婷| 中文字幕乱码人妻二区三区| 日日摸日日碰| 国产欧美日韩在线观看麻豆传媒公司 | 中文字幕国产精品1区| 不卡av免费在线网址| 欧美色997| 大香蕉专区| 大鸡巴久久| 欧美色图亚州激情| 国产精品久久久久久片| 加勒比综合88| 九草在线大香蕉| 婷婷视频网| 国产乱伦视频污| 色网综合网| 超碰人人妻| 日本操大逼| 男人的天堂99| 欧美亚洲se91| 精品一区二区三区蜜桃臀赵总 | 成人十八禁日韩欧美一二三| Julia在线播放亚洲久久| 秋霞网—男女啪啪亚洲免费体验区 | 99热精品免费| 国产成人欧美一区二区三区的国产| 懂色AV网| 啊好爽快点-国产一区二区三区撒尿在线-成人AV | 久久久久久久极品香蕉视频| 97人妻免费中文字幕| 老司机午夜精品视频| 精品一区二区2| 男插女青青影院| 久久婷婷五月天| 你想操日本小逼吗| 日本视频在线中文字幕| 日日日日做夜夜夜夜做无码97| 人妻在线臀日韩| 看一级黄色视频| 中文字幕日韩电影人妻| 91情色在线| 91久久久老司机| 色五月婷婷麻豆在| 婷婷五月天影院| 欧美亚洲尤物久久| 日本成a人v网站在线观看| 91操熟妇| 97超碰色中文字幕| 啊啊啊啊啊啊好湿好爽视频| 国产丝袜美女诱惑| 激情五月天色色| 亚洲免费人妻在| 免费黄色片。| 欧美福利视频啊啊啊啊| 97在线视频网站| 免费亚洲国产精品久久一区| 日韩精品人妻中文字幕久久久| 97久久久久久久精| 婷婷性爱| 激情综合五| 操逼日韩无码| 国产精品午夜福利亚洲综合网| 日韩亚洲欧美中文字幕| 亚洲 日本 不卡| 色九色久| 骚鸭AV| 五月天九九日国产精品一区二区三区| 97色插| 国精品一区二区三| 色综合中文字幕不卡| 婷婷色一区| 国产黄a三级三级三级av在线看| 中文字幕在线日亚洲9| 999国产精品999| 亚洲超碰在线| 色综合色综合网| 免费一级视频特黄色大片| 在线性黄高清免费视频| 女同性恋久久| 成人av动漫在线观看| 玖玖在线视频| 久久99操天天日| 99超碰色| 熟女中出视频| 亚洲揄拍网| 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 | 超碰色97| 欧美综合天天| 日韩强奸av| 日韩无码a片| 性爱乱伦网址| 亚洲女优有码无码高清| 少妇色欲综合网2| 999999精品| 91看黄片| 强免费黄色网址| 亚 欧 美 综合| 超碰 另类 欧美 | 无码78| 91性高朝久久久久久久久| 亚洲国产精品9999在线观看| 久久久久久国产精品免费网站| 国产又操| 亚洲18禁| 久噜噜| 精久久久| 天天日天天操天天射河南省| 免费1级a做爰片观看| 91在线精品| 日本人体九九九九九九| 欧美嗯啊……在线观看视频免费| 久久久久78| 一卡二卡在线播放| 中文字幕久久婷婷丁香五月天| 日本一级婬片试看三分钟| 国产又色又爽又舒服的三级视频| 九九热免费国产视频婷婷伊人五月 | 久久↗↗| 午夜免费福利视频一区| 91neishe| 国产AV人人夜夜澡人人爽麻豆| 久久精品超碰| 老司机福利青青草| 人妻人人做人人澡人人爽欧美一区| 天天做日日爱夜夜爽| 天天影视色香色欲| 色在线69堂| 玖草在线视频| 欧美国产日韩高清在线| 欧美大香蕉97| 色欧美在线| 色就色综合| 素人播放一区| 精品人妻一区二区蜜桃视频| 久久双插| 天天爽天天爽| AV久日| 岛国免费视频在线| 精品区国产区一区二区三区| 67194无码不卡| 肥臀熟女一区二区三区视频| 涩涩这里只有精品视频| 亚州精人品大香蕉| 尤物AV免费网站| 国产乱码精品一区二区三区四川| 肥臀熟女福利视频一区二区| 精人妻一区二区三区| 强奸乱伦中文字幕AV| 超碰在线974| 精品一级| 国产精品亚洲一区二区三区四区| 青青草白白色| 男女性无套 免费九一| 99操视频| 97天天综合网| 91福利网在线观看| 2020视频1区2区3区| 青青操日韩| 可以在线观看AV的网站| 东北女人| 人人操人人摸人人看人人干| 日本青青草在线| 日日摸天天爽夜夜欢| 俺去也婷婷| 久久97视频| 五月丁香成人网| 97精品人妻一二三四| 三级网色| s片在线观看| 久久性爱精品一区| 操人妻逼91| 日本淫乱女一区二区三区视频| 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 | 久久春色| 日韩成人色图| 中文字幕五区| 欧美综合91| 日韩三四五区| 精品九九| 丝袜性亚洲| 精品成人动漫一区二区| 后入式在线免费观看60秒| 亚洲色图尤物视频| 性性久久| 91精品人妻电影| 久久久999国产精品| 国产又操| 91中出视频| 96精品在线| 日本一级特级毛片视频| 欧美综合色站| 欧美性爱无码一区二区三区| 成人在线视频一区| 国产 日韩 欧美 中文 另类,国产 欧美 另类 制服 变态,高清 日韩 欧美 中文,高 | 精品少妇后入一区二区三区四区人妻巨乳| 国产视频第二页| 91亚洲精品青草| 亚洲男人久久综合天堂| SUV一区二区在线看| 日韩AC| 97色亚洲| 无码视频一区二区| 久久av成人无码免费| 欧美淫乱视频| 日本超碰在线国产一区| 美女被啪到深处抽搐视频| 欧美日韩国产电影| 国产操逼逼网| 天天综合网网欲色| 欧美婷婷久久| 国产精品无码论坛| 色图综合| 91色碰| 玖玖玖玖精品国产剧情| 啊啊啊啊好疼| 欧美亚洲丝袜美女电影| 人人看欧美性爱| 精品视频久久区| 麻豆蜜桃视频在线观看| 久久东京伊人一本到鬼色| 亚洲欧洲日韩中文字幕一区| 91大神电影天堂| 中文字幕人成乱码熟女香港| 风韵犹存大大大大香蕉| 超碰97资源中文字幕| 懂色中文一区二区三区| 中文字幕第7页| 欧美在线色图| 中文字幕性感少妇av| 日熟女| 亚洲久9| 1234区中文字幕在线观看_青青草国产在线_日韩一区二区 | 日韩视频中文字幕| 人人摸人人舔一区二区| 人妻一区二区三区| 手机在线视频国内精品| 美国日韩黄片| 久久人妻熟女一区二区| 天操老女人| 91色综| 国产女性无套 免费观看| 97视频网站| 999久久芭蕾| 亚洲国产欧美日韩精品一区二区三区,国产一区二区三区在线看片,欧美性猛交 XXX | 91超碰在线播放| AV天堂电影网| 开心婷婷五月| 欧亚性爱啪啪| 日熟女| 啊v在线观看视频| 国产尤物在线三区| 新97国产超碰| 精品人妻一区二区三区-国产| 91超碰人人操| 熟女人妇一区二区三区| 操婢日韩| 一级毛片电影免费看| 九九精品美女高溯喷水 | 麻豆天美电影一区二区| 不卡中文字幕aⅴ在线| 蜜臀久久99'精品久久久| 躁躁日曰躁2020| av资源在线观看少妇| 秋霞影音一区二区三区| 最新国内自拍av免费| 9丨久久九九九| 精彩久久中文| 99热8| 蜜桃久久精品一区二区三区| 天天插天天插| 色五月激情综合网| 亚洲导航深夜福利| 亚洲日韩视频二区| 亚洲色图综合| 亚洲欧美人妻| 一区二区播放| 97在线公开视频| 久啪视频| 在线洲亚线|