欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

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。

Python數(shù)據(jù)清洗實(shí)戰(zhàn):異常值檢測(cè)與處理全流程解析

Python數(shù)據(jù)清洗實(shí)戰(zhàn):異常值檢測(cè)與處理全流程解析 1. 項(xiàng)目概述從一道數(shù)學(xué)建模題說(shuō)起幾年前我接手指導(dǎo)一個(gè)學(xué)生團(tuán)隊(duì)參加全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽CUMCM他們抽到的題目是2011年的A題關(guān)于城市表層土壤重金屬污染分析。拿到數(shù)據(jù)的第一刻團(tuán)隊(duì)里編程最好的同學(xué)就懵了——Excel里密密麻麻的采樣點(diǎn)數(shù)據(jù)夾雜著大量明顯不合理甚至為負(fù)數(shù)的重金屬濃度值。直接拿這樣的數(shù)據(jù)去擬合、做空間插值結(jié)果必然是失真的甚至可能得出“某區(qū)域土壤重金屬含量為負(fù)”這種荒謬結(jié)論。這就是異常值數(shù)據(jù)分析路上第一只也是最常見(jiàn)的“攔路虎”。這個(gè)項(xiàng)目我們就以這個(gè)真實(shí)的數(shù)學(xué)建模賽題為背景用Python這把“手術(shù)刀”來(lái)系統(tǒng)性地處理數(shù)據(jù)中的異常值。這不僅僅是刪除幾個(gè)數(shù)字那么簡(jiǎn)單它關(guān)乎你后續(xù)所有模型的可信度。無(wú)論是數(shù)學(xué)建模、商業(yè)分析還是科研數(shù)據(jù)處理清洗數(shù)據(jù)尤其是識(shí)別并妥善處理異常值是決定項(xiàng)目成敗的第一步。如果你正在為數(shù)據(jù)中的“噪點(diǎn)”頭疼或者想系統(tǒng)學(xué)習(xí)Python在數(shù)據(jù)清洗中的實(shí)戰(zhàn)技巧那么這篇基于真實(shí)項(xiàng)目復(fù)盤(pán)的經(jīng)驗(yàn)分享就是為你準(zhǔn)備的。我們將從原理到實(shí)操一步步拆解如何用Pandas、NumPy、Matplotlib等工具像偵探一樣找出數(shù)據(jù)中的“異類(lèi)”并科學(xué)地決定它們的去留。2. 核心思路為什么不能簡(jiǎn)單“一刪了之”面對(duì)異常值新手最容易犯的錯(cuò)誤就是直接刪除。在2011年A題的數(shù)據(jù)里看到“砷(As)”濃度出現(xiàn)一個(gè)“-999”或者“0.001”這種與其他樣本相差幾個(gè)數(shù)量級(jí)的值第一反應(yīng)可能就是把它當(dāng)成錯(cuò)誤數(shù)據(jù)扔掉。但且慢在動(dòng)刀之前我們必須先回答三個(gè)問(wèn)題它真的是“異?!眴崛绻撬鼮槭裁磿?huì)出現(xiàn)我們應(yīng)該如何處理它2.1 異常值的本質(zhì)與分類(lèi)異常值或稱離群點(diǎn)是指與數(shù)據(jù)集中其他觀測(cè)值顯著不同的數(shù)據(jù)點(diǎn)。這種“不同”可能源于數(shù)據(jù)錄入或測(cè)量錯(cuò)誤這是最理想的情況比如儀器故障、記錄筆誤多輸了一個(gè)0、單位混淆把mg/kg記成了g/kg。2011年A題中部分負(fù)值濃度很可能就屬于此類(lèi)。采樣誤差或?qū)嶒?yàn)變異例如采樣點(diǎn)恰好位于一個(gè)污染源排放口其濃度自然遠(yuǎn)高于背景值。這雖然是“異?!钡牡珔s是真實(shí)的、有價(jià)值的信息直接刪除會(huì)掩蓋重要的污染特征。數(shù)據(jù)本身的自然分布某些數(shù)據(jù)本身就服從重尾分布如金融收益、某些環(huán)境污染物濃度存在極端值是正常的概率事件。因此我們的處理策略絕不能是“一刀切”。處理異常值的核心思路是一個(gè)決策流程檢測(cè) - 診斷 - 處理。檢測(cè)是用統(tǒng)計(jì)或可視化方法找出嫌疑點(diǎn)診斷是結(jié)合業(yè)務(wù)背景在數(shù)學(xué)建模中就是題目背景和專(zhuān)業(yè)知識(shí)判斷嫌疑點(diǎn)的性質(zhì)處理則是根據(jù)診斷結(jié)果選擇保留、修正、刪除或用穩(wěn)健方法替代。2.2 數(shù)學(xué)建模場(chǎng)景下的特殊考量在數(shù)學(xué)建模競(jìng)賽中處理異常值還需額外考慮兩點(diǎn)可解釋性你的處理方法必須在論文中清晰闡述并給出令人信服的理由。直接說(shuō)“我們刪除了大于3倍標(biāo)準(zhǔn)差的數(shù)據(jù)”是蒼白的必須結(jié)合題目背景如土壤環(huán)境質(zhì)量標(biāo)準(zhǔn)、重金屬的地球化學(xué)背景值來(lái)論證閾值設(shè)定的合理性。數(shù)據(jù)完整性競(jìng)賽數(shù)據(jù)通常有限每一個(gè)樣本都可能攜帶關(guān)鍵信息。盲目刪除可能導(dǎo)致樣本量過(guò)小影響后續(xù)建模如插值生成污染分布圖時(shí)邊界出現(xiàn)空洞。因此修正或插補(bǔ)往往是比刪除更優(yōu)的選擇。基于以上思路我們?yōu)楸敬螌?shí)戰(zhàn)設(shè)計(jì)了一個(gè)四步流程首先進(jìn)行探索性數(shù)據(jù)分析EDA可視化異常其次運(yùn)用統(tǒng)計(jì)方法進(jìn)行定量檢測(cè)然后結(jié)合背景知識(shí)進(jìn)行診斷與閾值確定最后根據(jù)診斷結(jié)果選擇適當(dāng)?shù)奶幚聿呗圆?shí)現(xiàn)。下面我們就用Python一步步實(shí)現(xiàn)它。3. 環(huán)境準(zhǔn)備與數(shù)據(jù)加載工欲善其事必先利其器。我們首先搭建一個(gè)用于數(shù)據(jù)清洗的Python環(huán)境。我個(gè)人強(qiáng)烈推薦使用Anaconda來(lái)管理環(huán)境它能很好地解決包依賴問(wèn)題。3.1 創(chuàng)建專(zhuān)屬分析環(huán)境打開(kāi)你的終端或Anaconda Prompt執(zhí)行以下命令來(lái)創(chuàng)建一個(gè)純凈的、包含所有必要庫(kù)的環(huán)境。# 創(chuàng)建一個(gè)名為data_cleaning的新環(huán)境指定Python版本為3.9兼容性好 conda create -n data_cleaning python3.9 # 激活該環(huán)境 conda activate data_cleaning # 安裝核心數(shù)據(jù)分析庫(kù) conda install pandas numpy matplotlib seaborn scipy jupyter -y # 安裝用于更高級(jí)統(tǒng)計(jì)和插值的庫(kù)可選但推薦 conda install scikit-learn statsmodels -y注意如果你沒(méi)有安裝Anaconda也可以直接使用pip install命令安裝上述包。但使用虛擬環(huán)境venv或conda env是一個(gè)好習(xí)慣可以避免不同項(xiàng)目間的包版本沖突。3.2 加載與初窺數(shù)據(jù)由于2011年A題的原始數(shù)據(jù)需要從賽題頁(yè)面下載這里我模擬生成了一份結(jié)構(gòu)、特征相似的合成數(shù)據(jù)集以便完整演示流程。假設(shè)我們有一個(gè)soil_heavy_metal.csv文件包含采樣點(diǎn)ID、坐標(biāo)X Y以及8種重金屬As, Cd, Cr, Cu, Hg, Ni, Pb, Zn的濃度數(shù)據(jù)。import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 設(shè)置繪圖風(fēng)格讓圖表更好看 plt.style.use(seaborn-v0_8-darkgrid) sns.set_palette(husl) # 1. 加載數(shù)據(jù) df pd.read_csv(soil_heavy_metal.csv) print(數(shù)據(jù)形狀行列:, df.shape) print(\n前5行數(shù)據(jù)) print(df.head()) print(\n數(shù)據(jù)基本信息) print(df.info()) print(\n描述性統(tǒng)計(jì)) print(df.describe())運(yùn)行這段代碼你會(huì)立刻對(duì)數(shù)據(jù)有個(gè)整體印象有多少行、多少列、是否有缺失值、各重金屬濃度的均值、標(biāo)準(zhǔn)差、最小最大值等。df.describe()輸出的最大值、最小值往往是發(fā)現(xiàn)異常值的第一條線索。比如你看到某元素的最小值是負(fù)數(shù)或者最大值是均值的上千倍紅燈就亮起了。3.3 數(shù)據(jù)質(zhì)量初步檢查在深入分析前先做一次快速體檢。# 檢查缺失值 missing_sum df.isnull().sum() print(各列缺失值數(shù)量\n, missing_sum[missing_sum 0]) if missing_sum.sum() 0: print(數(shù)據(jù)集中暫無(wú)缺失值。) # 檢查重復(fù)行 duplicate_rows df.duplicated().sum() print(f\n重復(fù)行數(shù)量{duplicate_rows}) # 檢查明顯不合理的值例如濃度為負(fù) negative_cols [] for col in df.columns: if df[col].dtype in [int64, float64]: # 只檢查數(shù)值列 if (df[col] 0).any(): negative_cols.append(col) print(f\n存在負(fù)值的列{negative_cols}) if negative_cols: for col in negative_cols: neg_count (df[col] 0).sum() print(f {col}: {neg_count} 個(gè)負(fù)值例如{df.loc[df[col] 0, col].iloc[:3].values})這一步能幫你快速抓住最明顯的“硬傷”比如錄入錯(cuò)誤導(dǎo)致的負(fù)值。對(duì)于這些明顯的錯(cuò)誤我們可以在后續(xù)步驟中優(yōu)先處理。4. 異常值檢測(cè)可視化與統(tǒng)計(jì)方法雙管齊下檢測(cè)異常值我習(xí)慣“先看圖再算數(shù)”??梢暬芙o你直觀感受統(tǒng)計(jì)方法則提供定量依據(jù)。4.1 可視化檢測(cè)讓異常值無(wú)所遁形4.1.1 箱線圖Boxplot箱線圖是識(shí)別異常值的經(jīng)典工具。它顯示了數(shù)據(jù)的中位數(shù)、上下四分位數(shù)Q1, Q3以及“須”的范圍。通常落在Q1 - 1.5IQR四分位距以下或Q3 1.5IQR以上的點(diǎn)被視為潛在的異常值在箱線圖中常以圓點(diǎn)形式標(biāo)出。# 繪制所有重金屬濃度的箱線圖 heavy_metal_cols [As, Cd, Cr, Cu, Hg, Ni, Pb, Zn] plt.figure(figsize(14, 8)) df[heavy_metal_cols].boxplot() plt.title(重金屬濃度箱線圖初步識(shí)別異常值) plt.ylabel(濃度 (mg/kg)) plt.xticks(rotation45) plt.tight_layout() plt.show()通過(guò)箱線圖你可以一眼看出哪些元素的濃度分布存在大量“飛點(diǎn)”以及這些異常值是偏于高值還是低值。例如Cd鎘可能顯示出較多的高位異常點(diǎn)這很可能對(duì)應(yīng)著局部的強(qiáng)污染源。4.1.2 直方圖與Q-Q圖直方圖看分布形態(tài)Q-Q圖分位數(shù)-分位數(shù)圖檢驗(yàn)數(shù)據(jù)是否服從正態(tài)分布。許多統(tǒng)計(jì)檢測(cè)方法如3σ原則基于正態(tài)假設(shè)如果數(shù)據(jù)嚴(yán)重偏離正態(tài)這些方法可能失效。fig, axes plt.subplots(2, 4, figsize(16, 10)) axes axes.ravel() for idx, col in enumerate(heavy_metal_cols): # 直方圖 axes[idx].hist(df[col].dropna(), bins30, edgecolorblack, alpha0.7) axes[idx].set_title(f{col} 分布) axes[idx].set_xlabel(濃度) axes[idx].set_ylabel(頻數(shù)) plt.suptitle(重金屬濃度直方圖, fontsize16) plt.tight_layout() plt.show() # 以As為例繪制Q-Q圖 import scipy.stats as stats plt.figure(figsize(6,6)) stats.probplot(df[As].dropna(), distnorm, plotplt) plt.title(As濃度Q-Q圖檢驗(yàn)正態(tài)性) plt.show()如果直方圖嚴(yán)重右偏長(zhǎng)尾在右且Q-Q圖上的點(diǎn)明顯偏離對(duì)角線說(shuō)明數(shù)據(jù)非正態(tài)。這時(shí)你需要考慮使用基于中位數(shù)和四分位數(shù)的穩(wěn)健方法如箱線圖法而不是基于均值和標(biāo)準(zhǔn)差的方法。4.1.3 散點(diǎn)圖矩陣觀察多個(gè)變量之間的關(guān)系以及是否存在遠(yuǎn)離主體群的觀測(cè)點(diǎn)。# 選擇幾個(gè)關(guān)鍵元素繪制散點(diǎn)圖矩陣 sns.pairplot(df[[As, Cd, Pb, Zn]], diag_kindkde, cornerTrue) plt.suptitle(關(guān)鍵重金屬元素散點(diǎn)圖矩陣, y1.02) plt.show()有時(shí)單變量看不是異常但在多變量空間里卻是異常比如As和Cd濃度都異常高。散點(diǎn)圖能幫你發(fā)現(xiàn)這種多維異常。4.2 統(tǒng)計(jì)方法檢測(cè)設(shè)定定量閾值可視化給了我們直覺(jué)接下來(lái)需要用數(shù)字說(shuō)話。4.2.1 標(biāo)準(zhǔn)差法3σ原則適用于近似正態(tài)分布的數(shù)據(jù)。認(rèn)為99.7%的數(shù)據(jù)落在均值上下3個(gè)標(biāo)準(zhǔn)差的范圍內(nèi)之外的即為異常值。def detect_outliers_std(df, column, n_std3): 使用標(biāo)準(zhǔn)差法檢測(cè)異常值 mean df[column].mean() std df[column].std() lower_bound mean - n_std * std upper_bound mean n_std * std outliers df[(df[column] lower_bound) | (df[column] upper_bound)] return outliers, lower_bound, upper_bound # 檢測(cè)As的異常值 as_outliers_std, low_std, up_std detect_outliers_std(df, As, n_std3) print(fAs濃度 - 標(biāo)準(zhǔn)差法±3σ:) print(f 邊界[{low_std:.2f}, {up_std:.2f}]) print(f 異常值數(shù)量{len(as_outliers_std)}) print(f 異常值索引示例{as_outliers_std.index[:5].tolist()})4.2.2 箱線圖法IQR法這是一種更穩(wěn)健的方法不依賴于正態(tài)分布假設(shè)對(duì)極端值不敏感。def detect_outliers_iqr(df, column): 使用IQR法檢測(cè)異常值 Q1 df[column].quantile(0.25) Q3 df[column].quantile(0.75) IQR Q3 - Q1 lower_bound Q1 - 1.5 * IQR upper_bound Q3 1.5 * IQR outliers df[(df[column] lower_bound) | (df[column] upper_bound)] return outliers, lower_bound, upper_bound # 檢測(cè)As的異常值IQR法 as_outliers_iqr, low_iqr, up_iqr detect_outliers_iqr(df, As) print(f\nAs濃度 - IQR法1.5IQR:) print(f 邊界[{low_iqr:.2f}, {up_iqr:.2f}]) print(f 異常值數(shù)量{len(as_outliers_iqr)})實(shí)操心得對(duì)比兩種方法的結(jié)果。對(duì)于嚴(yán)重偏態(tài)的數(shù)據(jù)標(biāo)準(zhǔn)差法可能會(huì)誤將許多正常數(shù)據(jù)判為異常因?yàn)榫当粯O端值拉偏而IQR法通常更可靠。在數(shù)學(xué)建模論文中我建議同時(shí)報(bào)告兩種方法的結(jié)果并解釋為什么最終選擇其中一種例如“由于數(shù)據(jù)呈右偏分布我們采用對(duì)極端值不敏感的IQR法進(jìn)行異常值識(shí)別”。4.2.3 基于模型的方法孤立森林對(duì)于更復(fù)雜的數(shù)據(jù)集可以使用機(jī)器學(xué)習(xí)算法。孤立森林通過(guò)隨機(jī)劃分特征空間來(lái)隔離樣本異常點(diǎn)因?yàn)椤芭c眾不同”而容易被快速隔離。from sklearn.ensemble import IsolationForest # 假設(shè)我們針對(duì)所有重金屬濃度特征進(jìn)行檢測(cè) X df[heavy_metal_cols].fillna(df[heavy_metal_cols].median()) # 用中位數(shù)填充缺失值 # 初始化并訓(xùn)練孤立森林模型 # contamination參數(shù)估計(jì)異常值比例可根據(jù)箱線圖結(jié)果大致設(shè)定 iso_forest IsolationForest(contamination0.05, random_state42) outlier_labels iso_forest.fit_predict(X) # 標(biāo)記異常值-1表示異常 df[iso_forest_outlier] outlier_labels outlier_count (df[iso_forest_outlier] -1).sum() print(f\n孤立森林檢測(cè)出的異常樣本數(shù){outlier_count})孤立森林能捕捉多維異常但解釋性稍差。在數(shù)學(xué)建模中可以作為輔助驗(yàn)證手段不建議作為主要判定依據(jù)因?yàn)檎撐闹行枰逦山忉尩拈撝怠?. 異常值診斷與處理策略制定檢測(cè)出的“嫌疑點(diǎn)”名單有了現(xiàn)在進(jìn)入關(guān)鍵的診斷與決策階段。這一步需要結(jié)合題目背景知識(shí)。5.1 診斷它是“錯(cuò)誤”還是“特征”以2011年A題為例我們需要查閱《土壤環(huán)境質(zhì)量 農(nóng)用地土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)試行》GB 15618-2018等資料了解各重金屬的背景值范圍和風(fēng)險(xiǎn)篩選值。例如某區(qū)域土壤砷的背景值可能在5-15 mg/kg如果檢測(cè)到一個(gè)200 mg/kg的點(diǎn)它很可能是一個(gè)真實(shí)的高污染點(diǎn)特征而非錯(cuò)誤。反之一個(gè)-1 mg/kg的值顯然是錯(cuò)誤。診斷流程對(duì)照物理/化學(xué)極限濃度不能為負(fù)通常有檢測(cè)下限。負(fù)值和低于檢測(cè)下限的異常低值可初步判定為錯(cuò)誤。對(duì)照背景值或標(biāo)準(zhǔn)值查閱文獻(xiàn)或國(guó)家標(biāo)準(zhǔn)了解該區(qū)域該元素的正常范圍。遠(yuǎn)超正常范圍上限的可能是污染點(diǎn)遠(yuǎn)低于下限的可能是分析誤差或特殊地質(zhì)背景??臻g關(guān)聯(lián)分析在地圖上標(biāo)出異常點(diǎn)。如果高值點(diǎn)聚集在工業(yè)區(qū)、交通干線附近則很可能是真實(shí)污染如果孤立且遠(yuǎn)離任何潛在源則錯(cuò)誤可能性增大。元素比值分析某些重金屬之間存在穩(wěn)定的地球化學(xué)比值。計(jì)算異常點(diǎn)的元素比值如Pb/Zn Cu/Ni看是否偏離區(qū)域背景比值輔助判斷。# 示例結(jié)合空間位置分析異常值 # 假設(shè)df中有X, Y坐標(biāo)列 as_outliers, _, _ detect_outliers_iqr(df, As) plt.figure(figsize(10, 8)) # 繪制所有采樣點(diǎn) plt.scatter(df[X], df[Y], cblue, alpha0.5, label正常點(diǎn), s20) # 高亮標(biāo)注As異常點(diǎn) plt.scatter(as_outliers[X], as_outliers[Y], cred, marker^, s100, labelAs異常點(diǎn) (IQR法)) plt.xlabel(X坐標(biāo)) plt.ylabel(Y坐標(biāo)) plt.title(As濃度異常點(diǎn)空間分布) plt.legend() plt.grid(True, alpha0.3) plt.tight_layout() plt.show()5.2 處理策略選擇根據(jù)診斷結(jié)果選擇處理方式診斷結(jié)果可能原因推薦處理策略Python實(shí)現(xiàn)思路明顯錯(cuò)誤錄入錯(cuò)誤、儀器故障、負(fù)值、低于檢測(cè)限的零值刪除或修正直接刪除行或用np.nan標(biāo)記后插補(bǔ)真實(shí)異常污染點(diǎn)局部強(qiáng)污染源保留但單獨(dú)分析保留數(shù)據(jù)在后續(xù)建模中可作為重點(diǎn)研究對(duì)象或使用穩(wěn)健統(tǒng)計(jì)方法如中位數(shù)真實(shí)異常自然極端數(shù)據(jù)本身重尾分布保留或穩(wěn)健處理使用對(duì)數(shù)變換、Box-Cox變換使數(shù)據(jù)更接近正態(tài)或使用非參數(shù)方法不確定信息不足無(wú)法判斷多重插補(bǔ)或標(biāo)記用多重插補(bǔ)法生成多個(gè)可能值或創(chuàng)建布爾列標(biāo)記為“可疑點(diǎn)”在數(shù)學(xué)建模中的建議對(duì)于明顯錯(cuò)誤在論文中明確說(shuō)明“我們發(fā)現(xiàn)了N個(gè)負(fù)值/零值數(shù)據(jù)點(diǎn)這些在物理意義上不可能判定為錄入錯(cuò)誤予以刪除?!睂?duì)于疑似真實(shí)高值不要輕易刪除可以這樣處理“識(shí)別出M個(gè)顯著高于背景值的采樣點(diǎn)如As X mg/kg。經(jīng)查這些點(diǎn)均位于歷史工業(yè)區(qū)附近我們認(rèn)為是真實(shí)污染予以保留。在后續(xù)空間插值時(shí)我們采用了穩(wěn)健的克里金方法以降低這些極端值對(duì)整體插值面的過(guò)度影響?!狈€(wěn)健性處理在計(jì)算區(qū)域平均濃度、進(jìn)行相關(guān)性分析時(shí)使用中位數(shù)和Spearman秩相關(guān)代替均值和Pearson相關(guān)它們對(duì)異常值不敏感。6. 異常值處理實(shí)操Python代碼實(shí)現(xiàn)現(xiàn)在我們將診斷決策轉(zhuǎn)化為具體的Python操作。假設(shè)我們對(duì)As列的診斷結(jié)果是負(fù)值均為錯(cuò)誤予以刪除部分極高值 Q3 3IQR為真實(shí)污染保留但標(biāo)記其他IQR法檢測(cè)出的高值用中位數(shù)插補(bǔ)。6.1 處理明顯錯(cuò)誤如負(fù)值# 記錄原始數(shù)據(jù)形狀 original_shape df.shape print(f原始數(shù)據(jù)形狀{original_shape}) # 1. 處理負(fù)值直接刪除或設(shè)為NaN # 假設(shè)我們判定所有負(fù)值為錯(cuò)誤 for col in heavy_metal_cols: # 首先查看負(fù)值情況 neg_mask df[col] 0 if neg_mask.any(): print(f在 {col} 列中發(fā)現(xiàn) {neg_mask.sum()} 個(gè)負(fù)值正在刪除對(duì)應(yīng)行...) # 刪除任何重金屬濃度為負(fù)的整行數(shù)據(jù)因?yàn)橐粋€(gè)點(diǎn)采樣所有元素?cái)?shù)據(jù)應(yīng)同進(jìn)退 df df[~neg_mask] print(f刪除負(fù)值后數(shù)據(jù)形狀{df.shape}) print(f共刪除 {original_shape[0] - df.shape[0]} 行。)6.2 處理疑似異常高值分情況處理# 2. 識(shí)別并分情況處理高異常值 # 2.1 使用更嚴(yán)格的IQR邊界如3倍IQR識(shí)別“極端高值”我們認(rèn)為是真實(shí)污染保留但標(biāo)記。 def get_extreme_high_outliers(df, column, iqr_multiplier3): Q1 df[column].quantile(0.25) Q3 df[column].quantile(0.75) IQR Q3 - Q1 upper_bound_extreme Q3 iqr_multiplier * IQR extreme_outliers df[df[column] upper_bound_extreme] return extreme_outliers, upper_bound_extreme # 以As為例 as_extreme, as_extreme_bound get_extreme_high_outliers(df, As, iqr_multiplier3) print(f\nAs濃度極端高值 Q33IQR {as_extreme_bound:.2f}數(shù)量{len(as_extreme)}) print(這些點(diǎn)將被保留并標(biāo)記為‘真實(shí)污染點(diǎn)’。) # 在數(shù)據(jù)框中添加標(biāo)記列 df[As_extreme_high] df[As] as_extreme_bound # 2.2 對(duì)于普通高異常值Q31.5IQR value Q33IQR我們認(rèn)為是可能的誤差或輕度異常用中位數(shù)插補(bǔ)。 as_normal_outliers, low_bound, up_bound detect_outliers_iqr(df, As]) # 1.5IQR邊界 # 注意這里的as_normal_outliers包含了極端高值我們需要排除它們 as_normal_outliers as_normal_outliers[~as_normal_outliers[As_extreme_high]] if not as_normal_outliers.empty: print(f\nAs濃度普通高異常值1.5IQR value 3IQR數(shù)量{len(as_normal_outliers)}) print(這些點(diǎn)將用該列中位數(shù)進(jìn)行插補(bǔ)。) # 計(jì)算中位數(shù)排除極端高值避免被它們拉高 median_as df.loc[~df[As_extreme_high], As].median() # 記錄原始值便于追溯 df[As_original] df[As].copy() # 進(jìn)行插補(bǔ) df.loc[as_normal_outliers.index, As] median_as print(f用于插補(bǔ)的中位數(shù)為{median_as:.4f}) else: print(\n未發(fā)現(xiàn)需要插補(bǔ)的普通高異常值。)6.3 處理其他元素的異常值我們可以將上述邏輯封裝成函數(shù)批量處理所有重金屬列。def process_column_outliers(df, column_name, extreme_multiplier3, normal_multiplier1.5): 處理單列異常值 1. 負(fù)值已在前一步刪除此處不考慮。 2. 識(shí)別極端高值 Q3extreme_multiplier*IQR保留并標(biāo)記。 3. 識(shí)別普通高異常值Q3normal_multiplier*IQR value Q3extreme_multiplier*IQR用中位數(shù)插補(bǔ)。 # 創(chuàng)建標(biāo)記列 extreme_flag_col f{column_name}_extreme_high original_col f{column_name}_original # 計(jì)算邊界 Q1 df[column_name].quantile(0.25) Q3 df[column_name].quantile(0.75) IQR Q3 - Q1 upper_bound_extreme Q3 extreme_multiplier * IQR upper_bound_normal Q3 normal_multiplier * IQR # 標(biāo)記極端高值 df[extreme_flag_col] df[column_name] upper_bound_extreme # 識(shí)別普通高異常值在正常邊界和極端邊界之間且未被標(biāo)記為極端 normal_high_mask (df[column_name] upper_bound_normal) (df[column_name] upper_bound_extreme) (~df[extreme_flag_col]) # 保存原始值 if original_col not in df.columns: df[original_col] df[column_name] # 插補(bǔ)普通高異常值 if normal_high_mask.any(): # 使用非極端值的中位數(shù)進(jìn)行插補(bǔ) median_val df.loc[~df[extreme_flag_col], column_name].median() df.loc[normal_high_mask, column_name] median_val print(f {column_name}: 插補(bǔ)了 {normal_high_mask.sum()} 個(gè)普通高異常值使用中位數(shù) {median_val:.4f}) else: print(f {column_name}: 無(wú)普通高異常值需插補(bǔ)。) # 返回極端高值數(shù)量和信息 extreme_count df[extreme_flag_col].sum() return extreme_count, upper_bound_extreme print(\n--- 開(kāi)始批量處理各重金屬列 ---) for col in heavy_metal_cols: if col in df.columns: # 確保列還存在未被刪除 extreme_cnt, bound process_column_outliers(df, col, extreme_multiplier3, normal_multiplier1.5) print(f {col}: 保留了 {extreme_cnt} 個(gè)極端高值 {bound:.2f}視為潛在污染點(diǎn)。)6.4 處理后的數(shù)據(jù)驗(yàn)證與保存處理完成后務(wù)必驗(yàn)證數(shù)據(jù)質(zhì)量并保存清洗后的數(shù)據(jù)。# 驗(yàn)證再次繪制箱線圖觀察異常值處理效果 plt.figure(figsize(14, 8)) df[heavy_metal_cols].boxplot() plt.title(異常值處理后重金屬濃度箱線圖) plt.ylabel(濃度 (mg/kg)) plt.xticks(rotation45) plt.tight_layout() plt.show() # 查看處理摘要 print(\n 數(shù)據(jù)處理摘要 ) print(f最終數(shù)據(jù)形狀{df.shape}) print(\n各列極端高值真實(shí)污染點(diǎn)數(shù)量) extreme_cols [col for col in df.columns if _extreme_high in col] for col in extreme_cols: metal col.replace(_extreme_high, ) count df[col].sum() print(f {metal}: {count}) # 保存清洗后的數(shù)據(jù) output_file soil_heavy_metal_cleaned.csv df.to_csv(output_file, indexFalse) print(f\n清洗后的數(shù)據(jù)已保存至{output_file})7. 高級(jí)話題與常見(jiàn)問(wèn)題排查在實(shí)際操作中你肯定會(huì)遇到比教程更復(fù)雜的情況。下面分享一些進(jìn)階技巧和踩坑經(jīng)驗(yàn)。7.1 缺失值、異常值與插補(bǔ)的協(xié)同處理很多時(shí)候數(shù)據(jù)集中同時(shí)存在缺失值NaN和異常值。處理順序很重要。我推薦的流程是標(biāo)記異常值先用IQR或業(yè)務(wù)規(guī)則找出異常值但不急于修改或刪除只是新增一個(gè)布爾列進(jìn)行標(biāo)記。處理缺失值對(duì)缺失值進(jìn)行插補(bǔ)。關(guān)鍵點(diǎn)插補(bǔ)時(shí)應(yīng)排除那些被標(biāo)記為異常值的樣本避免用異常值去影響插補(bǔ)模型。例如用KNN插補(bǔ)時(shí)特征矩陣中不應(yīng)包含異常值樣本。處理異常值根據(jù)診斷對(duì)標(biāo)記的異常值進(jìn)行刪除、修正或保留操作。# 示例在插補(bǔ)缺失值時(shí)排除異常值 from sklearn.impute import KNNImputer # 假設(shè)我們已經(jīng)有了‘As_is_extreme’標(biāo)記列 # 1. 創(chuàng)建用于插補(bǔ)的數(shù)據(jù)副本并將極端異常值暫時(shí)設(shè)為NaN不參與建模 df_for_impute df[heavy_metal_cols].copy() for col in heavy_metal_cols: extreme_flag f{col}_extreme_high if extreme_flag in df.columns: df_for_impute.loc[df[extreme_flag], col] np.nan # 2. 使用KNN插補(bǔ)缺失值現(xiàn)在包括原始的缺失值和被我們暫時(shí)設(shè)為NaN的異常值位置 imputer KNNImputer(n_neighbors5) df_imputed_array imputer.fit_transform(df_for_impute) df_imputed pd.DataFrame(df_imputed_array, columnsheavy_metal_cols, indexdf.index) # 3. 將插補(bǔ)后的值填回原數(shù)據(jù)集僅填充原為NaN或我們暫時(shí)設(shè)為NaN的位置 for col in heavy_metal_cols: mask_original_missing df[col].isna() mask_extreme_set_nan df_for_impute[col].isna() ~mask_original_missing fill_mask mask_original_missing | mask_extreme_set_nan df.loc[fill_mask, col] df_imputed.loc[fill_mask, col]7.2 基于業(yè)務(wù)規(guī)則的定制化檢測(cè)統(tǒng)計(jì)方法有其局限性必須結(jié)合領(lǐng)域知識(shí)。例如在環(huán)境領(lǐng)域常用“背景值幾何標(biāo)準(zhǔn)差”的方法。def detect_outliers_geometric(df, column, log_base10, n_std2): 基于對(duì)數(shù)正態(tài)分布假設(shè)的異常值檢測(cè)。 適用于濃度等通常呈對(duì)數(shù)正態(tài)分布的環(huán)境數(shù)據(jù)。 # 取對(duì)數(shù)處理前確保沒(méi)有0或負(fù)值 data_log np.log10(df[column].clip(lower1e-10)) # clip避免0 geometric_mean np.power(10, data_log.mean()) geometric_std np.power(10, data_log.std()) lower_bound geometric_mean / (geometric_std ** n_std) upper_bound geometric_mean * (geometric_std ** n_std) outliers df[(df[column] lower_bound) | (df[column] upper_bound)] return outliers, lower_bound, upper_bound # 使用示例 as_outliers_geo, low_geo, up_geo detect_outliers_geometric(df, As, n_std2) print(f幾何法檢測(cè)2倍幾何標(biāo)準(zhǔn)差邊界[{low_geo:.2f}, {up_geo:.2f}]) print(f異常值數(shù)量{len(as_outliers_geo)})7.3 常見(jiàn)問(wèn)題與排查技巧實(shí)錄問(wèn)題1處理后的數(shù)據(jù)分布嚴(yán)重變形現(xiàn)象箱線圖顯示數(shù)據(jù)被“壓扁”在一個(gè)很窄的范圍內(nèi)失去了變異信息。原因可能過(guò)于激進(jìn)地刪除了大量“異常值”或者用中位數(shù)/均值插補(bǔ)了太多點(diǎn)。排查檢查異常值檢測(cè)的閾值是否過(guò)嚴(yán)如用了2σ而非3σ?;仡櫾\斷步驟確認(rèn)被處理的是否大部分是“真實(shí)錯(cuò)誤”而非“真實(shí)特征”。解決放寬閾值或?qū)Α耙伤普鎸?shí)異?!辈捎酶J氐奶幚矸绞饺鏦insorizing縮尾法僅將極端值替換為指定分位數(shù)而非全部替換為中位數(shù)。def winsorize_column(series, limits(0.05, 0.05)): 縮尾處理將兩端極端值替換為指定分位數(shù) from scipy.stats.mstats import winsorize # limits(0.05, 0.05) 表示將最低5%和最高5%的值縮尾 winsorized_data winsorize(series, limitslimits) return pd.Series(winsorized_data, indexseries.index) # 對(duì)As列進(jìn)行5%縮尾處理 df[As_winsorized] winsorize_column(df[As], limits(0.05, 0.05))問(wèn)題2多變量異常檢測(cè)結(jié)果與單變量不一致現(xiàn)象用孤立森林找出的異常點(diǎn)在單個(gè)變量的箱線圖上看起來(lái)并不極端。原因該樣本在所有單變量維度上都正常但多個(gè)變量的組合關(guān)系異常例如Cd濃度中等Pb濃度中等但兩者的比值異常高。排查檢查這些樣本在多維散點(diǎn)圖或降維圖如PCA得分圖上的位置。解決這類(lèi)異常點(diǎn)可能揭示了特殊污染類(lèi)型或數(shù)據(jù)質(zhì)量問(wèn)題需要結(jié)合空間位置和背景知識(shí)深入分析不能簡(jiǎn)單忽略。問(wèn)題3處理后后續(xù)建模如克里金插值在異常點(diǎn)位置出現(xiàn)“空洞”或“尖峰”現(xiàn)象刪除異常點(diǎn)后插值圖在該區(qū)域出現(xiàn)空白保留極端高值則產(chǎn)生不合理的“污染島”。原因空間插值方法對(duì)數(shù)據(jù)密度和極值敏感。解決對(duì)于刪除的點(diǎn)考慮使用考慮變量相關(guān)性的多重插補(bǔ)方法在刪除點(diǎn)位置生成合理的估計(jì)值再參與插值。對(duì)于保留的極端點(diǎn)在插值時(shí)使用穩(wěn)健變異函數(shù)Robust Variogram估計(jì)它受極端值影響小?;蛘咴诓逯登皩?duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)轉(zhuǎn)換以緩和極端值的影響。# 使用Ordinary Kriging插值前進(jìn)行對(duì)數(shù)轉(zhuǎn)換 df[As_log] np.log1p(df[As]) # log1p log(1x)避免x0的問(wèn)題 # 或者使用穩(wěn)健變異函數(shù)需要專(zhuān)業(yè)地統(tǒng)計(jì)學(xué)庫(kù)如pykrige或gstools # 這里以概念為例問(wèn)題4自動(dòng)化腳本在處理新數(shù)據(jù)集時(shí)效果不佳現(xiàn)象為2011年數(shù)據(jù)寫(xiě)的處理流程用在2012年數(shù)據(jù)上要么漏掉很多異常值要么把正常值誤殺了。原因不同數(shù)據(jù)集的數(shù)據(jù)分布、量級(jí)、背景值可能不同。硬編碼的閾值如固定倍數(shù)IQR不具備普適性。解決將閾值參數(shù)化并編寫(xiě)一個(gè)數(shù)據(jù)質(zhì)量報(bào)告生成函數(shù)在新數(shù)據(jù)上先運(yùn)行報(bào)告人工審查建議的閾值再進(jìn)行調(diào)整。def generate_data_quality_report(df, numeric_cols): 生成數(shù)據(jù)質(zhì)量報(bào)告輔助設(shè)定閾值 report {} for col in numeric_cols: desc df[col].describe(percentiles[.01, .05, .25, .5, .75, .95, .99]) Q1, Q3 desc[25%], desc[75%] IQR Q3 - Q1 report[col] { mean: desc[mean], std: desc[std], min: desc[min], 1%: desc[1%], 5%: desc[5%], median: desc[50%], 95%: desc[95%], 99%: desc[99%], max: desc[max], IQR: IQR, 建議箱線圖法上限 (Q31.5IQR): Q3 1.5 * IQR, 建議箱線圖法下限 (Q1-1.5IQR): Q1 - 1.5 * IQR, 偏度: df[col].skew(), 峰度: df[col].kurtosis() } report_df pd.DataFrame(report).T return report_df # 生成報(bào)告 quality_report generate_data_quality_report(df, heavy_metal_cols) print(quality_report[[min, 1%, 建議箱線圖法下限, median, 建議箱線圖法上限, 99%, max, 偏度]])這份報(bào)告能幫你快速了解每個(gè)變量的分布特別是“偏度”指標(biāo)。如果偏度遠(yuǎn)大于0右偏那么基于均值的標(biāo)準(zhǔn)差法就可能不適用報(bào)告中的百分位數(shù)1% 99%和箱線圖法建議邊界能給你更合理的調(diào)整起點(diǎn)。數(shù)據(jù)處理尤其是異常值處理從來(lái)不是一道有標(biāo)準(zhǔn)答案的數(shù)學(xué)題。它混合了統(tǒng)計(jì)學(xué)、領(lǐng)域知識(shí)和實(shí)際經(jīng)驗(yàn)。在數(shù)學(xué)建模中清晰記錄你的處理流程、每一步的理由以及參數(shù)選擇的依據(jù)比追求一個(gè)“完美”的結(jié)果更重要。因?yàn)樵u(píng)審專(zhuān)家看的正是你面對(duì)真實(shí)、混亂數(shù)據(jù)時(shí)所展現(xiàn)出的科學(xué)決策能力和嚴(yán)謹(jǐn)態(tài)度。希望這篇長(zhǎng)文能為你提供一套可復(fù)現(xiàn)、可解釋的方法論工具箱。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
丁香婷婷情色五月天| 久久九九一區| 天天草天天摸| 97久久视频| 色色色com| 日韩一66精品| 婷婷五月另类网站| 这里只精品热在线18| 9+1视频网址| 色色色天堂网| 中文字幕综合网| 亚洲国产婷婷色五月| 97色碰| 激情婷婷五月天伊人在线观看 | 99久久婷婷五月天| 婷婷五月天久久综合88| 激情五月激情综合网| 伊人婷婷色激情丁香| 五月天激情亚洲| 91热爆在线| 亚洲综合在线伊人婷| 色婷五月| 成人电影丁香六月天| 性爱网六月丁香| 色综合色五月| 五月婷婷亞洲中文| se婷97| 五月天婷婷综合免费| 97人人操人| 九九干视频| 99久久.www| 欧美在线视频免费播放| 成人婷婷五月天| 美欧成人视频| 激情婷婷丁香色情五月天| 久久久色情| 91色色色| 色婷丁香五月| 国产性爱在线| 久久激情五月天| 色色色香蕉五月婷| 色婷五月天| 天天日日人| 精品一区二区三区免费毛片爱| 涩五月色婷婷| 乱女乱妇熟女熟妇综合网站| 四射综合网| 五月天婷婷在线AN| 激情丁香五月婷婷啪啪| 丁香婷最新动态| 91婷婷视频| 色婷婷精品视频| 五月激情天| 伊人婷婷青青cao| 色婷婷久久综合久色综| 国产中文亚洲欧美日韩性交| 天堂二区| 人妻久久久久久| 九九性视频| 99re66热这里只有精品| 一区二区三区四区牛| 91精品久久久久久77777| 一夜福利不卡| 婷婷丁香五月91| 国产日韩欧美| 久操福利| 久久色情综合免费网站| 就爱日五月天| 五月天伊人| 色婷婷丁香AV综合| site:xmssd.com| 99资源人人| 中文字幕日产A片在线看| 亚洲日韩26uuu| www.日本91| 五月丁香婷婷综合久久| 国av网| 丁香五月天激情视频| 色吧五月婷婷| 午夜激情五月| 人人摸人人射| 丁香午月AV中文字幕| 色色色色色色色色色色色色色色,网站| 激情综合五| 五月天综合影院| 色婷婷五月天av在线| 热婷婷在线视频| 婷婷五月天综合久久| 天天狠天天叉| 色婷婷婷婷| 99九九中文字幕视频| 超碰碰碰碰| 97热精品| 色色色色色色色色色色色色色97| 国产九九一区二区三区| 碰97 久| 欧美婷婷五月丁香| 99热这里只有精品99| 丁香六月婷婷综合麻豆| 97五月天婷婷午夜| 狼人久草| 久久婷婷91| 真实熟女-91九色| 成人无码精品1区2区3区免费看| 99爱精品| 操一操干一干| 丁香五月激情啪啪| 丁香婷婷成人在线播放| 丁香五月在线视频黑人| 天天摸夜夜爽天天做| 97资源碰碰| 日本99热| 青青草激情网| 色综合99| 五月激情在线| 欧洲精品爱爱| 色婷婷精| 久久久久久五月天| 久久婷婷国产| 婷婷成人五月天| 中美日韩成人在线| 欧洲一区二区| 97久久草草超级碰碰碰| 99在线免费视频| 国产99美少妇| 八戒青柠影视剧在线观看 | 五月丁香久久综合色| 综合99视频| 久艹大香蕉| 久久丁香五月| 天天操夜夜操| 色婷婷成人网| 99日在线视频| 99久久性爱| 大香网伊人久久综合| 超碰色色综合| 99操99| 久久总和99| 99在线观看视频| 日韩成人影片网站| 新激情婷婷| 影音先锋91网站在线观看| 开心五月婷婷| 亚洲AV成人无码精品| 秋霞av吧| 99超碰在线免费| 91窝窝| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品 | 人人摸人人操人人爽| AV成人在线播放| www91精品| 色原狠狠综合| 亚洲不卡| 亚洲色婷婷网站| 天天做天天爱天天爽夜夜揉| 天天天天天操| 久久伊人五月天| 色5月丁香婷婷| 欧美激情VA永久在线播放| 五月丁香六月激情综合| 狠狠干夜夜干| 日韩熟女啪啪视频| 色婷婷情片| 婷婷五月天AV| 色五月av| 久久综合五月天| 国产欧美日韩综合精品一区二区| 天天久久九九| 婷婷射图| 5月婷婷视频网站综合| AV美美午夜| 婷婷六月中文字幕| 五月丁香综合影院| 久久婷婷五月| 色色999三级片| 影音先锋 一区| 14色综合婷婷| 五月天婷婷色色| 久久性爱视频免费| 丁香五月婷婷激情中文| 日韩久久色| WWW.99热| 1024操逼| 色色色色色色色色色色色色色97| 午夜天堂一区人妻| 成人 在线观看国产| 91人无码久久久久久| 狠狠爱五月婷婷综合六月| 久久精品天| 情色婷婷五月天| xxxx五月激情| 直接看的AV网站| 五月丁香色婷婷色| 丁香六月啪啪| 91久久九色| 色5月婷婷色| 天天做综合| 亚洲色激情| 六月婷婷五月天| 91久久婷婷| 综合97五月| 色五月婷婷久久爱| 九九这里都是精品| 久久婷婷五月天| 天天综合天综合久久网| 五月天三级久久| 九九99在线观看视频| 亚洲综合新99视频| 九九无码| 国产看真人毛片爱做A片| 人人操碰| xxx日本东京热| 亚洲色婷婷| 99热日韩| 99啪| 97碰精品| 久久草中文日韩欧美| 五月天激情在线视频| 99ri精品视频在线观看| 天天天天天天天操| 人妻少妇色综合| 日韩成人AV在线| 色婷婷亚洲婷婷| 婷婷丁香五月天激情四射| 丁香五月手机视频| 天天插天天日天天爽| 久久婷婷六月综合综合色| 五月天播播| 成人.在线日韩| 亚洲无码yw| 激情五月综合六月丁香婷婷狠狠干| 丁香五月在线| 色婷婷六月| 欧美日本黄色| 99热这是里只有精品| 天天爱天天做天天操| 丁香五月激情综合| 五六月丁香激情视频| 开心激情网五月| 色五月五月婷婷| 国产毛片精品一区二区色欲黄A片| 色丁香五月| 91狠狠色丁香婷婷综合久久精品| 超碰色天堂| 亚洲人成网亚洲欧洲无码久久| 草综合14| 色综合五月| 九九九九九无码| 强伦轩人妻一区二区电影| 青青久在线视频免费观看| 欧美婷婷六月丁香综合色| 午夜丁香五月天综合| 伊人综合网站| 99r久久这里只有精品| 狼友视频在线观看18| 六月婷婷激情| 超碰操网| 五月婷婷综合网| 国产婷婷婷| 久久婷狠狠色| 天天日天天草| 99re6在线视频精品免费| 色婷婷99| 99无码视频| 99激情网| 亚洲黄色影视| 精热在线综合网| 爱操人妻| 久热9| 久九色| 亚洲欧美国产A片免费观看| 五月婷婷插一插| 青青草免费公开视频| 五月丁了香蕉综合| 亚洲精品V天堂中文字幕| 久久亚洲婷婷综合色五月| yellow视频在线观看91| 久久免费高| 久草网大香视频| 能看的av片| 天天日天天插| 性五月激情| 欧美日韩123| 欧美熟女视频 色婷婷| 五月色导航| 性做爰A片免费视频A片直播| 激情小说五月丁香在线视频观看视频| 激情婷婷丁香| 日日撸天天干| 91 久热| www.99情趣网| 六月丁香av| 天天干电影| 777久久精品| 嫩草AV久久伊人妇女超级A| 丁香六月婷婷综合网| 99精品国产乱码久久久人妻| 性日本精品| 婷婷香蕉视频| 99热这里全是精品| 婷婷五月色色| 99热免费在线| 色婷亚洲| 成年人丁香五月| 五月婷亚洲精品| 亚洲精品另类| 熟妇人妻中文字幕无码老熟妇| 那里有AV网址| 丁香婷婷五月色综合| 啄木鸟丝袜美女福利视频| 91精品综合久久久久久五月天| 天天日天天干天天操| 色婷婷久久综合久色综| 99久久99九九九99九他书对| 深爱婷婷网| 99碰在线视频| 丁香六月在线| 99色日本| 丁香花五月天激情| 大香蕉伊人久久| 女人天堂AV| 五月天婷婷开心| 伦乱人妻| 91久操| 久久免费操| 日韩久热| 激情五月激情综合俺也去婷婷小说| 激情五月婷婷五月| 91狠狠综合久久久| 精品色色| 亚洲、热| 综合精品99| 五月激情小说网| 亚洲AV无码影院| 丁香五月色欲| 1024AV视频| 久色网五月| 五月天a婷婷伊人| 五月色情婷婷开心五月色情| 99精品亚洲| 99热久久这里只有精品| 无码激情AAAAA片-区区| 1024操逼视频| 99性感视频| 操操人人| 丁香色婷婷色手机免费在线| 色五月涩涩婷婷| 99re热视频这里只有综合亚洲| 精品国产AV色一区二区深夜久久| 亚洲国产成人在线| 色五婷婷| 婷婷五月深深的爱| 婷婷九月在线| 激情久久久久| 97色婷婷| 这里只有精品免费观看网占| 26uuu丁香婷婷五月| 97碰碰在线观看视频| 色婷婷婷av| 国自产拍偷拍精品啪啪一区二区| 五月婷婷激情综合视频| 久久婷婷91| www.天天干| 99热20| 九色综合网| 色5月丁香婷婷| 婷婷久久五月| 婷婷五月天99综合网站| 亚洲va成人va成人va在线观看| 精品少妇蜜臀91| 久久多色| 久草热在线视频| 啪啪干伊人婷婷| 色五月婷婷久久大| 免费婷婷| 欧美色色色色色色| 五月色婷婷夜色| 人妻丰满精品一区二区A片| 天天骑天天操| 婷婷丁香五月综合激情小说| 久久婷婷操| 婷婷成人网五月天| 99热网站| 久久激情综合| wwW天天干| 拍真实国产伦偷精品| 色综合久久久久久久久五月| 免费婷婷| 91人人人人人| 婷婷色九月| 激情合网婷婷| 欧美丁香五月97色| 九九热这里只有精品9| 婷婷综合色五月天| 五月激情综合深爱| 99热日本| 狠狠色大香蕉| 超碰日韩成人| 99热老司机| 激情五月天色爱| 五月婷婷激情久久| 亚洲精品a成人在线播放| 亚洲精品在线视频| 另类图片五月天| ji'qi'luan'ren'lun| 另类激情五月| 丁香五月色情| 开心激情久久久久久久| 99热精国产这里只有精品| www.日日日.com| 天天色综合色色色色色。| 久操大香蕉| 人妻激情综合| 国产韩日亚洲美州欧亚综合在线| 欧美在线干| 激情九月婷婷| 婷婷五月激情四月综合| 草美女在线观看视频在线播放| 99这里只有精品视频免费| 大香蕉九九| 99视频久久| 色九九九九| 久久日韩婷婷五月| 欧美色久| 色婷婷视频| 妇激情基地| 久久五月网| 91人人操人人| 狠狠色婷婷7| 婷婷五月丁香综合激情小说| 五月丁六月香av| 欧美噜一噜| 色色色色色色97| 色偷偷狠狠| 桔色成人在线| 99精品国产在热久久| 婷婷五月天AV| 99亚洲无码| 五月天婷婷在线观看精品男人| 婷婷99视频精品| 婷婷五月激情基地| 精品国产一区二区三区四区阿崩 | 超碰人人在线| 久久狠婷婷| 色欧美一级| 99操逼| 国产中文字幕在线视频免费观看 | 成人深爱丁香五月| 亚洲久久婷婷| 噜噜在线| www.婷婷六月天| www久久久久久久久久久| 久久久久久久久久久-久五月天婷婷| 激情五月www| 日韩欧美四五区| 色播五月丁香| 91人人爽狠狠狠| 五月综合激情| 久久ri精品视频| 九九色之九九色88| 婷婷5月天av| 9999色色色色| 婷婷免费精品视频| 人人爽天天莫| 激情婷婷五月天| 五月天久久综合| 久久99大| 色9999日韩国产| 亚洲永久免费| 国产精品久久久爽爽爽麻豆色哟哟| 婷婷视频在线| 91操人| 91色在线 | 日韩| 不卡成人免费| 五月婷婷综合天天操| 日韩人妻白浆视频系列| www.狠狠| 99热久| 丁香六月婷婷开心| 91超碰在线观看| 色五月欧美| 五月天婷婷在看| 五月天开心成人网| 激情丁香婷婷五月天| 亚洲Va成人| 激情色色| 丁香五月大香蕉| AA片在线观看视频在线播放| 亚洲综合视频网| 丁香六月毛片| 九九热最新| 91avse| 99人人爽| 婷婷情色五月天| 欧美 日韩 成人 在线| 久久五月天婷婷视频| 碰97 久| 五月丁香偷拍| 99热这里是精品| 91色久| 久热99| 99热免费在线| 久热中文字幕在线线观看| 久机视频这只有精品| 成人片黄网站色大片免费毛片| 91操人| 爱射综合| 男人操女人高潮91视频| 五月婷婷av| 8050一级网| 国产精品人妻在线网址| 亚洲婷婷成人五月天| 欧美69久成人做爰视频| 狠狠爱综合| 欧美性生交XXXXX无码小说| 国产偷人爽久久久久久老妇APP| 日本精品人妻无码77777| 96自拍视频九色在线观看| 99热草草| 桃色激情五月天| 婷婷伊人综合中文字幕| 婷婷五月综合色中文字幕| 99性爱精品| 五月激情小说| 婷婷五月天国产| 五月丁香婷爱在线| 婷婷成人AV| 久久综合影院| 亚洲精品99| 欧美怡红院黄站| 婷婷久久婷婷色五月| 91激情五月开心| 五月天天堂久久| 久青青久| 丁香五月婷婷色播艳门照| 五月天播播| 丁香五月天堂网| 久久久大香蕉| 79色色免费| www.久久爱.com| 五月天激情综合在线| 91色久| 色婷婷丁香五月丁香| 五月天婷网| 婷婷成人五月天| 色日本五月天| 91热er| 五月婷婷色影院| 久re热视频| 丁香五月色| 丁香五月激情啪啪综合| 久久久精品人妻录| 熟女人妻一区二区三区免费看| 性爱网久久| 久久婷婷成人综合色怡春院| 他改变了拜占庭| 丁香五月手机在线| 亚洲婷婷五月天综合| 51国精产品自偷自偷综合| 影音先锋天天日| 婷婷五月影院| Va另类视频| 五月天全国最大成人网| 激情99热| 久久全意婷婷| 激情婷婷丁香五月天| 六月丁香婷婷亚洲中文玖玖| 五月天婷婷无码视频| 97人人超| 丁香五月激情综合在线观看| 99成人| 777.色色| 亚洲综合色成丁香五月色| 色噜综| 超级碰碰99| 色综合伊人网| 激情综合区| 大香蕉五月婷婷| 欧美日韩99| 超碰碰碰碰| 久久只这里有精品| 中文字幕在线不卡视频| 色播激情五月天| 亚洲无线视频| 亚洲va欧洲va国产va不卡| 色欲色天天香综合| 色色五月天丁香| 色婷婷AV久久| 激情欧美丁香五月| 免费视频在线观看的网站| 深爱激情六月天| 最熟少妇乱码| 丁香婷婷偷拍| 丁香六月婷婷久久综合| 日韩色色色色| 丁香五月香蕉在线| 99只有精品| 久久国产一区二区三区| 色婷婷在线播放| 婷婷婷婷婷婷婷五月丁香| 五月婷婷色色| 五月丁香少妇| 五月激情基地| 婷婷大香蕉| 欧美婷婷综合网| 天天久综合网永久入口18| 久久99久久99精品免观看粉嫩| 深爱丁香激情| 九九久久综合| 99黄色在线视频精品熟女| 色六月视频| 丁香六月激情| www.99视频| 天天日综合| 五月丁香久久丝袜啪啪| 天天狠狠六月婷丁香影院| 91精品又长又大又粗又爽又猛| 91丨九色丨国产打屁股| 亚洲女婷婷五月基地综合久久久 | 六月婷婷天天操夜夜爽视频| 99久久99视频只有精品| 精品久久人妻| 中日韩美欧成人一区二区精品在线 | 天堂色色色| www狠狠| 色一情一乱一伦一区二区三区| 开心五月综合激情网| 九九色热| 久久艹网| 99热.com| 丁香99| 丁香婷五月| 丁香六月婷婷| 快乐激情五月色婷婷| 超碰9| 成人资源在线| 婷婷婷婷婷开心无码播放| 五月天婷婷偷拍| 久久婷五月| 丁香五月影视| 久久性刺激| 少妇人妻偷人精品无码视频新浪| 五月天丁香综合久久国产| 五月丁香六月婷婷综合网| 久久这里只有精品无码| 99re热视频这里只精品| 丁婷婷五月天在线播放| 精品久久99| 色婷婷丁香女女| 亚洲色色图片| 97香蕉人人在线观看| 99精品成人无码A片观看金桔| 婷婷激情视频| 色婷婷久久综合中文久久一本| 丁香月五月天婷婷久久| 色五月婷婷狠狠撸| 爱99干99| 夜夜爽天天爽| 国产九九一区二区三区| 天天插天天干| 亚洲婷婷免费| 久99热在线观看| 婷婷五月综合中文字幕| www.人人操人人看人人想人人摸 人人人人操,COM | 色热久资源| 日本天天操| 色五月综合| 啪啪综合网| 99热超碰| 色综合综合色| 97av在线视频| 激情综合五月天| 99色最新在线视频| 97在线观看| 婷婷激情综合网| 精品久久穴| 五月婷婷激情综合拍| 丁香五月色激情| 99免费热视频在线| 在线观看996精品| 在线中文字幕av| 九九激情网| 色色五月婷| 呦呦v线| 99精在线| 99久操| 五月丁香综合啪啪| 日日操夜夜爽白洁| 久久人人做人人妻人人玩精品va| 99久久九九| 人人叉久| 五月婷婷激情综合| 99热这里只有精品21| 日本一级淫| 午夜丁香五月天综合| 影音先锋91资源站| 成人精品在线| site:picc-up.com| 91碰免费视频| 久久婷婷六月综合综合| 成人av免费观看| 香蕉AV福利精品导航| 五月婷婷五月天亚洲无码| 亚洲成人综合网在线免费观看| 五月天开心网| 婷婷丁五月| 国产精品第一国产精品| 婷婷十月激情综合网| 五月天婷婷色色网| 91超碰人人操| 欧美综合丁香网| 亚洲午夜国产成人电影VA国产欧…| 中文字幕 中文字幕明步| 五月丁香婷中文| 免费看欧美成人A片无码| 无码人妻一区二区三区免费九色| 激情伊人网| 开心激情五月天网| 色婷婷在线视频综合| 欧美婷婷精品激| 99热6这里只有精品| 丁香五月激情婷婷激情| 色射7856五月天激情四射| 成人综合视频在线| 狠狠人人| 欧美在线视频9| 深爱婷婷网| 色人妻五月| 天堂久久婷婷| 三人荫蒂添的好舒服A片 | www.99热在线观看| 性无码专区无码| 激情綜合W W W,激情五月天| 在线另类| 91fuliwang| 婷婷五月天com| 婷婷五月天精品| 99操视频| 日本成人噜噜噜| 五月婷婷高清| 99丝袜精品视频网站| 夜夜干 夜夜操| 五月丁香花婷婷玉莉AV| 午夜丁香| 丁香婷婷五月天成人| 9久热| 激情丁香五月婷婷啪啪| 超碰人妻在线| 91亚洲视频| 思思热视频| 九九热视| 婷婷在线观看五月天在线视频| 日韩AV在线电影| 五月综合视频| 色99视频| 日日干干天天干| 久久新地此| 国产99久久久国产精品免费看 | 狠狠干 狠狠操| 在线另类视频| 欧美A片在线视频免费观看| 成人在线日韩| 日本色狠狠| 狠狠色激情在线| 97五月久久丁香婷婷| 激情AV网| 色色网站| 看片视频在线免费日产在线看| 婷婷丁香午夜综合影视| 色五月天丁香婷婷| 久久曰9| 啊v视频在线观看| www.婷婷,com| 26UUU精品一区二区c〇m| 五月色网| 亚洲AV无码成人精品电影| 伊人综合网站| www99热| 可以直接看的av| 色九月激情综合网| 丁香综合婷婷开心激情网| www.com任你艹| 少妇AB又爽又紧无码网站| 色婷婷操逼| site:publishdd.com| 99热 这里只有精品 国产 日韩| 五月丁香综合网| 无码激情AAAAA片-区区| 九九九热精品| 开心婷婷中文字幕| 丁香五月综合网亚洲综合欧美狠狠| 玖月婷婷爱丁香| 六月丁香av| 玖玖热99| 色五月丁香91| 青青草国产亚洲精品久久| 色婷婷av在线观看| 欧美天堂久久| 99色视频在线| 五月婷婷久草在线视频综合| 狠狠婷婷爱| www.久久久.com| 日本久草福利| 人妻在线网站| 波多野结衣不卡AV| 96精品成人无码A片观看金桔| 久久这里只有精品热在99| 色哟哟精品| 六月婷婷综合| 久久只有18视频| 精品久久久久久久人妻| 色综合久久伊伊婷婷五月| 丁香五月天欧美成人| 91性高潮久久久久久久久| 色欲色香综合网站| 亚洲丁香婷婷| 欧美性生交A片免费看| 99在线精品观看99| 夜夜干 夜夜操| 99久久99九九99九九九| 五月丁香啪啪综合| 97热在线精品| 激情五月天天狠狠久久| 第四色五月天| 欧美色色色色色| 日本色色色| 五月丁香激情婷婷| 色噜噜婷婷| 欧美va亚洲va在线播放| 色色色在线播放| 新久久五月天激情| 天天色天天爽| 婷婷综合激情| 97人妻碰碰中文无码久热丝袜| 丁香五月婷婷偷拍| 激情爱爱网站超大免费| 综合性爱网| 任你擦免费视频| www.91婷婷| 五月婷啪啪| 97人人操人人| 99操免费视频| 全高清无码视頻| 日韩高清成人| 97在线视频人妻九色| www.五月婷婷| 91久热| 热的五码久久精品| 丁香五月天激情婷婷丁香六月| 五月天激情小说婷婷| 婷婷五月天伊人在线| 五月婷婷色播视频| 精品婷婷五月视| 婷婷免费精品视频| 亚洲五月天天| 五月天激情国产综合AV| 天天操天天日天天爽| 天天色天天爱天天爽| 五月天六月婷婷电影| 日操夜撸| A久久| 九九热99免费视频| a久久| 丁香五月香蕉| 丁香婷婷深情五月亚洲| 日日噜噜夜夜狠狠久久丁香五月| 五月婷婷综合激情| 婷婷色五月综合| 日本A片一区| 71在线精品视频一区| 在线另类视频| 狠狠操.com| 美女激情婷婷| 五月草视频| 欧美大道不卡| 六月激情婷婷| 中国女人内射6XXXXX| 天天干天天日蜜臀av| 操婷婷基地| 五月婷婷欧美| 天天操天天爽天天爱| 五月天激情视频网站| 久久hd| www.久久久久| 久久5 9视频免费观看| 97色操| 欧洲99视频在线| 亚洲十月婷婷综合| 久久这里都是精品| 日本精品99| 成人国产欧美大片一区| 韩国不卡AC视频| www狠狠爱com| 婷婷综合五月天| 青青热久久综合| 人妻精品久久久久久| 丁香六月天| 婷婷五月天网| 久久九九99视频| 99久久视频| 五月婷婷高清| 五月综合色播播丁香婷婷| 国产亚洲精品久久一区二区三区| 婷婷综合久久| 久久色六月| 六月色激情| 五月天婷婷一起草| 91精品国产综合久久密臀| 播五月,色五月,开心五月播放器| 大香蕉婷婷丁香天堂AV| 桃色五月天| 99久久偷拍视频| 久久人操| 亚洲中文乱字字幕线在永久| 五月天成人免费视频| 激情99| 亚洲欧美日韩另类| 五月丁香色色网| www.热99热| 久久久性爱视频| 超碰91在线| 97日本操| av在线观看免费| 丁香激激情网| 成人片在线播放| 九九9久九9国产视频| 久99久视频免费观看| 久久激情综合| 日本va欧美va国产激情| 五月婷色| 色婷婷91| 激情综合五月| 五月激情婷婷开心| 五月综合无码| 91jiuseshunv| 久热这里这里有精品| 思思99热| 亚洲精品国产熟女久久久| 色色狼人综合| 婷婷五月天偷拍| 26uuu成人网| 91九色超碰正在播放| 色婷婷五月天激情久久| 婷婷色情网| 日韩人妻AV在线| 婷婷中文字幕| 2025天天日爽| 极品人妻VIDEOSSS人妻| 99色婷婷视频| 日日操夜夜骑| 97色婷婷| 婷婷五月天成人网| 亚洲欧美一区二区三区爱爱动图 | Av在线不卡一区| 激情婷婷五月天伊人在线观看| 日日干日日| 日韩在线视频9色| 狠狠香婷婷五月| 五月天婷婷免费视频| 91综合视频丁香| 華人性愛AV在線| AV色婷婷| 超碰99热在线观看| 另类图片 五月激情| 99热这里只有精品2| 欧美性交一区二区三区| 婷婷爱婷婷| 色99视频| 色欲av伊人久久大香线蕉影院 | 国产欧美精品AAAAAA片| 色色日韩网| 日本色久| 墨西哥毛片内射精| 伊人五月网| 婷婷丁香五月综合| 色综合久久44| 婷婷四色成人综合色视| 国产美女无遮挡裸体毛片A片| 色婷婷丁香| 精品色色| 色婷婷亚洲综合av| 天天射天天射一道本日本社区 | 综合色五月天| 色色九区| 欧美美美女性色视频| 国产亚洲精品久久久久久久久动漫| 99re在线视频精品,这里只有精品18,| 9月色婷婷| 大香蕉久久久久久久久| 色爱终和网| 逼特逼在线免费播放| 久久五月天激情婷婷| 亚洲热综合| 婷婷 伊人 久久| 草综合14| 婷婷久久在线| 六月丁香婷婷五月| 婷婷在线日韩综合| 久热视频这里只有精品68| 亚洲综合色网| 婷婷五月天视| 深爱婷婷网| 思思99热这里只有精品| 九九热九九| www九九热| 玖热精品综合视频| 九九Av| 婷婷99狠狠躁天天| 丁香五月社区| 97干在线观看| 五月婷婷色| 九九精品亚洲| 五月丁香在线观看| 久久日韩婷婷五月| 99精品热| www,超碰| 久热这里只有| 99人人操人人操人人精| 色五月偷偷| 精典久久| 色婷婷88| 亚洲最大在线| 五月丁香婷婷色| 99色综合| 91Chinese在线| 五月丁香啪啪啪免费看| 成人电影一区| 日日夜夜青青草| 亚洲A片成人无码久久精品青桔| 久久综合网免费视频| 欧美成人精品三区综合A片| 五月亚洲激情| 国产特级毛片AAAAAAA高清| av 一区三区四区| 97久久久| 啪啪干伊人婷婷| 伊人香大香蕉视频| 色在线视频网2025| 成人精品网站在线观看| 久久这里有精品| 在线天堂9| 久久久婷婷| 五月色亭丁香| 禁欲电影完整版在线播放| 丁香五月AV综合激情| 超碰天堂网| 99热这里只有精彩| 色色色五月婷| 亚洲综合色婷婷| 久久机热这里只有精品免费视频| 亚洲另类在线观看| 婷婷激情综合无月| 五月天婷久久| 久久久精品人妻录| www,超碰| 色九九综合| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 日本一区二区三区精品视频| 久久免费精彩视频| 96丁香六月婷婷蜜桃综合久久| 91狠狠综合久久久| 色婷婷五月基地在线| 碰99在线| 99色视频| 99日韩| 国产精品久久久久久久久久 | 精品一区二区三区木瓜| 五月天婷婷网站| 激情五月天开心| 国产韩日亚洲美州欧亚综合在线| 天天干,夜夜爽| 五月丁香色狠狠干大屄| 九 九九九AV| 狠狠色狠狠| 99久热这里有精品| 丁香六月在线综合| 夜夜躁爽日日| 五月天激情小说| 亚洲V国产V欧美V久久久久久| 伊人啪啪网| 色婷久久| 国产AV一区二区三区最新精品 | 九月色婷婷婷| 99激情视频| 九九日本视频| 人人操人人妻| 黄网在线观看免费| 欧美激情五月天婷婷| 色婷婷小视频| 99碰碰视频| 色另类五月天| 婷婷五月六月丁香| 亚洲五月婷| 思思re视频在线| 99日逼视频| 99视频内射三四| 婷婷丁香五月在线播放| 欧美色色色| 日本女色人人| 色婷婷五月色| 欧美成人网婷婷综合在线| 丁香综合久久| 午夜丁香| 婷婷五月丁香五月综合网| 99啪啪视频| 新激情五月天| 超碰超碰在线| 激情久久天天| 久久婷丁香五月| 超碰日韩成人| 97碰碰在线观看视频| 狠狠久久婷五月综合色| 激情宗合 激情宗合| 日本色婷婷| 五月天激情久久| 99热99思午夜精品| WWW、日本色丁香、co m| 天天爽天天日| 97 A I色色| 国产真实乱对白精彩| 国产免费AV网站| 操逼视频一区| 狠狠久综合| 婷婷色五月丁香六月欧美啪| 天天综合区| 五月四色婷婷| 超碰在线观看三级片| 26UUU在线观看| 99ER热精品视频| 五月天亚洲最大成人| 欧美在线视频99| 激情婷婷内射| 天天干天天日天天操| 7月婷婷六月丁香| 久久综合人妻| a在线观看| 91狠狠综合久久| 婷婷综合网站| 日韩无码成人电影| 99婷婷| 天天操综合网| 色婷婷狠狠爱| 久久性爱视频网站| 樱花99视频| 大地资源色婷婷视频在线| 99热精品网| 在线综合亚洲欧美65| 99热一区| 五月丁香偷拍| 亚洲精品性色| 播五月婷婷开心| 97超级碰碰碰| 狠狠一日| 婷婷五月天激情四射| 美女网黄| 天天视频亚洲| 色色影院黄大片| 天天插天天插天天日| 六月丁香婷婷色狠狠久久| 色色色色色色综合网| 五月婷六月| 啪到高潮激情丁香五月| 亚洲丁香五月深爱五月| 99在线精品视频| 综合精品啪啪| 激情图片亚洲| 五月丁香六月婷婷综合网| 超碰在线91| 久久综合影院| 色色色激情网| 久久丁香五月天| 大香蕉伊人99| 五月天久久91| 九九久久五月天综合伊人| 五月婷婷六月丁香激情深爱| 国产操B视频| 五月停亭久久电影| 大伊香蕉精品视频在线| 可以免费观看的AV| 久久九九爽| 五月天色不卡| 亚洲成人黄色网| 69激情小说| 激情com| 91性高潮久久久久久久久| 成人资源在线| 亚洲av综合网| 丁香五月之久操视频| 九热视频免费观看| 海外网站专业操老外| 激情综合5月| 99热在线成人网站| 99这里只有精品|v| 黄网在线免费| 五月丁香激情四射综合| 97人人草| 婷婷久久色| 五月婷婷av| 能看的AV| 久久九九免费视频| 亚洲综合激情五月久久| 婷婷在线网| 99爱视频免费| 色色无码日韩| 婷婷丁香五月在线观看91| 五月天婷a| 99视频35精品视频在线观看| 亚洲乱码日产精品BD| 六月激情婷婷| 五月婷婷深爱六月| 色婷綜合网| 高清无码一区二区三区四区| 噜噜噜噜噜日本视频| 久热精品视频在线观| 久久99久久99精品免视看婷婷| 免费观看亚洲AV片| 91精品人妻少妇无码影院| 激情五月天的婷婷| 九月综合| 久热99热| 欧美在线视频免费播放| 超碰资源在线| 久99综合婷婷| 青青草tp| 91人人操.COM| 二色AV| 色一情一乱一乱一区9| 九九碰九九爱97超碰| tingtingzonghewang| 伊人色综合影院视频| 五月久久丁香| 五月天婷婷影院| 伊人丁香婷婷东京| 亚洲视频二区| 亚洲人成网站999综合| 久操福利| 五月天久久丁香| 欧美五月丁香在线| 色五月欧美| 极品少妇XXXX精品少妇偷拍| 九热精品| 天天爽天天做| 另类图片激情五月天| www.99免费视频| 国产精品天天狠天天看| 五月丁香福利| 丁香五月婷久久| 深爱五月婷婷开心中文字幕| 大香蕉七区| 婷婷五月丁香青青草在线| 人人草人人爱| 五月精品| 五月丁香狠狠| 婷婷五月天Av| 欧美va视频| 韩国97天堂| 亚洲欧美在线观看| 99热这里只有精品66| 激情综合色婷婷啪啪六月天| 99精品爱| 欧洲精品欧洲情| 成人短视频在线| 色五月大| 国产AV一区二区三区日韩| 丁香六月色香蕉视频| 思思久久99热|