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)運營的一線實戰(zhàn)洞察。

Python Flask+Vue+隨機森林:醫(yī)療疾病數(shù)據(jù)分析大屏全棧實戰(zhàn)

Python Flask+Vue+隨機森林:醫(yī)療疾病數(shù)據(jù)分析大屏全棧實戰(zhàn) 簡介本資源是一套面向本科畢業(yè)設(shè)計與課程綜合實踐的醫(yī)療健康領(lǐng)域數(shù)據(jù)分析可視化系統(tǒng)聚焦疾病數(shù)據(jù)挖掘與大屏展示全流程適用于計算機、醫(yī)學(xué)信息工程等專業(yè)學(xué)生開展項目實戰(zhàn)與算法應(yīng)用學(xué)習(xí)。系統(tǒng)采用Flask構(gòu)建后端API服務(wù)Vue實現(xiàn)前端響應(yīng)式大屏集成requests網(wǎng)絡(luò)爬蟲自動采集疾病相關(guān)公開數(shù)據(jù)并基于隨機森林算法完成疾病風(fēng)險預(yù)測建模與特征重要性分析。壓縮包共67個文件含7個核心Python腳本含爬蟲、模型訓(xùn)練與接口邏輯、7個Vue組件文件、7個JavaScript交互模塊、5個JSON配置與數(shù)據(jù)文件、4個HTML頁面及配套SQL數(shù)據(jù)庫腳本、Word論文文檔、部署調(diào)試說明與3張運行效果截圖整體僅1.32MB結(jié)構(gòu)清晰、開箱即用。目前已有43人學(xué)習(xí)下載提供從數(shù)據(jù)獲取、清洗、建模到可視化落地的完整閉環(huán)方案特別適合需要快速驗證機器學(xué)習(xí)與前后端聯(lián)調(diào)能力的學(xué)習(xí)者。 這年頭的數(shù)據(jù)可視化項目單拿一個框架出來已經(jīng)不太能打了。真正能讓人眼前一亮的往往是那種“爬蟲把數(shù)據(jù)喂進來、算法把價值算出來、前端把結(jié)果擺上桌”的完整鏈路。這套基于Python Flask Vue 隨機森林 requests搭建的醫(yī)療疾病數(shù)據(jù)分析大屏系統(tǒng)就是把這幾塊硬生生串成了一條線。很多人看到“醫(yī)療疾病”四個字覺得門檻高其實拆開看核心就三件事數(shù)據(jù)從哪來、預(yù)測怎么做、大屏怎么畫。這篇文章我就按實際落地的順序把選型邏輯、爬蟲階段的限流排坑、隨機森林從訓(xùn)練到接口、前后端對接的隱藏問題全部攤開講適合正在做數(shù)據(jù)類項目作品、畢業(yè)設(shè)計或者想體驗一次全棧加機器學(xué)習(xí)全流程的開發(fā)者參考。1. 選型邏輯這套系統(tǒng)為什么鎖定FlaskVue隨機森林1.1 后端輕量化選型Python生態(tài)是出發(fā)點先說一個總原則當(dāng)一個項目里既有數(shù)據(jù)采集、又有機器學(xué)習(xí)、又有Web服務(wù)時語言統(tǒng)一帶來的收益遠超所有框架層面的微優(yōu)化。爬蟲用requests、數(shù)據(jù)處理用pandas、建模用scikit-learn這些全是Python生態(tài)的東西。如果后端再選Python整條數(shù)據(jù)管道可以用一套語言推理下來不用在語言切換中反復(fù)維護上下文??蚣軐用鍲lask、Django、FastAPI是這個生態(tài)里最常被比較的三個。從落地感受來看框架上手成本適合場景實際體驗Flask低輕量API、中小型數(shù)據(jù)服務(wù)、個人項目靈活不強制路由和藍圖結(jié)構(gòu)清晰快速出活Django中高大型業(yè)務(wù)系統(tǒng)、后臺管理復(fù)雜、需要內(nèi)置Admin自帶ORM/認證/Admin但項目啟動重對大屏項目來說大量能力用不上FastAPI中高并發(fā)API、需要自動生成OpenAPI文檔性能和文檔優(yōu)秀但周邊插件生態(tài)沒有Flask老牌學(xué)習(xí)曲線略陡我在這套系統(tǒng)里選Flask不是因為它比FastAPI或Django更“先進”而是因為它在一個輕量級數(shù)據(jù)服務(wù)里恰好把靈活性和成熟度平衡得最好。數(shù)據(jù)大屏項目的特點是接口數(shù)量不多但每個接口背后都要做數(shù)據(jù)聚合、跨表查詢、模型預(yù)測調(diào)用。Flask的藍圖機制可以按業(yè)務(wù)模塊拆路由SQLAlchemy可以方便地對接數(shù)據(jù)庫全部搞下來不會覺得自己在寫一堆無意義的模板代碼。1.2 前端為什么不用React也不用純HTML大屏可視化最核心的痛點是圖表多、狀態(tài)多、實時刷新需求多。用純HTML加jQuery去寫一個頁面里幾十個圖表實例的狀態(tài)管理會迅速失控——你很難保證某個圖表數(shù)據(jù)更新后另一個關(guān)聯(lián)卡片也跟著變化。這時候需要一個能響應(yīng)式綁定數(shù)據(jù)的框架。選擇Vue而不是React最重要的原因是漸進式。Vue的模板語法非常接近原生HTML對于大屏這種以展示為主、交互邏輯相對固定的頁面學(xué)習(xí)和產(chǎn)出速度都很快。一個Vue組件里模板負責(zé)結(jié)構(gòu)、script負責(zé)數(shù)據(jù)邏輯、style負責(zé)樣式三個區(qū)域分得明明白白。對個人開發(fā)者來說Vue的單文件組件模式比React“無模板、一切皆函數(shù)”的思路更容易在可視化項目中保持結(jié)構(gòu)清晰。另外一個實用因素是ECharts的配合度。大屏項目里ECharts幾乎繞不開而Vue項目里封裝ECharts圖表組件非常順手父組件通過props傳入數(shù)據(jù)子組件里watch數(shù)據(jù)變化再調(diào)用實例方法重繪。這套模式我在這篇文章后面會給出具體代碼它比在React useEffect里手動管理ECharts實例的生命周期要直觀不少。1.3 隨機森林在醫(yī)療表格數(shù)據(jù)上的天然優(yōu)勢醫(yī)療疾病數(shù)據(jù)通常是表格型數(shù)據(jù)行列結(jié)構(gòu)清晰特征維度不高樣本量不算大。對這種數(shù)據(jù)結(jié)構(gòu)樹模型天然比深度學(xué)習(xí)吃香。選擇隨機森林主要是這么幾層考慮能捕捉非線性關(guān)系和特征交互。發(fā)病率不是簡單的線性疊加它和地區(qū)、年份、疾病類型、人口結(jié)構(gòu)之間都存在復(fù)雜的交互影響。決策樹本身就擅長按特征逐步切分空間隨機森林把多棵樹集成起來相當(dāng)于在多個特征子空間中尋找穩(wěn)定規(guī)律。對數(shù)據(jù)縮放不敏感。神經(jīng)網(wǎng)絡(luò)和不少線性模型需要做標(biāo)準(zhǔn)化或歸一化樹模型完全不用特征是幾百還是幾千都不影響分裂點的選擇。這大大減少了機器學(xué)習(xí)流程里最容易出錯的一個環(huán)節(jié)。能給出特征重要性。醫(yī)療項目里回答“到底什么因素對發(fā)病率影響最大”和回答“明年的發(fā)病率是多少”同樣重要。隨機森林的feature_importances_可以直接輸出各特征的重要性分?jǐn)?shù)對后續(xù)的數(shù)據(jù)解釋很有價值。訓(xùn)練成本低不用GPU。醫(yī)療數(shù)據(jù)往往是中小規(guī)模數(shù)據(jù)集隨機森林在普通CPU機器上幾分鐘內(nèi)就能完成訓(xùn)練驗證對個人項目來說非常友好。當(dāng)然隨機森林不是萬能的。如果數(shù)據(jù)量非常大、特征維度很高或者要做細粒度時序預(yù)測LightGBM和XGBoost通常表現(xiàn)更好。但作為這套系統(tǒng)里的基線模型隨機森林在穩(wěn)定性和可解釋性之間做到了最穩(wěn)的平衡這也是我最后定格為隨機森林的原因。1.4 整體鏈路從爬蟲到屏幕的技術(shù)棧分工整個系統(tǒng)的運行鏈路可以用一句話概括requests把公開數(shù)據(jù)抓下來pandas清洗入庫scikit-learn訓(xùn)練隨機森林模型Flask把庫存數(shù)據(jù)和模型預(yù)測結(jié)果包裝成APIVue前端通過axios請求API最后用ECharts渲染到大屏上。各層職責(zé)非常清晰分層技術(shù)核心職責(zé)數(shù)據(jù)采集requests pandas請求目標(biāo)站點、解析結(jié)構(gòu)化字段、清洗缺失值數(shù)據(jù)存儲SQLite / MySQL持久化原始數(shù)據(jù)與特征數(shù)據(jù)提供聚合查詢算法預(yù)測scikit-learn 隨機森林基于歷史特征預(yù)測發(fā)病率/發(fā)病數(shù)輸出特征重要性后端服務(wù)Flask SQLAlchemy提供統(tǒng)計聚合接口、模型預(yù)測接口、統(tǒng)一響應(yīng)格式前端展示Vue ECharts大屏布局、圖表渲染、定時輪詢、動態(tài)聯(lián)動這樣分層之后每個環(huán)節(jié)都可以獨立替換。比如不想用隨機森林了訓(xùn)練一個XGBoost模型替換掉joblib文件后端接口不用改不想用ECharts了換Chart.js同樣可以對接。數(shù)據(jù)大屏項目最怕的就是多層耦合按這條鏈路去解耦后續(xù)擴展的想象空間會大很多。2. 數(shù)據(jù)從哪來requests爬蟲的采集策略與429限流完整排坑2.1 數(shù)據(jù)源評估與目標(biāo)字段設(shè)計醫(yī)療疾病數(shù)據(jù)的獲取一定要先想清楚“能合法拿到什么”。我在這套系統(tǒng)里選擇的是公開的公共衛(wèi)生統(tǒng)計網(wǎng)站發(fā)布的年度疾病監(jiān)測數(shù)據(jù)這類數(shù)據(jù)通常以表格或JSON接口的形式公開不需要登錄沒有隱私字段適合用于學(xué)習(xí)研究。明確數(shù)據(jù)源后下一步就是字段設(shè)計這一步?jīng)Q定了后續(xù)建模和可視化的上限。我針對年度疾病監(jiān)測場景設(shè)計了以下核心字段字段名類型說明report_yearINTEGER統(tǒng)計年份disease_nameTEXT疾病名稱provinceTEXT地區(qū)casesINTEGER發(fā)病數(shù)/報告例數(shù)deathsINTEGER死亡數(shù)incidence_rateFLOAT發(fā)病率每10萬人口mortality_rateFLOAT死亡率每10萬人口age_groupTEXT年齡組sexTEXT性別在庫表結(jié)構(gòu)上使用如下DDL會清晰很多CREATE TABLE disease_stats ( id INTEGER PRIMARY KEY AUTOINCREMENT, report_year INTEGER NOT NULL, disease_name TEXT NOT NULL, province TEXT NOT NULL, cases INTEGER DEFAULT 0, deaths INTEGER DEFAULT 0, incidence_rate REAL DEFAULT 0.0, mortality_rate REAL DEFAULT 0.0, age_group TEXT, sex TEXT, UNIQUE(report_year, disease_name, province, age_group, sex) );注意最后的UNIQUE約束這個非常關(guān)鍵。爬蟲重復(fù)執(zhí)行時很容易產(chǎn)生重復(fù)數(shù)據(jù)加上唯一約束之后后續(xù)用INSERT OR IGNORE或ON CONFLICT DO UPDATE處理就非常輕松不用每次全表去重。2.2 requests采集主流程與基礎(chǔ)代碼目標(biāo)站點一般有兩種數(shù)據(jù)形態(tài)要么是表格頁面要么是JSON接口。表格頁面用requests獲取HTML文本后可以用pandas.read_html快速抽取表格JSON接口則直接解析響應(yīng)內(nèi)容。大部分公共衛(wèi)生數(shù)據(jù)發(fā)布平臺都提供結(jié)構(gòu)化接口所以優(yōu)先考慮直接解析JSON。一個比較穩(wěn)妥的基礎(chǔ)采集邏輯大概是這樣的import requests import pandas as pd import sqlite3 import random import time HEADERS { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36, Accept: application/json, text/plain, */*, Referer: https://example-public-health-site.org/ } session requests.Session() session.headers.update(HEADERS) def fetch_data(url, params): for attempt in range(1, 6): try: resp session.get(url, paramsparams, timeout10) if resp.status_code 200: return resp.json() elif resp.status_code 429: wait_time int(resp.headers.get(Retry-After, 10)) random.uniform(0, 3) print(f觸發(fā)限流等待 {wait_time:.1f}s 后重試) time.sleep(wait_time) else: print(f請求失敗: {resp.status_code}) except requests.exceptions.RequestException as e: print(f網(wǎng)絡(luò)異常: {e}, 第 {attempt} 次重試) time.sleep(2 ** attempt) return None這里有幾個容易被忽略的細節(jié)必須構(gòu)建Session而不是每次直接requests.get。Session會復(fù)用底層的TCP連接對目標(biāo)服務(wù)器更友好也能維持必要的會話狀態(tài)。超時參數(shù)不能省。requests.get如果不加timeout在網(wǎng)絡(luò)異常時可能一直掛住整個爬蟲腳本就卡死了。重試要有退避策略。第1次失敗等2秒第2次失敗等4秒指數(shù)增長避免在服務(wù)端已經(jīng)限流時繼續(xù)高頻沖擊。拿到原始JSON后通過pandas進行字段過濾和數(shù)據(jù)清洗然后寫入數(shù)據(jù)庫def parse_and_save(records, db_pathhealth_data.db): df pd.DataFrame(records) df df.rename(columns{ year: report_year, disease: disease_name, area: province }) # 只保留需要的列防止臟字段 columns [report_year, disease_name, province, cases, deaths, incidence_rate, mortality_rate, age_group, sex] df df[[c for c in columns if c in df.columns]] df df.dropna(subset[report_year, disease_name, province, cases]) conn sqlite3.connect(db_path) df.to_sql(disease_stats, conn, if_existsappend, indexFalse) conn.close() print(f本次寫入 {len(df)} 條記錄)這里要注意pandas.to_sql默認不會做去重所以前面建的UNIQUE索引在這里就開始起作用了。如果表結(jié)構(gòu)里沒有唯一約束重復(fù)運行腳本會導(dǎo)致數(shù)據(jù)顯示翻倍后面還得返工。2.3 429限流的完整排查鏈路標(biāo)題里出現(xiàn)了“429 too many requests”這個坑在爬蟲階段幾乎一定會遇到。我說一下我自己經(jīng)歷過的完整排查過程直接給結(jié)論沒有意義把思路寫清楚以后遇到同類問題才好舉一反三?,F(xiàn)象腳本連續(xù)爬到幾百條記錄之后突然拋錯日志里出現(xiàn)類似“exceeded retry limit, last status: 429 too many requests”的信息腳本反復(fù)重試仍然無濟于事甚至手動用瀏覽器訪問同一個URL有時也會看到“訪問過于頻繁”的提示。第一步確認是本機網(wǎng)絡(luò)問題還是目標(biāo)站限流。先用curl單獨請求目標(biāo)接口看是否穩(wěn)定返回200。如果curl穩(wěn)定說明是腳本觸發(fā)了限流如果curl也報429說明目標(biāo)站整體在限流此時只能等待。第二步看響應(yīng)頭的限流元數(shù)據(jù)。很多限流接口會在響應(yīng)頭里反饋剩余配額Retry-After: 告訴你要等多少秒再試X-RateLimit-Limit: 單位時間窗口內(nèi)允許的最大請求數(shù)X-RateLimit-Remaining: 當(dāng)前剩余的請求額度curl -I https://example-public-health-site.org/api/data?year2024觀察返回頭如果X-RateLimit-Remaining快速下降說明限流策略是“固定窗口計數(shù)”你的請求頻率太高了。第三步確認限流維度。大多數(shù)站點的限流是按IP維度做但也有的按User-Agent做。最簡單的測試方法把腳本里的User-Agent換成瀏覽器常用UA如果限流現(xiàn)象立刻消失說明服務(wù)端過濾的是UA如果換UA仍然429說明鎖定的是IP維度。第四步檢查自己的請求時間間隔分布。很多人寫爬蟲時雖然加了time.sleep但寫的是固定間隔比如sleep(1)。這其實是一個很危險的寫法固定間隔會讓請求呈現(xiàn)出明顯的周期規(guī)律服務(wù)端的限流算法很容易識別這種模式并返回429。正確做法是使用隨機間隔。我在這個項目里最終把請求策略改成了這樣def polite_request(url, paramsNone, max_retries4): interval random.uniform(2.5, 5.0) time.sleep(interval) for attempt in range(max_retries): resp session.get(url, paramsparams, timeout10) if resp.status_code 200: return resp.json() if resp.status_code 429: retry_after int(resp.headers.get(Retry-After, 15)) wait_time retry_after random.uniform(0, 5) print(f429限流: 計劃等待 {wait_time:.1f}s) time.sleep(wait_time) continue return None核心變化是兩點引入隨機延遲同時在收到429之后優(yōu)先尊重服務(wù)端給出的Retry-After。還有一個排查過程中的重要發(fā)現(xiàn)有時候看到429根本原因是某個請求的某個參數(shù)導(dǎo)致目標(biāo)后端觸發(fā)了WAF規(guī)則而不是整體限流。這種情況的特點是其他URL都正常只有特定URL反復(fù)429。排查時可以打印出觸發(fā)429的完整URL和參數(shù)單獨拿出來測試如果不帶某些參數(shù)就正常那大概率是WAF對這組參數(shù)組合有攔截規(guī)則需要調(diào)整傳參方式或接入源更干凈的數(shù)據(jù)。最后針對429的根治思路其實是別硬爬。很多公共衛(wèi)生數(shù)據(jù)平臺同時提供“數(shù)據(jù)導(dǎo)出”或“開放API”優(yōu)先使用官方渠道比寫任何爬蟲都穩(wěn)。requests爬蟲適合作為補充手段而不是唯一數(shù)據(jù)來源。我在這套系統(tǒng)里做了雙通道優(yōu)先嘗試獲取平臺導(dǎo)出的CSV文件缺失部分才用爬蟲補抓。2.4 醫(yī)療類數(shù)據(jù)采集的合規(guī)邊界做醫(yī)療相關(guān)項目合規(guī)問題值得多花兩分鐘思考。我的原則是只采集公開可訪問的數(shù)據(jù)不做逆向、不破解、不繞過任何訪問控制不采集可以與個人身份對應(yīng)的數(shù)據(jù)。公共衛(wèi)生統(tǒng)計網(wǎng)站上發(fā)布的疾病監(jiān)測數(shù)據(jù)通常是統(tǒng)計匯總口徑不涉及個人隱私。但即便如此我在項目里仍然做了這些事數(shù)據(jù)僅用于系統(tǒng)演示與學(xué)習(xí)不對外提供任何原始數(shù)據(jù)的下載接口爬蟲腳本設(shè)置訪問延遲不沖擊目標(biāo)服務(wù)器不給對方造成額外負載數(shù)據(jù)庫中的中間數(shù)據(jù)定期清理前端展示的也只是一定范圍內(nèi)的聚合統(tǒng)計這些措施本身不復(fù)雜但它們決定了這個項目能不能站得住腳。醫(yī)療類的數(shù)據(jù)項目技術(shù)能力是一方面數(shù)據(jù)來源的干凈程度是另一方面。3. 隨機森林模型落地從特征工程到預(yù)測接口3.1 建模目標(biāo)與訓(xùn)練樣本構(gòu)造爬下來的數(shù)據(jù)是年度維度的歷史統(tǒng)計那么模型預(yù)測什么這里定為根據(jù)過去若干年的疾病統(tǒng)計特征預(yù)測下一年的發(fā)病率或發(fā)病人數(shù)。預(yù)測問題的核心在于樣本構(gòu)造。不能把原始表的每一行直接當(dāng)作一個樣本——某一行只是某一年、某個地區(qū)、某個疾病的一個統(tǒng)計快照它本身不包含“過去信息”。為了讓模型能夠?qū)W到時間趨勢我用滑動窗口法構(gòu)造特征取連續(xù)三年t-3、t-2、t-1的數(shù)據(jù)預(yù)測第t年的發(fā)病率。例如要預(yù)測2023年A省流感的發(fā)病率就把2020年、2021年、2022年A省流感的相關(guān)指標(biāo)作為特征2023年的發(fā)病率作為標(biāo)簽。這樣每生成一個訓(xùn)練樣本實際上就把三年歷史信息壓進了特征矩陣。import pandas as pd def build_samples(df, window3): samples [] for (disease, province), grp in df.groupby([disease_name, province]): grp grp.sort_values(report_year) for i in range(window, len(grp)): past grp.iloc[i - window: i] target grp.iloc[i] feature { disease_name: disease, province: province, target_year: target[report_year], lag1_cases: past[cases].iloc[-1], lag2_cases: past[cases].iloc[-2], lag3_cases: past[cases].iloc[-3], lag1_incidence: past[incidence_rate].iloc[-1], lag2_incidence: past[incidence_rate].iloc[-2], lag3_incidence: past[incidence_rate].iloc[-3], avg_incidence: past[incidence_rate].mean(), target_value: target[incidence_rate] } samples.append(feature) return pd.DataFrame(samples)這里我故意保留了disease_name和province這兩個類別特征而不是直接丟掉。模型需要學(xué)到“不同疾病在不同地區(qū)的發(fā)病基線不同”這個信息類別特征處理得當(dāng)?shù)脑拰︻A(yù)測精度的提升非常明顯。3.2 特征工程的幾個關(guān)鍵處理構(gòu)建完原始特征矩陣后下一步是做編碼和類型轉(zhuǎn)換。醫(yī)療數(shù)據(jù)的特征處理里有以下幾個點需要特別關(guān)注類別特征編碼。disease_name、province這類字段沒法直接放進隨機森林需要用LabelEncoder或OneHotEncoder。對于樹模型LabelEncoder就夠用了因為決策樹本質(zhì)上做的是“按特征取值切分”LabelEncoder不會引入額外的線性假設(shè)。但要注意編碼映射一定要保存下來后面預(yù)測接口用。缺失值處理。某些地區(qū)或某些年份的數(shù)據(jù)可能缺失樹模型本身能容忍一定缺失但訓(xùn)練和預(yù)測時的處理必須一致。最穩(wěn)妥的方式是用前向填充用上一個有效值補最近一年的缺失值這符合時間序列的直覺。滯后特征名稱必須規(guī)范。lag1_cases、lag2_cases這類字段在訓(xùn)練和預(yù)測時必須完全一致。接口傳參的時候如果稍有偏差模型接收到的特征順序就會錯位結(jié)果完全不可信。后面我會建議用pipeline把編碼器和模型打包避免這種問題。3.3 訓(xùn)練、評估與簡單調(diào)參訓(xùn)練集和測試集的劃分必須按時間順序切不能直接隨機打亂。因為這是時間預(yù)測問題用未來的數(shù)據(jù)去訓(xùn)練、過去的數(shù)據(jù)去測試屬于典型的數(shù)據(jù)泄漏得到的評估指標(biāo)會虛高到?jīng)]有參考價值。from sklearn.ensemble import RandomForestRegressor from sklearn.preprocessing import LabelEncoder from sklearn.model_selection import train_test_split from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score import joblib import pandas as pd df pd.read_sql_query(SELECT * FROM disease_stats, conn) samples build_samples(df) le_disease LabelEncoder() le_province LabelEncoder() samples[disease_code] le_disease.fit_transform(samples[disease_name]) samples[province_code] le_province.fit_transform(samples[province]) feature_cols [disease_code, province_code, target_year, lag1_cases, lag2_cases, lag3_cases, lag1_incidence, lag2_incidence, lag3_incidence, avg_incidence] samples samples.sort_values(target_year) train_end int(len(samples) * 0.8) train_df samples.iloc[:train_end] test_df samples.iloc[train_end:] X_train train_df[feature_cols] y_train train_df[target_value] X_test test_df[feature_cols] y_test test_df[target_value] model RandomForestRegressor( n_estimators200, max_depth8, min_samples_leaf3, random_state42 ) model.fit(X_train, y_train) y_pred model.predict(X_test) print(R2:, r2_score(y_test, y_pred)) print(MAE:, mean_absolute_error(y_test, y_pred)) print(RMSE:, mean_squared_error(y_test, y_pred, squaredFalse))對于樹模型調(diào)參我的經(jīng)驗是優(yōu)先控制max_depth和min_samples_leaf而不是一上來就堆n_estimators。n_estimators增大確實能降低方差但到了一定數(shù)量后收益遞減訓(xùn)練耗時卻線性增長。max_depth限制每棵樹的復(fù)雜程度min_samples_leaf限制葉子節(jié)點最少樣本數(shù)這兩個參數(shù)對控制過擬合的作用最直接。特征重要性也是一個很值得看的結(jié)果importance pd.Series(model.feature_importances_, indexfeature_cols) importance.sort_values(ascendingFalse).plot(kindbarh)對這個項目來說通常會發(fā)現(xiàn)滯后1年的發(fā)病率lag1_incidence和疾病類別disease_code重要性最高這符合直覺某種疾病最近一年發(fā)病率高下一年大概率也不會低到哪里去不同疾病的基線差異本身就非常大。3.4 模型序列化與Flask預(yù)測接口集成訓(xùn)練完成后要把模型、編碼器一起保存下來供Flask后端加載。這里一個常見的坑是只保存模型忘記保存編碼器導(dǎo)致預(yù)測接口收到disease_name時不知道往哪個編碼映射或者編碼順序不一致預(yù)測結(jié)果完全亂掉。正確的做法是把編碼器和模型一起打包joblib.dump(model, models/rf_model.pkl) joblib.dump(le_disease, models/le_disease.pkl) joblib.dump(le_province, models/le_province.pkl)Flask后端的預(yù)測接口實現(xiàn)from flask import Blueprint, request, jsonify import joblib import pandas as pd import numpy as np model_bp Blueprint(model, __name__) model joblib.load(models/rf_model.pkl) le_disease joblib.load(models/le_disease.pkl) le_province joblib.load(models/le_province.pkl) FEATURE_COLS [disease_code, province_code, target_year, lag1_cases, lag2_cases, lag3_cases, lag1_incidence, lag2_incidence, lag3_incidence, avg_incidence] model_bp.route(/api/model/predict, methods[POST]) def predict(): data request.get_json() try: disease_code le_disease.transform([data[disease_name]])[0] province_code le_province.transform([data[province]])[0] except ValueError: return jsonify({code: 1, msg: 未知的疾病或地區(qū)名稱, data: None}) row [disease_code, province_code, data[target_year], data[lag1_cases], data[lag2_cases], data[lag3_cases], data[lag1_incidence], data[lag2_incidence], data[lag3_incidence], data[avg_incidence]] features np.array([row]) pred model.predict(features)[0] return jsonify({ code: 0, msg: success, data: { pred_incidence: round(float(pred), 4) } })預(yù)測時如果傳入了訓(xùn)練數(shù)據(jù)中沒出現(xiàn)過的疾病名稱LabelEncoder的transform會直接拋ValueError這里做了一層捕獲并返回前端可讀的錯誤信息避免一個大白話的異常堆棧刷到瀏覽器控制臺里。4. Flask后端與Vue大屏對接API設(shè)計、跨域和圖表渲染4.1 后端工程結(jié)構(gòu)與統(tǒng)一響應(yīng)格式亂亂的Flask項目一個app.py里塞幾百行路由這種結(jié)構(gòu)在一個綜合項目里完全不可維護。我在這套系統(tǒng)里用藍圖把路由拆開service-backend/ ├── app.py # 應(yīng)用入口注冊藍圖 ├── config.py # 配置項數(shù)據(jù)庫路徑、模型路徑 ├── models/ │ └── db.py # SQLAlchemy模型 ├── blueprints/ │ ├── stats.py # 統(tǒng)計數(shù)據(jù)接口 │ ├── disease_api.py # 疾病查詢接口 │ └── model_api.py # 模型預(yù)測接口 ├── services/ │ ├── data_aggregator.py # 聚合查詢服務(wù) │ └── model_service.py # 模型加載與預(yù)測 └── data/ └── health_data.dbAPI的響應(yīng)格式必須統(tǒng)一這一步省掉前端大量if else。我用的是最經(jīng)典的{code, msg, data}結(jié)構(gòu)。code為0表示成功非0表示業(yè)務(wù)錯誤msg是錯誤說明data存放真正的數(shù)據(jù)。前端axios的響應(yīng)攔截器直接判斷code不需要每個請求單獨處理錯誤分支。核心統(tǒng)計接口設(shè)計如下接口方法功能返回數(shù)據(jù)/api/summaryGET總覽指標(biāo)病例總數(shù)、死亡總數(shù)、疾病種類數(shù)、地區(qū)數(shù)/api/trendGET歷年發(fā)病趨勢年份序列 發(fā)病率/發(fā)病數(shù)序列/api/rankingGET疾病/地區(qū)排名前10位疾病/地區(qū)的發(fā)病數(shù)/api/model/predictPOST發(fā)病率預(yù)測預(yù)測發(fā)病率4.2 聚合SQL與統(tǒng)計接口實現(xiàn)大屏首頁需要展示“總病例數(shù)”“總死亡數(shù)”“疾病種類”“覆蓋地區(qū)”這四個卡片這些指標(biāo)如果寫四條SQL雖然也能跑但沒必要。一個聚合查詢就能拿全def get_summary(): row db.session.execute( text( SELECT COUNT(CASE WHEN report_year :max_year THEN 1 END) AS disease_count_total, SUM(cases) AS total_cases, SUM(deaths) AS total_deaths, COUNT(DISTINCT province) AS province_count, MAX(report_year) AS max_year FROM disease_stats ), {max_year: max_year} ).fetchone() return { total_cases: int(row.total_cases or 0), total_deaths: int(row.total_deaths or 0), disease_count: disease_count, province_count: int(row.province_count or 0) }注意SUM(cases)在數(shù)據(jù)缺失時可能返回NULL所以查詢結(jié)果里要加or 0兜底否則jsonify遇到None值會序列化成null前端的卡片上可能顯示“undefined”。趨線接口的SQL要注意排序SELECT report_year AS year, SUM(cases) AS total_cases, SUM(deaths) AS total_deaths FROM disease_stats GROUP BY report_year ORDER BY report_year ASC前端折線圖的數(shù)據(jù)順序完全取決于這里有沒有ORDER BY report_year。如果你漏了排序MySQL或SQLite返回的順序可能按主鍵或索引排列前端圖表就會出現(xiàn)一條亂序的“波浪線”。4.3 跨域問題的兩種解法本地開發(fā)時Vue跑在8080端口Flask跑在5000端口前端直接請求http://localhost:5000/api/summary必然觸發(fā)跨域瀏覽器會直接攔截響應(yīng)。這個項目里我同時使用了兩種方案開發(fā)環(huán)境用Vue proxy生產(chǎn)環(huán)境用Flask-CORS。開發(fā)環(huán)境Vue proxy配置。在vue.config.js中配置module.exports { devServer: { port: 8080, proxy: { /api: { target: http://127.0.0.1:5000, changeOrigin: true } } } }這樣前端代碼里寫axios.get(/api/summary)時Vue devServer會自動把請求轉(zhuǎn)發(fā)到Flask的5000端口瀏覽器的同源策略被devServer擋在外面簡單干凈。生產(chǎn)環(huán)境Flask-CORS指定放行。打包部署時前端靜態(tài)文件由Nginx托管后端單獨跑在某個端口。如果域名不一致仍然會跨域。這時可以用Flask-CORSfrom flask_cors import CORS CORS(app, resources{r/api/*: {origins: *}})注意開發(fā)時如果已經(jīng)用了Vue proxy就不要再給后端加CORS了否則會多一層無用的響應(yīng)頭。兩個方案二選一不要同時混用。4.4 Vue大屏布局與ECharts渲染要點大屏頁面的布局我用的是CSS Grid而不是傳統(tǒng)的flex大行。因為大屏頁面的核心訴求是區(qū)塊化、網(wǎng)格化Grid可以非常自然地規(guī)劃出復(fù)雜的行和列。一個典型的大屏結(jié)構(gòu)是頂部一行放標(biāo)題中間主體分三列——左側(cè)放排名和指標(biāo)卡中間放核心趨勢大圖右側(cè)放疾病分布圖。我實際用的Grid定義大致這樣.dashboard { display: grid; grid-template-columns: 1fr 2fr 1fr; grid-template-rows: auto 1fr auto; gap: 16px; height: 100vh; padding: 16px; background: #0f1923; color: #e5e7eb; }左側(cè)和右側(cè)原本都是窄列所以右側(cè)放柱狀圖或餅圖中間寬列放趨勢折線圖或預(yù)測結(jié)果展示。ECharts實例在Vue組件里掛載時有一個很關(guān)鍵的坑容器寬度在初始渲染時可能還沒計算完成此時初始化ECharts實例會拿到一個0寬度的容器圖表直接不顯示。解決辦法是在mounted鉤子中使用$nextTick再初始化或者給容器設(shè)置明確的高度和寬度。每個圖表封裝成一個獨立組件比如TrendChart.vuetemplate div refchartRef classchart-container/div /template script import * as echarts from echarts export default { name: TrendChart, props: { chartData: { type: Object, required: true } }, data() { return { chart: null } }, watch: { chartData: { handler(newVal) { if (!this.chart) { this.initChart() } this.renderChart(newVal) }, deep: true } }, methods: { initChart() { if (this.chart) return this.chart echarts.init(this.$refs.chartRef) }, renderChart(data) { this.chart.setOption({ animation: false, // 大屏數(shù)據(jù)更新頻繁, 關(guān)閉動畫避免卡頓 tooltip: { trigger: axis }, xAxis: { type: category, data: data.years }, yAxis: { type: value, name: 發(fā)病數(shù)(例) }, series: [{ name: 發(fā)病數(shù), type: line, smooth: true, data: data.cases }] }) } } } /script有一個細節(jié)值得單獨說animation: false。大屏項目里數(shù)據(jù)每隔十幾秒就刷新一次如果開著動畫每次刷新圖表都要重新播放一遍過渡動畫低配機器上所有圖表同時播放動畫時會非??ā崪y下來大屏頁面的圖表直接關(guān)閉動畫視覺效果并不受損流暢度提升卻非常明顯。axios請求的封裝也很簡單import axios from axios const service axios.create({ baseURL: /api, timeout: 10000 }) service.interceptors.response.use( response { const res response.data if (res.code ! 0) { return Promise.reject(new Error(res.msg || 請求失敗)) } return res.data }, error { return Promise.reject(error) } )這樣封裝后每個業(yè)務(wù)組件里調(diào)用接口時拿到的直接就是data字段不需要再解一層response.data.data特別舒服。5. 聯(lián)調(diào)階段的數(shù)據(jù)一致性問題與優(yōu)化5.1 日期字段排序錯亂聯(lián)調(diào)時我遇到的第一類問題是前端排序與預(yù)期不符。折線圖的X軸是年份后端返回的接口數(shù)據(jù)經(jīng)過了GROUP BY report_year ORDER BY report_year但前端顯示的年份還是錯亂的。排查后定位到問題數(shù)據(jù)庫里report_year是以TEXT類型存儲的排序時用的是字符串排序。比如2020、2021、2022看起來沒問題但如果年份數(shù)據(jù)里有1999和2000字符串排序就會把1999排到2000后面嗎實際上字符串排序“1”在“2”前面1999不會排錯但999這種不規(guī)范的字段就會出問題。更保險的做法是在數(shù)據(jù)庫和接口層全部用INT類型存年份后端返回時再格式化成標(biāo)準(zhǔn)字符串。處理方案是清洗數(shù)據(jù)時強制做一次類型轉(zhuǎn)換df[report_year] df[report_year].astype(int)前端排序時也不要依賴字符串默認順序盡量用數(shù)值const sortedYears data.years.sort((a, b) a - b)5.2 模型預(yù)測值與歷史值單位/量綱不一致預(yù)測接口上線后第一次調(diào)用返回的pred_incidence是一個0.5左右的值但歷史發(fā)病率在圖表上顯示的是48.6這樣的數(shù)值整整差了約100倍。花了一段時間排查才發(fā)現(xiàn)問題出在數(shù)據(jù)清洗階段原始數(shù)據(jù)中發(fā)病率的單位是“每10萬人口”還是“每1萬人口”我在不同年份的數(shù)據(jù)源里沒有統(tǒng)一。這種情況在醫(yī)療數(shù)據(jù)里非常常見因為不同統(tǒng)計口徑、不同發(fā)布平臺可能用不同的分母。解決方式是在數(shù)據(jù)入庫時做一個規(guī)范化統(tǒng)一轉(zhuǎn)成“每10萬人口”的發(fā)病率。df[incidence_rate] df[incidence_rate].apply( lambda x: x * 10 if source_unit per_wan else x )還有就是模型訓(xùn)練時如果對特征做了標(biāo)準(zhǔn)化預(yù)測接口也要對輸入特征做相同的標(biāo)準(zhǔn)化處理。我在最終方案里把所有預(yù)處理步驟都封裝成一個transform_features函數(shù)訓(xùn)練和預(yù)測共用同一份代碼從根上消除“訓(xùn)練時做了一步處理、接口調(diào)用時漏掉”的可能性。5.3 大屏渲染卡頓大屏頁面初次加載時我一度同時發(fā)起8個接口請求每個請求返回幾百條數(shù)據(jù)然后所有圖表同步渲染。結(jié)果就是頁面加載卡頓低配機器上風(fēng)扇狂轉(zhuǎn)。優(yōu)化思路是三層接口合并。把首頁需要的指標(biāo)卡數(shù)據(jù)、趨勢數(shù)據(jù)、排名數(shù)據(jù)合并成2到3個聚合接口減少HTTP請求的次數(shù)。前端一次拿到整個數(shù)據(jù)包再分發(fā)到各個子組件。關(guān)閉ECharts動畫。前面已經(jīng)提到大屏場景下動畫收益極低但幀率損耗極大直接設(shè)置animation: false。數(shù)據(jù)聚合下推。排名圖前端只需要前10名就千萬不要把幾百個地區(qū)的數(shù)據(jù)全部返回而是在SQL層用LIMIT 10先過濾。大屏項目里網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量越小渲染壓力越小。5.4 項目目錄與部署建議整個項目最終產(chǎn)物分兩部分后端Flask服務(wù)、前端Vue構(gòu)建產(chǎn)物。本地開發(fā)時直接用python app.py啟動Flasknpm run serve啟動Vue devServer。生產(chǎn)部署我采用的是Nginx托管前端靜態(tài)文件加反向代理后端接口的方式server { listen 80; server_name your-server-domain; root /var/www/dashboard/dist; index index.html; location / { try_files $uri $uri/ /index.html; } location /api/ { proxy_pass http://127.0.0.1:5000; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }后端用gunicorn啟動gunicorn -w 4 -b 127.0.0.1:5000 app:app如果你更喜歡容器化用docker-compose把所有服務(wù)編排起來也行但要注意Flask容器和前端Nginx容器共享同一個網(wǎng)絡(luò)前端的API地址要配置成后端服務(wù)名稱而不是localhost。還有一個很實用的建議爬蟲腳本不要和Flask服務(wù)綁定在同一個進程里。爬蟲偶爾會卡在網(wǎng)絡(luò)請求上如果把它放在Flask進程里一個阻塞就可能拖慢所有API響應(yīng)。最好讓爬蟲作為獨立腳本或定時任務(wù)運行數(shù)據(jù)寫庫后Flask只負責(zé)讀庫和預(yù)測兩者解耦。最后幾個實操體會如果只讓我留一句話就是先跑通最小閉環(huán)再裝飾細節(jié)。這個項目我最初的版本甚至沒有隨機森林只有爬蟲、數(shù)據(jù)庫和一個柱狀圖。等這條鏈路完全通了之后模型、更多圖表、更復(fù)雜的布局才逐步加進去。先讓數(shù)據(jù)能從源端流到屏幕項目的信心和價值感就完全不一樣了。另外一個小技巧醫(yī)療數(shù)據(jù)的字段名很容易產(chǎn)生歧義cases、deaths、incidence這些中英文混用聯(lián)調(diào)時特別容易鬧笑話。建議在數(shù)據(jù)入庫時就統(tǒng)一字段命名規(guī)范后端API用snake_case前端展示層再轉(zhuǎn)換成中文標(biāo)題別小看這個細節(jié)它能幫你省下大量對齊時間。如果后續(xù)想往上擴展可以試試給系統(tǒng)加上用戶登錄權(quán)限、定時爬取任務(wù)、圖表下鉆聯(lián)動或者把隨機森林換成XGBoost做一組對比實驗。但請記住一點在這個項目里算法只是其中一環(huán)數(shù)據(jù)的準(zhǔn)確性和前后端鏈路的穩(wěn)定才是真正決定成敗的部分。把最基礎(chǔ)的數(shù)據(jù)鏈路做扎實大屏才有底氣擺上臺面。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
综合性爱网| 日本色99| 五月天婷婷色综合| 日韩三级片一区二区| 久久久久9999| 五月天成人在线| 五月婷中文娱乐综合| 婷婷五月花丁香| 操逼视频一区| 国产在线aaa片一区二区99| 婷婷五月天成人基地| 国产综合丁香五月天| 国产精品国产| 婷婷六月丁香激情综合| 日本九九九九九九| www.99色| 色五月天在线观看| 五月婷俺去也| 色五月婷婷91在线| 五月婷婷开心网| 久久奄也去色色网站| 亚洲精品第一国产综合亚AV | 色婷婷色五月色丁香| 丁香狠狠干| 狠狠色成人影片| 色呦呦美女| 五月婷婷综合网| 这里只有精品视频在线看| 色五月中文字幕| 五月 成人 婷婷| 五月天色婷好好| 五月丁香久久激情综合| 激情五月天在线视频| 99久久综合网| 丁香综合网| 久久caop| 久久五月激情| 久久久久久丁香五月| 在线观看免费狠狠色丁香香综合 | 婷婷丁香五月亚洲17cao| 色婷丁香| 久操大屁股女人av| 少妇2做爰HD韩国电影| 99热加勒比| 99热这里有精力| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 激情五月天婷婷免费观看| 久久在线视频免费观看| 91丨九色丨白浆| 日日日日做夜夜夜夜无码| 成 人片 黄 色 大 片| www激情婷婷com| 五月婷丁香| 日韩三十六页| 九九热超碰| 婷婷五月花丁香| 99国产小视频2013| 超碰国产在线观看| 潘金莲AAAAAAAAAA| 香蕉久久国产AV一区二区| 99国产视频网| 丁香婷婷射| 欧美网站视频4399| 日本三级日本黄色| www.国产色| 色婷婷丁香五月综合| 五月天激情国产综合婷婷婷就去爱| 伊人爱爱日本| 国产精品99久久久久久久女警| 天堂综合久| oVV4WIB3vFi8D| 九九re精品视频在线观看| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 伊人综合网站| 亚洲99激情| 久久图色4| 色噜噜狠狠色综无码久久合欧美| 99九九玖玖| 狠狠干狠狠干狠狠干狠狠干| 婷婷五月综合色中文字幕| 日本九九九九九九| 影音先锋91在线资源站| 婷婷六月天| 久久婷婷五月综合啪| 能看的AV网站| 最新激情五月天| 久一这里有精品国产| 丁香五月成人论坛| 一级片sese片.COM| 久99久精品| 男人的天堂在线婷婷| 超碰精品在线| 九九这里有精品| http:色情日本com| 色婷婷性爱| 丁香大香蕉| 色性日本| 色色五月婷| 亚洲视频码| 色综合夜夜| 99热在这里只有精品| 狠狠狠狠狠干| 97电影99热| 开心五月婷婷六月丁香| 成人羞羞啪啪 全 视频| 成人AV中文字幕| 性色做爰片在线观看WW| 国产日比| 久婷五月| 狠狠色综合久久久久| 欧美激情综合| 夜夜躁婷婷AV| 色婷婷在线视频观看| 99视频内射三四| 五月草影视| 99爱视频| 六月色激情| 婷婷丁香五| 免费婷婷| 久久嘟嘟丁香| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 国产欧美日韩综合精品一区二区| 99A级片| 婷婷五月天亚洲激情戏精品| 欧美色宗和激情| 国产黄色在线| 成人精品一区二区三区四区五区 | 26UUU欧美| 色婷婷丁香五月| 欧美日韩国产伦精品日韩人妻一| 亚洲欧美999| 粉嫩AV久久一区二区三区| 婷婷玖玖五月天| 天天拍夜夜撸| 国产在线另类五月婷婷| 色色婷婷五月天| 丁香五月手机在线| 五月天丁香| 北条麻妃伊人 | 六月婷婷激情图片| 日本色久| 超碰在线94| 另类图片 五月激情| 99精品热| 成人婷99最新| 99精品久久久久| 久久99免费视频网站| 六月丁香五月激情亚洲AV| 九九无码| 人碰91| 婷婷五月天另类网站| 狠狠干,狠狠操| 九九热精品99| 五月天婷婷綜合院| 色色影院黄大片| 丁香婷婷久久老熟女综合网| 99ER热精品视频| 五月天亚洲图片婷婷| 欧美日本黄色| 香蕉婷婷色五月| 可以免费看的AV网站| 亚洲丁香花五月丁香花| va中文资源在线观看| 久久精典| 婷婷九九| 人人看人人草人人摸| 久久九九网| 婷婷丁香激情综合色情| 国产精品视频| 青青草色在线视频观看| 超碰9| 激情五月综合第一页| 五月香六月婷| 色色丁香婷婷五月天| WWW.开心五月天.COM| 国产激情久久| 丁香 婷婷 激情 综合 五月| 色色色五月婷婷| 丁香九九九九| 九九黄色网| 六月丁香av| 9有码中文| 色色婷婷色色| 视频一二区| 黄久久久| 九九九色综合| 国产五月天婷婷| 色五月天电影| 538任你爽视频不一样的| 天天色天天操天天射| 亚洲AV无码电影| 久久久久久综合五月婷婷| 婷婷综合丁香| 怡红院一二三| 超碰在线超碰| 久热超碰| 婷婷五月天av网| 国产激情视频在线观看| 久久这有这里精品| 日逼AV影音先锋男人资源站| 五月天俺去也| 亚洲免费av观看| 能看的av| 996热| 9久热| 激情久久久| 亚洲性爱日韩无码| 丁香影院五月综合| 殴美综合激情五月天免费视频| 久久婷婷东京热| 日韩一级网站| 99re视频在线播放| 六月色色| 好吊操这里只有精品| 五月丁香综合激情| 丁香五月停停av| 射久久丁香五月| 精品一二三区久久AAA片| 深爱激情九九五月天| 国产午夜伦鲁鲁| 婷婷五月天成人综合网| 啪啪操操| 婷婷天堂综合| 成人色情五月天婷婷丁香| 婷婷五月天99综合网站| 99视频这里有精品| 色~性~乱~伦~噜| 开心五月深爱五月| 美女激情婷婷| 99久热精品在线| 色五月色五天色情网| 男人的天堂999| 成人国产欧美大片一区| 激情五月婷婷五月| 婷婷丁香五月天综合AV| 99热传媒| 日韩AV片| 婷婷热婷婷色| 伊人久热91| 九九色人| 色狠狠色狠狠| 99热日韩| 婷婷五月丁香青青草在线| 色色色无码| 91色久| 欧洲色区| 六月婷婷综合| 激情五月天开心网丁香无码| 91视频综合网| 色婷婷基地 | 丁香五月婷婷影院| 丁香五月 综合| 丁香五月激情啪啪综合| www.狠狠| 亚洲天堂aaa| 六月丁香久久| 91综合色噜噜| 狠狠色综合网| 五月婷婷视频| 五月社区婷婷激情| 久久久.COM| 久草热8精品视频在线观看| 99久久玖玖| 99re热精品在线视频| 久久九九99视频| 亚洲美女高潮久久久久久69| 操一操| 精品激情| 婷婷丁香五月基地| 欧美日韩成人| 亚洲六月色婷婷| 桔色成人官方网站| 大香蕉啪啪| 中文字幕在线aⅴ免费观看| 婷婷六月色开 | 色五月亚洲开心网| 激情综合五月婷| 婷婷综合久久综合| 99热精品在线| 婷婷激情六月综合| 99热这里只有精品在线播放 | 九九热a| 超级碰碰碰久久网站| 色色色色色色色色综合网| 丁香五月欧美色综合| 91爱操| 超碰人人在线观看| 久99热| 九九热在线观看视频| 久久精品在线| 91viP在线看| 亲子乱AV-区二区三区| 五月婷婷,六月丁香| 可以免费看AV网站| 99色啊| 中文字幕AV网址| 97人人干视频| 极品少妇XXXX精品少妇偷拍| 日本久久婷| 五月综合精品| va中文资源在线观看| 久久草中文日韩欧美| 色色色宗合网| 久久精品国产精品| 这里只有精品视频| 乱码操操| 五月天丁香| 久色网五月| 五月丁欧美| 日韩肏屄网| 99热超碰人| 99热精品在线播放| av在线资源| 开心网五月色婷婷| 精品无码99| 亚洲五月丁香综合网| 大香蕉九九热| 久久青青日本视频| 中文AⅤ大全| 亚洲亚洲人成综合网络| 久久婷婷伊人| 色色五月天婷婷| 色色a| 中文网av| 秋霞影音91人妻久久| site:wpjngj.com| 久久精典| 综合另类视频| 99热在线播放| 最新av在线观看| 久久色情综合免费网站| 五月丁香六月激情啪| 亚洲色欲欧美一区二区三区| 色婷丁香五月| 天天艹天天综合网| 99re6热在线精品视频播放速度 | 色色色色色色色色综合网| 91人操人人人操人| 激情五月天色播| 五月婷婷 激情五月| 99热这里只有精品33| 久久丁香婷婷五月天| 激情四射网| 亚洲成人av在线播放| 日韩人人操| 婷婷色色网站| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 国产超碰av| 色吧婷婷五月亚洲| 成人.在线日韩| 四LLL少妇BBBB槡BBBB| 亚洲精品视频在线播放| 99这里有精品视频| 丁香五月av| 五月天激情图片| 婷婷九月| 色婷婷视频| 狠狠综合| 五月天另类激情在线| 九九视频这里只有精品| 五月亭亭开心网| 天天色播| 五月天激情久久| 欧美色色色| 超碰人人草| 亚洲AV人人操| 久99热| 日本噜噜色网| 91精品国产综合久久密臀 | 五月 婷婷 成人| 婷婷五月天堂一本在线| 激情丁香五月天图片| 婷婷五月天在线观看免费| 婷婷十月丁香| 天天操天天曰| www,色婷婷| 色色色婷| 日韩另类| 久久五月天婷婷| 青青青在线视频国产| 婷婷成人基地| 90色免费视频| 高清国产一级婬片a免费| 五月天婷婷久草丁香| 第四色五月婷婷| 色碰干| 中文字幕在线免费观看视频| 五月天婷婷午夜丁香| 丁香五月婷婷久久久| 天堂婷婷五月在线| 婷婷色丁香五月| 日本激情综合| www.婷婷,com| 天天干天天日天天操| 丁香啪啪| 草草色情综合网| 久久99激情五月天| 五月婷久久草| 狠狠色丁香五月婷巨| 国产精品色色666| 丁香五月狠狠综合欧美| 色五月婷婷色五月| 色婷婷成人网| 开心激情婷婷| 日韩三级高清无码| 九九色播五月丁香| 色婷插| 日本三级色| 丁香五月777| 综合色99| 丁香五月激情月| 五月天激情AV| 五月婷婷丁香大陆免费| 九九黄色网| 天海翼中文字幕高| 激情五月婷色| 538任你爽| 深爱五月婷婷开心中文字幕| 99愛国产| 丁香五月婷婷超碰在线| 99在线精品免费视频| 情色五月天 网站| 九九热婷婷| 五月天激情小说| 成人网站免费sxj| 天天色天天爱天天爱天天爱y| 婷婷 伊人 久久| 亚洲热热视频| 97人碰人操| 色色色色色色色色色色色色色97| 操操操www.com| 99热精品一| 天天摸天天做天天爱天天爽| 六月激情婷婷| 青吴乐视频| 激情综合色图| 五月天婷婷色播在线网| 丁香激情网| 久久思思热| 大香蕉婷婷婷| 久久色情| 丁香五月激情综合啪啪| 久久五月丁香| 任我干视频在线观看| 91九色无码日韩 | 日日夜夜狠狠婷婷色| 五月丁香婷在线| 色欧美影院| 午夜69成人做爰视频| 久久99日本精品视频免费观看| 五月色网| 97丁香五月| 五月婷婷色色| 韩国97天堂| www.丁香五月| 开心激情播播五月天| 婷婷久久五月| 亚洲色区17| 久久香蕉网| 五月丁香做爱视频| 五月色婷婷综合| www.久久99精品| 四色永久成人网站| 99免费视频网| 中文字幕在线免费观看视频| av第一二区| site:esunnet.com| 中文字幕AV网址| 精品欧美一区二区三区久久久 | 激情四射网| 激情网 久久| 五月丁香无码| 亚洲AV色婷婷人禽五月天| 思思热这里只有精品| 热久免费视频9| 久去色色| 超碰国产在线观看| 97人碰人操| 天天性视频| 五月天久久婷婷| 嫩BBB槡BBBB搡BBBB| 五月丁香久久呀| 色婷婷激情视频| 99这里只有精品|v| 97久久久免费福利网址| 狠狠干青青草| 亚洲va综合va国产va中文| 啪啪东京热| 91视屏在线观看com.wwwvv| 天天天天天操| 99热这里全是精品| 婷婷色偷拍| 激情五月婷婷在线区| 五月色网| 百度4399有码精品V在线观看| 天天干,噜噜色,狠狠色| 97色色综合| 蜜乳人妻一区二区三区| 天天檫天天爽| 性爱视频久久| 久久伊人大香蕉| 日婷婷久久开心| 国产成人精品一区二区三区视频 | 久久色这里只有精品| 大香网伊人久久综合| AV成人在线播放| 天天综合亚洲| 婷婷激情五月呦呦| 2020久久婷婷五月| 婷婷另类小说| 激情五月综合网最新| 噜噜五月天综合| 中文字幕日本最新乱码视频| 激情小说五月天社区丁香| 能看的av| 99热官网精品在线| 欧美激情综合色综合| 亚洲精品久久久无码| 99久视频| 婷婷天堂综合| 热99精品视频| 五月天激情图片| 色婷婷播放| 襙逼网| 日韩无码专区| 激情五月天色| 亚洲激情综合| 嫩草视频在线观看| 激情综合在线观看| 涩九九九九| 26uuu在线观看| 天堂二区| 色综合综合网| 五月婷婷亚洲| 中文字幕激情综合| 九色啦蜜臀| 自拍视频99| 五月丁香婷婷俺| 不卡在线视频| 5月丁香六月情| 免费视频WWW在线观看网站| 天天玩天天摸| 天天操综合网| 激情综合五月激情17| 五月丁香人妻| 异能之下短剧免费观看全集| 思思re99视频在线观看| 99小视频在线| 五月天色不卡| site:pzdcoin.com| 深爱激情综合网| 欧美性爱五月天| 色五月色五天色情网| 五月天婷婷免费| 狠狠99| 99资源在线视频| 久久丝袜婷婷| 99热碰碰热| 激情久久五月天| 久久伦乱| 九色视频91| 99爱爱| 丁香五月影院| 久久精品性爱视频,| 久久激情五月婷婷| 婷婷五月天激情文学小说| 中文av网| 激情五月综合六月丁香婷婷狠狠干| 天天干天天拍| 人人色AV| 亚洲美女裸体被操在线观看| 人妻无码精品一区| 激情五月婷婷视频一区二区三区| 亚洲av日韩无码| 网色99| 丁香五月天堂| 五月婷婷就去色| 天堂伊人干| 色五月视频,小说| 超碰无码老师| 97五月久久丁香婷婷| 九九精品综合| 无码色| 亚洲狠狠狠色婷婷综合激情久久久| 香蕉AV777XXX色综合一区| 色婷婷香蕉丁丁网| 9热久久在线| 97碰碰在线观看视频| 91九色丨国产丨爆乳| www.lingjunshare.com| 色色色色色日韩午夜激情 | WWW.婷婷| 美女精品一级不卡视频| 综合网天天| 免费99情趣网视频| 级人人91| 欧美成人精品A片免费一区99| 99热在线精品播放| 婷婷综合视频| 婷婷五月天堂一本在线| 久久九九中文字幕| 五月丁香成人网| 色久五月| 超碰9在| 99色婷婷| 色五月婷婷大| 大香蕉人人网| 色婷婷视频在线| 亚洲激情高潮| 久久99日本精品视频免费观看| 久99热在线观看| 久思思热视频在线观看| 无码视频国内精品久久久| 可以直接看的AV| 国产成人综合在线| 粉嫩AV久久一区二区三区| 激情五月综合网最新 | 99热丁香| 久久人妻精品| av性爱网站| 婷婷综合五月天| 国产肥白大熟妇BBBB视频| 婷婷五月激情在线视频| 久草天堂| 5月丁香综合图区| 婷婷刺激综合| 婷久看人爽| 激情五月天福利| 五月天大香蕉| 79色色免费| 丁香六月婷| 六月婷婷综合| 六九色综合婷婷五月天| 色婷婷五月天亚洲| 51精品国内探花| 91ncom.色| 五月婷婷黄色视频| 色色无码| 天天爽天天摸天天爱| 久久久婷婷| 大香蕉福利导航| 激情久久久久久| 99色热视频| 97色色婷婷五月天| 亚州在线中文字幕| 亚洲AV日韩无码| www.五月天婷婷姐姐| 欧美色色色色色色| 免费无码毛片一区二区A片| 日本色爽| 爱草视频在线观看| 成人五月天丁香婷| 1024国产在线| 日本综合久久| 婷婷精品综合| 天天爱天天日| 午夜丁香综合婷婷| 免费无码毛片一区二区A片| 国产.亚洲.欧洲视频在线| 欧洲日韩一区二区三区| 欧美日韩成人免费在线| 六月婷婷综合网2| 久热91| 午夜色丁香| 久久久思思热| 六月丁香狠狠爱| 无码少妇高潮喷水A片免费| 91碰超| 五月天激情美女久久| 久久久中文| 亚洲免费电影2| 亚洲乱码精品久久久久..| 99热综合色图| 天天免费日日夜夜夜夜| 五月婷婷六月丁| 金品在线视频99| 成人网在线观看视频| 久久9久| 五月六月婷婷| 四色 爱 婷婷 精品 亚洲 五月天| 婷婷五月天丁香社区| 九月丁香很很色| 丁香五月天电影| h在线看免费版在线看| 天天操天天谢| 久婷婷五月丁香在线观看| 五月丁香在线观看99| 久久婷婷五月天丁香| 日韩十国产极品久久| 五月天狠狠网站| 亚洲色综久久五月| 五月色情精品| 中国女人内射6XXXXX| 五月天大香蕉| 五月激情综合网| 五月丁香无码| 人妻五月天激情开心网| 色色日韩网| 六月婷婷色色色| 色色草97| 欧美婷婷色| 国产亚洲色婷婷久久99精品91| 色私五月婷婷| 狠狠操狠狠操AV| 久久久99精品| 五月色婷婷综合丁香精品无遮挡| 婷婷香香五月| 亚洲午夜视频| 天天综合久久| 色综合久网| 九月丁香婷婷基地| 大地9中文在线观看免费高清| av大香蕉| 97精品欧美91久久久久久久| 天天舔天天爽| 婷婷色正月| 丁香婷婷成人在线播放| 天天干-天天日| 久久综合热17c| 婷婷丁香五月亚洲欧美| 成人在线不卡| 超碰电影在线播放| 99热狠狠操| 一级黄色操B| 五月丁香激情综合网官网| 婷婷五月在线影院| 人妻熟人中文字幕一区二区| 久99热| 伊人婷婷五月天| www.色99| www狠狠| YJLZZJLZZ亚洲乱熟无码| 99热只有| www.久热| 丁香五月六月综合欧美| 夜夜爽天天干| 五月亭亭性| www,天天干| 婷婷香五月天| 婷婷五月天堂| 亭亭五月丁香五月天激情| 激情五月小说婷婷| www.minyis.com【JT】实力收量可预付QQ2101460746 | 婷婷五月天电影网| 色停停五月,在线观看| wWwCom夜操wwW| 99久久婷婷国产综合精品草原| 九九色99| 伊人91| 《诡秘之主》在线观看| 亚洲成人网无码| 99精品视频免费在线播放| 99色在线视频观看| 狠狠色婷婷7| 色情·com| 日本婷婷综合精品| 色婷婷六月综合| 五月花婷婷最新| 台湾佬天天日丁香婷婷五月天| 插插五月天| 中文字幕色色色| 五月播播| 免费观看的av| 99在线免费视频| 丁香六月久久| 久色视频| 中文字幕网伦射乱中文| 国产XXXX搡XXXXX搡麻豆| 五月婷婷视频| 亚洲a片免费观看| 婷婷玖玖丁香| 色99热| 永久无码色| 九九爱这里只有精品| 色五月婷婷成人视频| 伊人天天色| 日本欧美国产| 日婷婷久久开心| 国产.亚洲.欧洲视频在线| 另类图片色五月| 能看的av网站| 色婷婷成人做爰A片免费看网站 | 六月婷婷狠狠| 五月综合激情视频| 丁香婷婷深情五月亚洲| 婷婷月综合| 99热手机在线精品| 日韩成人无码| 97干在线免费| 成人在线综合| 天天激情5月天亚洲| 婷婷五六日| 五月综合色播播丁香婷婷| 激情五月婷| 综合色色婷婷| 精品无码久久久久久久久| 天天插操| 婷婷丁香成人五月天| 婷婷啪啪| 三十路磁力链接| 色婷婷亚洲精品天天综| 丁香六月 人妻| 人人做天天爱| 欧美久久网| 色婷婷导航| 天天插操| 日本人人干| www.激情在线| 97婷婷五月| 免费啪啪亚州视频| 久热99| 欧美久久久中文字幕| 黄色片精品| 亭亭丁香久久五月| 色婷婷丁香五月综合| www.91在线观看| 九九热在线精品视频| 丁香八月综合激情| 日本啪啪天堂| 欧美韩日AAA网站| 天天影院色| 色播播五月天| 99久久久精品| 337p大胆噜噜噜噜噜91Av| 26UUU亚洲欧美| 噜一噜在线| 五月天激情国产综合婷婷婷| 成人免费超碰| 性一交一乱一交A片久久四色| 丁香五月天欧美| 中文久久婷婷| 国产人妻人伦精品一区二区| 五月丁香婷婷99| 97色色色色色色色| 婷婷五月天堂一本在线| 五月综合久久| 精品9久| 亚洲欧美成人在线| 九九热短视频在线观看| 超碰com| 国产视频色色色色色色色| 色色九九五月天 | 亚洲操逼片| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 99亚洲日韩| 亚洲精品视频在线| 激情综合网激情五月俺也去| 国产精品99久久久久久猫咪| 狠狠干五月丁香| 久久婷婷五月综合色丁香| 国产精品第一国产精品| 无码髙清| 九九热99精品| 色婷| 丁香五月婷婷五月基地| 日韩成人精品中文字幕| 手机免费福利视频| 婷婷五月色| 色婷婷文字幕| 丁香伊人激情| 91色色色18| 精国产品一区二区三区A片| 五月丁了香蕉综合| 婷婷六月色丁香视频在线观看| 色婷婷五月天在线观看| 99精品无码| 久久综合婷婷五月| 亚洲性爱99在线| 99操碰| 亚洲图片 丁香婷婷| 色丁香五月婷婷婷| 婷婷 伊人 久久| 黄桃AV无码免费一区二区三区| 日本高清久| 丁香色情五月综合网站| 色噜噜狠狠色综合日日| 婷婷综合亚洲| 亚洲精品第一国产综合亚AV| 精品久久二6| 99精品97| 这里只有精品免费视频在线观看| 午夜丁香婷婷| 六月丁香狠狠爱| 99这里只有精品在线观看| 操人无码| 免费AV在线网址| 五月色导航| AV大香蕉| 久久日九九| 天天狠狠色噜噜| 在线综合网| 欧美超碰人人| 狠狠狠五月婷婷六月丁香| 五月婷婷天| 美欧成人视频| 亚洲五月天婷婷在线| 热久久这里只有精品| 色综合中文色综合网| 久久九九蜜| 成人视频网| 色五月天激情| 天天色天天日天天舔| 99久| 免費亭亭成人| 夜夜爽天天干| 久久五月婷婷丁香| 7EzOBIhNq85TO| www.五月婷婷久久.com| 婷婷午夜天| 狠狠干五月| 久久永久网址| 日韩在线视频中文字幕| 狠狠狠狠青草| 一本综合丁香日日狠狠色| 99综合视频一体| 97精品欧美91久久久久久久| 日日夜夜狠狠| 亚洲黄色操逼| 五月天婷婷色小说| 婷婷久久久| 五月天综合久久| 婷婷色在线播放| 日本A片一区| 婷婷深爱五月丁香网| 大地资源色婷婷视频在线| 天天艹天天综合网| 九色视频91| 久久婷视频| 国产激情综合五月久久| www五月婷婷88导航| 色综合播放| 日韩一级片| 久热大香蕉| 91碰| 色婷婷玖玖影院| 亚洲色综久久五月| 超级碰碰碰碰视频| 热久久视频99| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 天天噜天天插| 色综合天天综合成人网| AV五月丁香| 成人一级片| 五月丁香久久呀| 综合网五月| 五月丁香偷拍| 五月丁香六月综合激情无码软件亮点| 色狠狠婷婷| 日日肏天天操| 日本WwW色偷偷丁香花久久久京东热| 激情婷婷丁香色情五月天| 婷婷色色网| 5月婷婷综合| 亚洲成人免费电影| 99综合色色色| 中文字幕在线免费观看视频| 久综合网| 99色免费观看全部| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 91 久热| 五月天狠狠干| 欧美五月婷婷综合| 五月婷婷激情四月| 字母不卡码人逼| 99A片| 婷婷伊人綜合| 婷婷丁香六月天| 97资源碰碰在线| 99re热在线视频观看| 超碰三级片| 色五月色图| 国产成人av在线播放| 五月丁香综合啪啪| 亚洲人妻av| 五月色网| 一级片sese片.COM| 1024人妻| 夜夜操夜夜姧| 日韩精品一区二区三区,四区,五区视频| 九九热99精品| 大香蕉视频99| 韩国天天婷婷| 久草丁香婷婷五月天婷| 99ri视频在线播放| 51XX午夜影福利| 色五月AV| 国产成人AV人人爽人人澡Va| 思思久久99热只有频精品66| 天天爽夜夜爽夜爽精品| 丁香啪啪中文字幕| 丁香五月婷婷网| 碰97久久| 亚洲色网址| 国产va在线视频| 91久久久久久久久久18| 日本激情综合| 91婷婷在线观看| 99色中文| 激情综合五月激情17| 大香蕉久操| 丁香五月天五码婷婷| 99在线免费视频播放| 国产成人亚洲综合A∨婷婷| 欧美天堂久久| 久久久97| 思思久久思思| 2021日韩无码| 九九色色网| 俺来也综合网精品一区| 亚洲电影在线观看| 玖玖精品视频| 久久色五月| 中文字幕在线日亚州9| 婷婷激情蜜桃玖玖丁香| 九九视频在线观看视频在线播放69| 五月丁香综合| 91碰碰碰| 九八Av| 色色亚洲五月天| 曰曰久久| 色婷婷五月天| se99视频| 五月天综合激情网| 激情久久久| 丁香五月天激情小说| 91日综合欧美| 日韩另类| 六月婷婷狠狠色在线观看| 99精品久久久久久久久| 亚洲在线综合| 激情综合综合综合| 婷婷丁香大香蕉| 97人凄人人操人人爽| 婷香五月网在线| 日本韩国视频在线观看社区免费的9| 五月婷婷激情日本| 性韩日色婷婷五月天激情啪啪XXX| 久久久av久av久片一区二区| 久久这里只有精品99| 色婷婷综合网| 碰超亚洲| 99热这里都是精品| 丁香五月视频在线观看| 99视频在线看| 精品久久99码| 色婷婷色五月综合| 99久久精品色老| 免费观看18视频网站| 开心激情五月天网| 婷婷月五天在线在线看| 色综合综合综合| 日本色99| 99视频在线观看欧| 丁香六月| 亚洲乱码日产精品BD| 99精品在线观看视频| 丁香六月婷婷综情欧美| 九九Y精品热播| 五月天婷婷色综合| 五月亭亭综合五码| 激情久久综合| 北条麻妃伊人 | 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 婷婷五月天电影区小说区| 91精品久久久久久久| 亚洲网在线观看| 1024操逼视频| 五月婷婷co.m| 免费国产视频| 老美AA片| 日日干天天射| 99热日韩| 色五月婷婷久久| 婷婷综合国产| 六月激情综合| 五月天婷婷丁香社区| 丁香无月在线观看| 丁香五月WWW| 婷婷亚洲色| 天天摸色吧天天摸色吧| 九九视频免费| 99精品九九| 五月天激情网图片| 久草热在线视频| 婷婷激情五月综合基地| 伊人久久大香线蕉av一区| 五月天天丁香婷婷| 99热国产这里只有精品| 亚洲第一精品网站| 色八月婷婷| 久久色五月天| 日逼AV影音先锋男人资源站| 九热视频| 五月婷婷六月丁香在线| 婷婷六月丁香久| 玖玖色综合网| 天色色综合网| 欧美在线干| 激情綜合網址| 五月天婷a| 99热只有精品综合| 色综合久久88| 久久ri精品| 人人爱人人草| 26.uuu丁香五月婷婷| 五月天成人在线播放丁香| 91丨九色丨大屁股| 无码A片一区二区免费| 五月J香蕉婷婷| AAA久久| 九色无码| 热热久久99| 色五月婷婷、老熟女| 超碰在线人人| 色欧美日| 五月天丁香久久综合 | 免费成片在线观看| 99ER热精品视频| 天天干狠狠| 欧美日韩成人高清在线| 五月丁香激情在线| 久久五月人人摸| 久久久久9| 9999热在线观看| 无码字幕中文| 香蕉AV777XXX色综合一区| 五月丁香六月婷婷网| 五月天天天天天天天天天天天婷婷婷| 丁香六月亚洲综合 | 丁香五月在线人妻| 激情床戏| 日91高清无玛| 亚洲狠狠色丁香婷婷综合久久| 婷婷五月丁香五月| 久久丁香五月婷婷| 99爱视频| 九九精品在线观看视频6| 深爱五月中文字幕| 日本老女人黄页在线播放| 日韩肏屄网| 2022久久婷婷| 亚州成人综合在线| 风流少妇A片一区二区蜜桃| 丁香五月成人网| 99热自拍| 亚洲成人中心| 婷婷色情六月| 97韩国久久电影院| 五月天另类小说| 色999亚洲人成色| 久操福利| 亚洲欧洲午夜成人精品av| 色婷婷狠狠18yy| 亚洲网在线观看| 无遮挡国产高潮视频免费观看| 超碰久热| www.97碰碰com| 影音先锋91资源站| 色色色com| 79色色色色| 色五月丁香六月婷婷| 操丝袜视频影院导航| 精品人妻伦| 五月伊人综合| 五月天另类小说亚洲| 婷婷爱在线观看| www.婷婷五月| 五月色色色| 久久永久视频| 欧美成综合在线观看| 婷婷酒色网| 不卡成人免费| 五月刺激丁香月综合| 亚洲综合色婷| 丁香六月婷婷缴情欧美| 五月丁香六月片| 九九婷婷五月天| 中文字幕中文有码在线| 夜夜操加勒比| 青青草伊人婷婷| 99原创自拍视频在线观看| 韩国真做片在线观看| 婷婷五月天福利| 国产精品99久久久久久久女警| 天天色情站| 日本欧美成人片AAAA| 色婷婷基地| 在线观看国产高清视频免费网站 | 丁香狠狠色婷婷| 成人电影AV在线观看| 91九色国产熟女| 超碰色色综合| 九九热欧美| 九九热九九| 永久精品| 大香蕉婷婷| 亚洲精品V天堂中文字幕| 日产精品久久久久久久蜜臀| 91精品久久久久久久久久| 婷婷中文字幕网站| 婷婷五月激情在线| 超碰免费电影| 超碰高清在线| 五月天婷婷网站888| 婷婷五月天黄色| 久久久WWW| 狠狠艹狠狠艹| 日日婷婷不卡| 激情综合色| 91精品久久久久久综合五月天| www激情| 久草a片| 九九99九九99| 色综合色色色| 风流少妇A片一区二区蜜桃| 久久婷婷七月丁香| 婷婷五月天丁香综合网| 欧美啪啪网| 成人一级片| 亚洲另类婷婷五月丁香在线播放| 26uuu国产色| 色婷婷五月综合在线| 丁香六月婷婷综合啪啪| 五月婷婷九九热| 99激情网| 99操碰| 91丁香色| 九九久久精品國產| 五月婷婷深深爱| 黄色99视频| 成人AV在线网站| 色欲色香伊人| 久久538| www久| 人妻体体内射精一区二区| 久久精彩视频18| 色播激情| 人妻视频在线| Xx色综合| 久久机只有这里精品| 99精品视频免费观看| 开心五月综合激情网| 色综合色综合网| 丁香五月综合网| 婷婷 伊人 久久| 99热网站| 思思综合热| 天天综合网在线| 色99网| 欧美成人AAA片一区国产精品| 国产黄色大片| 五月婷啪| 五月激情丁香五月宗合| 五月丁香在线婷婷美女| 超碰a女人的天堂| 91九色在线| 婷婷综合玖玖五月| 9热视频在线观看| 婷婷久久五月| 色丁香影院| 99九色视频在线观看| 99re6在线视频精品免费| 色吧99| 婷婷五月色情天| 五月色天五月色| 欧美啪啪9|