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。

Pandas apply() 深度解析:原理、性能陷阱與正確用法

Pandas apply() 深度解析:原理、性能陷阱與正確用法 【Pandas】— apply() 深度解析我第一次用 apply() 是在處理一張 60 多萬行的優(yōu)惠券核銷數(shù)據(jù)。當(dāng)時只想著用 for 循環(huán)太慢了apply 總該快一點吧結(jié)果跑下來快兩分鐘被一個用原生向量化方法的同事版本秒成渣。后來我才意識到我對 apply 的所有認知都停留在“它能跑函數(shù)”這個層面。功能會用了原理完全沒懂。這篇內(nèi)容我不打算把官方文檔抄一遍而是從我踩過的坑里把 apply() 的幾個關(guān)鍵問題拆開講透它到底是在干什么、什么時候該用它、什么時候千萬別用、性能為什么慢、以及遇到各種詭異報錯時怎么排查。無論你是剛接觸 Pandas 的新手還是已經(jīng)在數(shù)據(jù)清洗里被 apply 坑過的老手這篇內(nèi)容應(yīng)該能讓你少走不少彎路。1. apply() 到底在解決什么問題1.1 它不是“高級循環(huán)”那么簡單很多資料喜歡說“apply 就是隱式循環(huán)”這句話對了一半。apply 確實是循環(huán)但如果只把它理解成循環(huán)你會錯過它最核心的定位讓一個普通的 Python 函數(shù)能夠作用到 DataFrame 的每一行、每一列甚至每一個分組上。舉個例子你有一個 DataFrame里面存著商品的價格和折扣率import pandas as pd df pd.DataFrame({ 商品: [A, B, C], 原價: [100, 200, 150], 折扣率: [0.8, 0.65, 0.9] })現(xiàn)在想算折后價常規(guī)做法是直接向量化df[折后價] df[原價] * df[折扣率]這種寫法好、快、清晰不需要 apply。但現(xiàn)實數(shù)據(jù)往往沒那么乖。比如折扣率有的存成字符串 8折有的寫成 滿300減50價格里還混著 100元 這種帶單位的數(shù)據(jù)。這時你沒法直接用乘法得先寫一個函數(shù)去解析這些亂七八糟的格式然后把函數(shù)逐行應(yīng)用。這才是 apply 的主場。1.2 用 apply 的正確姿勢先回答一個問題我現(xiàn)在的判斷標準很簡單用 apply 之前先問自己計算邏輯能不能拆成 Pandas 內(nèi)置的向量化操作能就不用 apply不能再考慮 apply。這句話說起來容易做起來很多人還是拿不準。我通常用一張判斷邏輯圖來衡量如果是“列 A 等于某值列 B 取另一列的值”這種簡單條件優(yōu)先用 np.where 或直接布爾索引。如果是要把一列字符串做歸一化優(yōu)先用 Series.str.replace / str.extract 等字符串方法。如果是要做分組后的聚合優(yōu)先用 groupby.agg。只有當(dāng)邏輯真的無法用以上方式表達比如每一行的判斷依賴多個字段的組合、或者需要調(diào)用一個第三方解析函數(shù)才輪到 apply。當(dāng)然還有一個額外的考量維度代碼可讀性。先說結(jié)論如果一段邏輯用 apply 自定義函數(shù)能寫得非常直白而向量化寫法需要嵌套三四個方法、閱讀成本極高那么我寧可犧牲一點性能來選擇 apply。原因很實在代碼是給人看的下一次維護這段代碼的大概率是三個月后的你。1.3 拿它和 map、agg、transform 分個家apply 經(jīng)常和 map、agg、transform 混淆很多人就是因為分不清這幾個才踩的坑。我做了一個表平時干活時基本就靠這個表做選擇函數(shù)作用對象返回結(jié)果典型用途Series.mapSeriesSeries單列映射、字典替換Series.applySeriesSeries / 標量單列逐元素處理DataFrame.applyDataFrameSeries / DataFrame整行、整列處理DataFrame.applymapDataFrameDataFrame逐元素處理已廢棄改名DataFrame.aggDataFrame聚合結(jié)果對列做聚合如 sum、meanGroupBy.applyDataFrameGroupByDataFrame / Series分組后做復(fù)雜處理其中值得多說一句的是 applymap新版 Pandas 已經(jīng)把它重命名成 DataFrame.map你在老代碼里會經(jīng)??吹?。它的語義是“對 DataFrame 里每個元素執(zhí)行函數(shù)”但實際開發(fā)中它的使用頻率很低因為絕大多數(shù)逐元素操作都可以靠向量化完成。2. 核心細節(jié)拆解apply 的參數(shù)和返回值2.1 Series.apply 與 DataFrame.apply 完全不同這個坑我踩過。不同書籍和教程混著講導(dǎo)致很多人以為 apply 就是“對每個單元格跑一遍”這是錯誤的。Series.apply 是對 Series 中每個元素依次調(diào)用函數(shù)返回值是一個新的 Series。比如s pd.Series([1, 2, 3]) s.apply(int) # 0 1 # 1 2 # 2 3 # dtype: int64這個例子中 int 是 Python 內(nèi)置函數(shù)apply 把它逐一作用到 Series 的每個元素上。DataFrame.apply 的默認行為完全不同。它的 axis0 時是“按列掃描”函數(shù)接收的是每一列這個 Seriesaxis1 時是“按行掃描”函數(shù)接收的是每一行這個 Series。換句話說DataFrame.apply 中函數(shù)處理的是整列或整行而不是單個單元格。df pd.DataFrame({a: [1, 2], b: [3, 4]}) # axis0 時函數(shù)接收的是列 Series df.apply(lambda col: col.sum()) # a 3 # b 7 # dtype: int64 # axis1 時函數(shù)接收的是行 Series df.apply(lambda row: row[a] row[b], axis1) # 0 4 # 1 6 # dtype: int64注意看默認 axis0 的結(jié)果是一個 Series索引是列名axis1 的結(jié)果雖然也是 Series但索引是原來的行索引。2.2 axis 參數(shù)為什么經(jīng)常搞反我身邊幾乎所有同事都在這上面翻過車。為什么 axis0 反而是“按列”因為這里的 axis 指的是“刪除/操作的坐標軸方向”axis0 表示“沿著行的方向移動” 所以每移動一步就取到一列數(shù)據(jù)。axis1 表示“沿著列的方向移動”每移動一步就取到一行數(shù)據(jù)。這個記憶法現(xiàn)在是我的默認答案。還有一個更直接的訪問方式記不住就直接寫“我想要行處理還是列處理”然后通過行為來判斷我想對每一行的 a、b、c 三個字段做組合計算 → 用 axis1。我想對每一列做同樣的處理 → 用 axis0。但我必須提醒一句在 DataFrame.apply 中用 axis0 做逐列處理時函數(shù)收到的“一列”是 Series它的名字是列名用 axis1 做逐行處理時函數(shù)收到的一行也是 Series它的名字是行索引。這意味著在 axis1 的函數(shù)體里你依然可以用 row[列名] 的方式取數(shù)這也是大多數(shù)人常用的方式。2.3 返回值到底怎么確定apply 的返回值經(jīng)常讓人措手不及因為它是動態(tài)推斷的??偨Y(jié)起來就一句話函數(shù)的返回值類型不同apply 結(jié)果的類型也會不同。如果函數(shù)返回標量比如數(shù)字、字符串、布爾值那么 DataFrame.apply 的結(jié)果是一個 Series你用 Series.apply 時結(jié)果也是 Series。如果函數(shù)返回 Series比如你在函數(shù)里構(gòu)造了一個 pd.Series 并返回那么 DataFrame.apply 的結(jié)果會變成一個 DataFrame且每個返回的 Series 會成為結(jié)果 DataFrame 的一行或一列取決于 axis 方向。df pd.DataFrame({a: [1, 2], b: [3, 4]}) def calc(row): return pd.Series({ sum: row[a] row[b], diff: row[a] - row[b] }) df.apply(calc, axis1) # sum diff # 0 4 -2 # 1 6 -2注意兩個返回 Series 的索引sum、diff會被自動用作結(jié)果 DataFrame 的列名。這個行為在某些場景下很實用比如同時生成兩列新數(shù)據(jù)時可以直接用。但如果返回的還是 DataFrame情況就會變得復(fù)雜。函數(shù)返回 DataFrame 時apply 的結(jié)果可能會變成一個多層索引的 Series 或 DataFrame因為 Pandas 會把返回的 DataFrame 完全塞進結(jié)果里。實戰(zhàn)中這種情況很少見我也不建議刻意使用因為結(jié)果結(jié)構(gòu)很容易讓人懵。2.4 關(guān)于 apply 的 raw 參數(shù)apply 還有一個經(jīng)常被人忽略的參數(shù) raw默認是 False也就是函數(shù)收到的是 Series。把 raw 設(shè)為 True 后函數(shù)收到的是 numpy 數(shù)組ndarray性能會提升不少。原理其實很直接Series 是一個包裝對象帶著索引、dtype 等額外信息numpy 數(shù)組更輕量。在 apply 的計算場景中絕大多數(shù)函數(shù)只關(guān)心數(shù)值本身不關(guān)心索引所以沒必要讓每行都包裝成 Series。實測下來rawTrue 的性能提升幅度可以達到 1.5 到 3 倍尤其是在函數(shù)內(nèi)部頻繁做數(shù)值運算的時候。df.apply(lambda row: row[a] row[b], axis1, rawTrue)不過這里有一個坑rawTrue 時函數(shù)接收的不再是 Series不能直接用 row[a] 這種按列名取數(shù)的方式只能按下標訪問比如 row[0]、row[1]。所以如果你的函數(shù)邏輯里需要按名字訪問列字段rawTrue 就不太方便了。你自己權(quán)衡如果函數(shù)邏輯簡單、列順序穩(wěn)定rawTrue 是很好的優(yōu)化手段。3. 性能實測apply 的鍋還是你寫法的鍋3.1 同一種需求五種寫法耗時對比我專門做了一組對比實驗數(shù)據(jù)是 20 萬行的 DataFrame每一行有兩個數(shù)值列 a 和 b需求是計算一個相對復(fù)雜的公式。我分別用原生向量化、numpy 向量化、apply、for 循環(huán)、列表推導(dǎo)式五種方式實現(xiàn)記錄耗時。import pandas as pd import numpy as np import time df pd.DataFrame({ a: np.random.rand(200000) * 100, b: np.random.rand(200000) * 100 }) # 方法1Pandas 原生向量化 t0 time.time() res1 df[a] * 2 np.log1p(df[b]) df[a] * df[b] t1 time.time() # 方法2Numpy 向量化 t0 time.time() res2 np.where( df[a].values 50, df[a].values * df[b].values, df[a].values df[b].values ) t1 time.time() # 方法3apply def calc_row(row): if row[a] 50: return row[a] * row[b] return row[a] row[b] t0 time.time() res3 df.apply(calc_row, axis1) t1 time.time() # 方法4for 循環(huán) result [] cols_a df[a].values cols_b df[b].values t0 time.time() for i in range(len(df)): if cols_a[i] 50: result.append(cols_a[i] * cols_b[i]) else: result.append(cols_a[i] cols_b[i]) t1 time.time() # 方法5列表推導(dǎo)式 t0 time.time() res5 [ (a * b) if a 50 else (a b) for a, b in zip(df[a].values, df[b].values) ] t1 time.time()我實際運行的結(jié)果大致分布為實現(xiàn)方式使用說明耗時相對值Pandas 原生向量化一行代碼搞定最推薦1xNumpy 向量化和 Pandas 原生差不多取決于是不是要脫離 DataFrame1x~1.2x列表推導(dǎo)式 values比 apply 好不少適合簡單邏輯5x~10xapply(axis1)寫法很優(yōu)雅但性能明顯下滑50x~100xfor 循環(huán) values慢在 Python 循環(huán)本身60x~120x我反復(fù)跑過很多次每次結(jié)果基本一致。注意 apply 和 for 循環(huán)差距不穩(wěn)定因為 apply 內(nèi)部做了更多包裝和處理但無論如何都遠慢于向量化。3.2 為什么 apply 這么慢性能差異的根本原因在于Pandas 的向量化操作底層是 C 和 numpy 的優(yōu)化實現(xiàn)而 apply 本質(zhì)上還是在 Python 層逐行執(zhí)行函數(shù)。很多人以為 apply 是個“C 語言級別的循環(huán)”所以會很快。這是最大的誤解。apply 的循環(huán)確實是 C 語言寫的外層遍歷框架但函數(shù)體是 Python 函數(shù)每調(diào)用一次函數(shù)Python 解釋器都要做參數(shù)打包、類型檢查、函數(shù)調(diào)用、結(jié)果解包這一整套流程才是真正耗時的地方。特別是你還在 lambda 里通過 row[列名] 取值每取一次值就要做一次索引解析會被放大更多倍。舉一個極端例子同樣是計算邏輯如果函數(shù)體里用 row[a]、row[b] 反復(fù)取數(shù)apply 的劣化會比使用 row.iloc[0]、row.iloc[1] 更嚴重。因為按列名索引涉及標簽匹配按下標索引則直接按位置訪問。還有一個很容易被忽略的點默認情況下 axis1 時函數(shù)收到的 row 是一個 Series一個 20 萬行的 DataFrame 相當(dāng)于創(chuàng)建了 20 萬個短命的 Series 對象。每個對象都有內(nèi)存開銷這一加下來非常嚇人。這也是為什么上文的 rawTrue 能帶來明顯加速的原因。3.3 什么時候 apply 反而是合理的性能差并不代表 apply 就該被完全封殺掉。我只在兩種場景下主動使用 apply。第一種場景是邏輯本身很復(fù)雜復(fù)雜到向量化做不出來。比如要解析一個包含多種格式的日期字符串或者要根據(jù)多個字段做一長串 if-else 判斷。這種場景下你不得不走 Python 循環(huán)apply 只是讓你能寫在 DataFrame 語義中代碼更干凈。第二種場景是數(shù)據(jù)量不大但代碼可讀性優(yōu)先。如果數(shù)據(jù)只有幾千行哪怕 apply 比向量化慢 100 倍耗時差距可能也就在幾十毫秒內(nèi)用戶根本感知不到。此時寫出清晰、直觀、易維護的代碼比追求極致性能更重要。我通常在團隊里強調(diào)一個原則先保證邏輯正確再談性能優(yōu)化。如果一段邏輯你用 apply 寫得明明白白就不要為了性能硬改成復(fù)雜的向量化寫法。但如果數(shù)據(jù)量上了幾十萬行性能差距就會非常明顯這時候必須認真對待。3.4 優(yōu)化 apply 的幾個實用手段如果你確實不得不用 apply還有幾個手段可以讓它別那么慢。一是上面的 rawTrue 參數(shù)前面已經(jīng)說過能提速。二是盡量減少函數(shù)體內(nèi)的索引操作。把需要的數(shù)據(jù)提前提取成局部變量不要每次都寫 row[列名]。三是如果函數(shù)邏輯里只涉及一列數(shù)據(jù)就不要用 DataFrame.apply(Axis1)換成 Series.apply后者性能通常更好。四是如果邏輯真的很復(fù)雜且對性能要求高可以試試 numba。Pandas 提供了 numba 引擎可以讓支持 numba 的函數(shù)在 JIT 編譯后運行性能往往能接近向量化。不過 numba 有它自己的限制比如函數(shù)內(nèi)部不能用 Pandas 對象只能用 numpy 數(shù)組或純 Python 基本類型這意味著你需要先把數(shù)據(jù)拆出來再通過構(gòu)造函數(shù)來操作開發(fā)成本會高不少。4. 實戰(zhàn)拆解四個真實場景中的 apply 用法4.1 復(fù)雜行級邏輯處理多字段聯(lián)合判斷這是 apply 的經(jīng)典使用場景。比如電商訂單表規(guī)則是訂單金額大于 500 且用戶等級為 VIP運費減免訂單金額大于 500 但普通用戶運費減半其余用戶全價運費。這種邏輯用向量化寫需要多層 np.where嵌套多了可讀性會很差。df pd.DataFrame({ 訂單號: [A001, A002, A003], 金額: [680, 320, 900], 用戶等級: [VIP, 普通, 普通], 基礎(chǔ)運費: [10, 8, 15] }) def calc_freight(row): if row[金額] 500 and row[用戶等級] VIP: return 0 elif row[金額] 500: return row[基礎(chǔ)運費] / 2 else: return row[基礎(chǔ)運費] df[實付運費] df.apply(calc_freight, axis1)這段代碼的好處是邏輯都在一個函數(shù)里測試方便以后規(guī)則變了只需要改函數(shù)不需要改主流程。如果你覺得這個函數(shù)以后還能復(fù)用到別的地方甚至可以單獨放到一個 utils 模塊里配合單元測試。4.2 數(shù)據(jù)清洗把不規(guī)范的字符串統(tǒng)一轉(zhuǎn)成數(shù)字處理外部數(shù)據(jù)時列里總是混著各種詭異格式。比如一個“銷售額”列既有數(shù)值也有 1,200元還有 約3000 這種描述。sales pd.Series([1,200元, 3000, 約2500, 1.5萬, np.nan]) def parse_sales(x): if pd.isna(x): return np.nan s str(x).replace(元, ).replace(,, ).replace(約, ).strip() if 萬 in s: return float(s.replace(萬, )) * 10000 return float(s) sales.apply(parse_sales) # 0 1200.0 # 1 3000.0 # 2 2500.0 # 3 15000.0 # 4 NaN # dtype: float64這種場景下apply 是最合適的選擇因為麻煩在于正則匹配和分支判斷向量化基本沒法做。你把邏輯寫成一個純函數(shù)然后用 apply 一烤整個列就干凈了。不過我想提醒一個小細節(jié)如果這個函數(shù)未來會被調(diào)用多次建議用 transform 或 map或者先緩存解析結(jié)果。反正數(shù)據(jù)清洗通常是一次性的性能要求沒那么高主要還是看代碼好不好維護。4.3 分組后的 applyGroupBy.apply 的注意事項groupby.apply 是一個但凡是真實業(yè)務(wù)就會遇到的功能。比如你有一個員工薪資表想按部門給每個員工算排名并且要生成“高于部門平均薪資”這樣的標記。df pd.DataFrame({ 部門: [技術(shù), 技術(shù), 銷售, 銷售, 銷售], 員工: [張三, 李四, 王五, 趙六, 錢七], 薪資: [15000, 12000, 10000, 8000, 6000] }) def enrich_group(group): group[部門排名] group[薪資].rank(ascendingFalse) group[是否高于平均] group[薪資] group[薪資].mean() return group result df.groupby(部門, group_keysFalse).apply(enrich_group)這里函數(shù)接收的是一個分組后的子 DataFrame你在函數(shù)內(nèi)部對這個子 DataFrame 做任何操作最終都會拼回去。這里有一個值得注意的參數(shù) group_keys。默認情況下 groupby.apply 可能在結(jié)果里加上分組鍵作為索引層group_keysFalse 可以避免這種多余的索引層級。不過 Pandas 新版本里的行為有調(diào)整如果你發(fā)現(xiàn)結(jié)果里出現(xiàn)了層級索引不用慌先試試這個參數(shù)。我還見過有人在這里犯過一個經(jīng)典錯誤分組 apply 的函數(shù)里試圖修改原始 DataFrame給原始 df 添加列但忘了分組后的 group 只是一個視圖或副本實際原表沒變。這個問題的根源是對“修改是發(fā)生在副本上還是原表上”沒有把握。我的建議是函數(shù)內(nèi)部創(chuàng)建新列并 return不要嘗試在全局變量上做修改否則很容易出現(xiàn)“函數(shù)里明明打印了外面卻沒變化”的詭異問題。4.4 一次生成多列apply 返回 Series 的妙用很多時候一列計算完還不夠同時要生成多列。與其分開調(diào)用多次 apply不如只調(diào)用一次讓函數(shù)返回一個 Series。df pd.DataFrame({ 商品: [A, B, C], 單價: [100, 200, 150], 數(shù)量: [3, 2, 5] }) def compute(row): subtotal row[單價] * row[數(shù)量] tax subtotal * 0.13 return pd.Series({ 小計: subtotal, 稅費: tax }) result df.join(df.apply(compute, axis1))這里注意apply 返回的是一個包含兩列的新 DataFrame再用 join 拼回原表。如果不想用 join也可以直接把結(jié)果賦值給 df[[小計, 稅費]]但前提是索引對齊做法實測下來經(jīng)常會有警告。更穩(wěn)的方案是用 join 或 concat。還有一個小技巧如果函數(shù)返回多個值而且不想構(gòu)造 Series可以配合 result_typeexpand。比如def compute2(row): subtotal row[單價] * row[數(shù)量] tax subtotal * 0.13 return subtotal, tax df.apply(compute2, axis1, result_typeexpand)這樣 apply 的結(jié)果會直接變成一個多列 DataFrame省去了構(gòu)造 Series 的麻煩寫起來更輕快。5. 常見問題與排查技巧5.1 明明寫了 axis1為什么還是報維度錯誤很多人在 DataFrame.apply 里寫了 axis1函數(shù)里卻試圖按列名索引但報錯信息經(jīng)常是“Series object is not callable”或維度錯誤。這個問題的本質(zhì)往往是你用了 rawTrue函數(shù)參數(shù)變成了 numpy 數(shù)組自然不能用 row[列名]。檢查一下有沒有動過 raw 參數(shù)。另一個類似情況是函數(shù)體內(nèi)用了 df.apply 而不是 row.apply也就是不小心對整體 DataFrame 調(diào)了 apply傳入的參數(shù)變成了 DataFrame于是函數(shù)內(nèi)部的索引邏輯全亂。排查這類問題建議在函數(shù)里先用 type 打印參數(shù)類型確認收到的是 Series、numpy 數(shù)組還是 DataFrame問題就會一目了然。5.2 apply 結(jié)果出現(xiàn) NaN我哪一步錯了這是我自己第一次用 apply 時踩的坑。場景是對 DataFrame 按行 apply 了一個返回 Series 的函數(shù)函數(shù)返回的 Series 索引和原始 DataFrame 的索引不一致Pandas 會自動做索引對齊匹配不上的位置就填 NaN。def calc_use_index(row): return pd.Series({sum_value: row[a] row[b]}, index[0]) # 錯誤示例 df.apply(calc_use_index, axis1)如果返回的 Series 索引不包含“sum_value”結(jié)果就會以 NaN 填充。解決辦法是保證返回 Series 的索引是需要的列名或者直接用 result_typeexpand 避免返回 Series。索引對齊是 Pandas 的核心特性但也是很多詭異 NaN 的來源。遇到這種情況先不要懷疑數(shù)據(jù)去檢查你的返回結(jié)果和原索引是否對齊。5.3 函數(shù)里能用全局變量嗎能但有坑apply 的函數(shù)體里訪問全局變量是可以的但如果你在函數(shù)內(nèi)部修改全局變量比如用 total row[金額]就會出現(xiàn)問題。原因是在 Python 里函數(shù)內(nèi)部 global 變量的更新需要聲明而 apply 的執(zhí)行順序和次數(shù)又不直觀容易導(dǎo)致結(jié)果不正確。我的建議是不要在 apply 里做有副作用的操作。它不是用來累加的工具累加請用 cumsum 或先取 values 再循環(huán)。如果你真的需要在 apply 過程中維護狀態(tài)把狀態(tài)放到一個可變對象里比如字典或列表然后通過 append 或 update 來保存結(jié)果但說實話這個場景已經(jīng)不適合 apply 了改用 for 循環(huán)更合適。5.4 Pandas 版本更新帶來的函數(shù)更名問題新版 Pandas 2.x 已經(jīng)把 DataFrame.applymap 改名為 DataFrame.map老代碼里如果你把 applymap 拷貝過來會直接報 AttributeError。很多人一看到這個報錯就慌了其實只要改成 map 或者改回舊版本即可。另外apply 的 engine 參數(shù)在 pandas 2.0 之后也支持了 numba如果你在舊文檔里看到 apply 不支持的東西可能只是版本差異。5.5 實踐中的幾條硬性原則這幾條原則是我踩過無數(shù)坑之后總結(jié)出來的基本上每次寫代碼之前都會過一遍能向量化就向量化apply 是備選方案不是默認方案。如果數(shù)據(jù)量超過 10 萬行先跑一下性能測試再決定用不用 apply。不要在 apply 函數(shù)里訪問外部大對象比如每行都去查詢一次數(shù)據(jù)庫這種寫法會慢到讓人懷疑人生。如果 apply 函數(shù)邏輯很復(fù)雜先轉(zhuǎn)換成普通 Python 函數(shù)用幾行數(shù)據(jù)測試通過后再接 apply。使用 DataFrame.apply(axis1) 之前確認每一列的數(shù)據(jù)類型是否符合預(yù)期。字符串列和數(shù)值列混在一起會引發(fā)各種奇怪的 TypeError。還有一點經(jīng)常被忽略apply 返回多列時盡量統(tǒng)一返回類型。如果有時返回 Series 有時返回標量Pandas 會自動推斷結(jié)果類型結(jié)果導(dǎo)致結(jié)果結(jié)構(gòu)不穩(wěn)定。我個人的經(jīng)驗是不用急著把 apply 當(dāng)作一個必須搞懂的高級技巧。它本質(zhì)上就是一個讓你在 DataFrame 上運行 Python 函數(shù)的橋梁。真正重要的是你的函數(shù)邏輯要清晰、數(shù)據(jù)預(yù)處理要到位、性能要心里有數(shù)。數(shù)據(jù)量小的項目里用 apply 通常不會出什么大問題數(shù)據(jù)量大了你自然會去研究向量化、numba、cython 這些更底層的加速方式到時候你對 apply 的理解只會更深刻。記住它是個工具不是信仰適合用的時候再用不適合的時候果斷放棄。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
欧美性生交A片免费看| 99毛片| 丁香五月婷婷大香蕉| 五月天婷婷操逼视频| 成人日韩欧美| 婷婷综合中文| 亚洲人人操| 久久免费操| YJLZZJLZZ亚洲乱熟无码| 99激情网| 另类婷婷五月天啪帕帕| 九九热99免费视频| 五月天另类综合网| 激情久久网 | 99精品免费| 综合激情综合啪啪| 婷婷五月丁香综合桃花色网| 99热亚洲精品| site:ornaments52.com| 国产老熟妇亲子乱对白| 五月婷婷六月丁香综合| 日本狠狠干| 色噜噜狠狠色综无码久久合欧美| 中文乱子伦视频| 9l视频自拍9l视频自拍九色学生| 亚洲国产精品VA在线看黑人| 亚洲天堂aaa| 色婷婷888| 99精品在线| 久色国产| 婷婷久热| 欧美成人在线观看| 亚洲色婷婷| 丁香午月AV中文字幕| 激情五月天婷婷播播久久综合91| 性天堂久久| 天堂爱爱| 噜噜狠狠色综合久| 免费看欧美成人A片无码| 色五月婷婷丁香五月| 99热精品网| 亚洲天天操| 婷婷丁香激情综合色情| 欧美情色电影一区二区| 九九99九九99九九99视频网| 婷婷综合五月色播| 91九色国产| 97caop| 激情五月天开心| 天天日综合网射| 97碰碰人人视频| 色五月综合网| 综合一本道| 一级片sese片.COM| 日韩久操婷婷| 99久久99九九99九九九| 激情亭亭五月| 99综合99| 6月丁香婷婷| 成人AV播放| 99视频久久| 色五月天视频| 玖玖在线视频福利| 五月丁香六月婷婷久久| 亚洲网站观看视频| 婷婷六月丁| 99亚洲无码| 激情五月丁香五月| 久热9热| 丁香色五月天| 五月天婷婷乱论小说| 天天干夜夜操A片| 人妻Av在线| 激情五月综合网最新 | 丁香蜜臀黄色婷婷五月天| 婷五月丁香| 欧美在线视频免费播放| 97操在线| 天天干天天插| 亚洲精品国产setv| 丁香六月激情国产| 婷婷六月网| www,com,五月色色| 丁香五月欧美婷婷| 精品人妻伦九区久久AAA片| 天天日天天色| www色中色综合| 丁香婷最新动态| xxxx五月天色色| 色色亚洲| 婷婷久草| 久久婷网| 久久精品性爱| 婷婷五月天男人影院色色网| 婷婷五月综合欧美在线播放| 婷婷操逼| 99色五月| 无码一级片| 国产国产乱老熟女视频网站97| 97视频91| 99热97| 五月婷婷之六月丁香| 99re视频在线播放| 色综合香蕉| Av狠狠色丁香婷| 九九热在线视频| 丁香五月激情六月欧亚激情综合导航 | 色 五月 天 婷婷 丁香 九月| 99ER热精品视频| 国产精品久久久久久白浆色欲| 丁香 婷婷五月| 日本久久婷婷| 国产精品国产| 天堂久久大香蕉| 五月天网址在线刘玥| 人妻久久久久久久| 97av在线视频| 色色亚洲| 亚州操人在线视频| 永久地址 色| 午夜美女人啪最红院| 色综合激情| 久久视频婷婷| 精品九九网| 五月天开心色色网| 亚洲国产精品二二三三区| 五月丁香亚洲综合| 色丁香久久| 色五月婷婷九月| 久久99久久99精品免视看婷婷| 99re在线视频精品,这里只有精品18,| 久久色天堂| 色婷婷性爱| 荫道BBWBBB高潮潮喷| 色五月色五天色情网| 五月婷婷亚洲| 五月婷婷色激情| 五月天久久成人| 婷婷久久午夜网| 五月丁香六月香香蕉| 久操人| av免费在线观看0| 无码人妻丰满熟妇奶水区码| 五月婷久久| 91性高潮久久久久久久久| 久久怡红院| 99re视频精品| 五月天色社区| 五月婷婷综合在线视频小说| 九九九九这里只有精品| 五月天激情小说欧美激情| 成人色色视频| 五月天激情网址| 一夜福利不卡| 婷婷色五月天第7色| 五月色婷婷综合色| 翔田千里aV中文字幕| 精品思思久久| 国产亚洲精品人人| 五月色婷| 午夜丁香丁香婷婷| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 天天干天天操天天拍| 六月丁香影院| 五月婷婷婷| 日日夜夜久| 第四色婷婷最爱| 天天婷婷天天| 国产精品色一哟哟| 大陆肏屄视频| 欧美综合激情五月天| 开心五月婷| 五月婷婷色情| 日日肏夜夜干| 色婷婷AV久久久久久久| 99视频一区| 激情黄色小说五月天| 丁香综合伊人AV| 秋霞学生妹一二级| 亭亭色天香| 天天天添天天操| 青青草蜜臀| 色五月天成人在线| 欧美激情综合色丁香婷婷五月天 | 日本不卡中文字幕| 久久久久久激情| 99热老网站| 狠狠搞五月天| 激情伊人六| 激情综合网亚洲色图| 开心五月婷婷99| 亚洲色 视频| 99在线精品在线视频| 久草热视频在线观看| 色色亚洲视频| 亚洲精品视频在线播放| 综合婷婷| 亚洲国产精品VA在线看黑人| 性色欲情 网站| 丁香狠狠操| 丁香五月手机视频| 天天搡日日搡aaaaⅩ| www婷婷| 99综合| 青青操绿aaa一区日v| 性婷婷| 色丁香久综合在线久综合在线观看| 99热精品一| 色久免费| 日日操夜夜撸| 婷婷丁香五月亚洲| 亚洲V国产V欧美V久久久久久| 丁香六月丁香婷婷激情| 丁香花成人区| 婷婷五月色情天| 精品无码av丁香五月激情| 激情五月综合ì香亚洲| 亚州操人在线视频| 香蕉综合在线| 熟女人妻一区二区三区免费看| 婷婷丁香激情五月天色色色| 亚洲婷婷激情综合激情999精品| 丁香五月首页| 人人色婷婷五月天| 六月丁香好婷婷| 野战毛片三一3| 九九色色网| 丁香激情五月天| 亚洲精品a成人在线播放| 99综合入口| 91人碰| 另类视频一区| www.狠狠狠狠| 99性色| 性一交一乱一交A片久久四色| 久久九九综合| 99资源人人| 中文字幕在线免费| 欧美韩日AAA网站| 99热日韩| 99操视频| 婷婷五月丁香第四色超碰在线| 91久草五月天婷婷| 久热这里只有精品6官网亚洲| 操逼123网| 永久精品| 天天射影院| 成人AV片播放| 激情五月婷婷综合| 丁香五月中文字幕久色| 日本三级黄色大片| 婷婷五月色播天| 婷婷七月丁香色色| 婷婷六月爽| 99在线观看视频| 五月天色色网站| 夜夜嗨一区二区三区直播内容 | 婷婷六月网| 五月婷婷免费看| 激情久久久久| 色99久草在线| 97色久| 甈吧vv| 婷婷深爱五月天| AA丁香综合激情| 五月婷婷黄网站大全| 大伊香蕉精品视频在线| 停停五月色宗合| 丁香五月1页| 久久机热这里只有精品| a网站免费观看| 97人人干视频| www.天天色综合| 激情五月五月五月婷婷| 91精品无码| 人人摸人人操人人爱| 亚洲人妻Av| 五月青青草综合| 天天干天天干天天| 嫩草AV久久伊人妇女超级A| 五月五月婷婷| 久婷婷久草| 99A片| 99色色| 任你搞在线观看视频| 色色综合色视频| 色色色9| 日本色色色| 九色99视频| 色综合久久88色综合天天99| 91人妻视频| 婷婷天堂综合| 超碰在线资源| 精品一区二区三区四区五区六区介绍 | 久久 天天| 91狠狠色丁香婷婷综合久久| 在线观看996精品| 襙比视频| 狠狠色色| 久热91| 超碰人人摸AV| 安息电影在线观看完整版| 五月婷婷丁香婷婷| 黄色片久久| 成人在线不卡| 亚洲天天| 天天色综网| 国产99久久久| 色婷婷丁香五月在线观看| 婷婷丁香六月天| 丁香五月综合首页| α久久| 久久东京热婷婷五月| 久久久aaa| 爱性综合网| 五月开心深爱激情网| 婷婷在线播放| 色月九九| 青青草成人网| 色欲AVV| 噜一噜免费视频| 丁香五月影院| 久久综合九色综合88i| www.sd-xiangsu.cpm| 婷婷色五月开心五月| 婷婷亚洲在线| 五月天婷婷在线观看精品男人| www.五月天色色.com| 夜色五月天| 久热视频A.| 天天射影院| 综合狠久久| 日日日,com| 九热视频在线精品15| 色色六月| 久久久久久99精品无码| 久久精品视频在这里有| 亚洲无码 图片区| 五月丁香六月婷婷,婷| 久99久精品| 天天久久婷婷| www.夜夜騎夜夜狠| 国精产品一区一区三区免费视频| 久久五月天精品视频| 天堂在线9| 碰人人97| 日日激情网| 婷婷五月天伊人| 超碰91人人操| 九九热在线视频| 久草 tingting| 亚洲 在线 性爱| 婷婷五月天基地| 情色五月天网站| 五月婷婷在线视频| 青青久久91| 精品婷婷五| 婷色五月天| 9在线9在线婷婷在线国产| 天天操夜夜玩!| 色五月成人| 51XX午夜影福利| 色婷婷小说网| 97在线/日本| 丁香五月激情综合啪啪| 久久5 9视频免费观看| 婷婷五月成人有| 色色婷| 中文字幕,综合,91| 99色最新在线视频网站| 久久视9精| 亚洲无码成人网| 毛片色五月| 免费91久久精品| 天天综合天天玩夜夜玩天天玩夜夜玩| 午夜天堂一区人妻| 五月丁香综合伦理片| 色色色999| 女人露出p毛视频www网站| 日韩操人| 9久精品| 大香蕉五月天婷婷| 在线视频你懂得| av久热| 99久久99久久| 99热这里都是精品| 五月天综合久久| 欧美大香蕉视频| 免费97碰碰| 99久热| 毛v一区二区视频| 婷婷色五月天在线观看| 91久久国产综合久久| 天天爽天天摸人妻综合网| 免费碰碰视频久| hd五月婷婷在线| 噼里啪啦完整版中文在线观看| 五月丁香婷成人网| 久久精品国产一区二区三区四区 | 99九九在线观看免费| 91久久电影| 女人天堂久久| 婷婷五月天激情小说| 99热国产精品| 丁香六月开心| 激情综合色| 深爱激情AV| 国产高潮A片羞羞视频涩涩| 天天拍夜夜爽日日| 色九九综合色| 色婷婷五月中文字幕在线dvd| 97亚洲精品| 婷婷六月久久综合导航| 视频1区2区| 五月婷婷丁香| 香蕉综合在线| 色婷五月| 婷婷五月天亚洲激情戏精品| 亚洲av电影在线| 影音先锋777xfplay色资源网站| 超碰在线观看caop| 99热丁香| 99re66热这里只有精品| 五月天婷婷综合网| 亚洲一区二区无码蜜乳av| 天天综合网~91| 婷婷综合五月天亚洲综合| 激情五月天第四色| 性视频久久| 91久操| 九月婷婷久久| 激情美女五月天激情在线| 亚洲99热| 99热在线观看| 欧美色五月| 亚洲成人网站在线观看| 色婷婷五月天小说网| 色色六月| 婷婷丁香宗合888| 国产精品电影| 欧美私人家庭影院| 性日本精品| 伊人久久综合| 婷婷色综合| 五月丁香五月丁香| 99久热视频在线| 激情六月色| 大香蕉99| 99精品无码| 激情5月天天天| 青青操丝袜美腿| 玖玖综合网| 色久在| 激情AV综合| 五月色丁香| 婷婷在线精品| 99精品偷自拍| 综合五月婷婷| 中文激情网| 中字幕视频在线永久在线观看免费| 影音先锋人妻出差| 99亚洲视频| 亚洲操B| 麻豆123区| 99碰碰中文| 丁香五月自拍| xxx综合在线| 婷婷五月丁香人妻无码高清| 91久久久久久| 中出内射的人妻视频| 五月婷婷日| 日韩AV大全| 五月天婷婷激情小说| 91主播在线| 精品久久9| 情欲综合网| 久久精品日| 婷婷久久五月天| 亚洲 在线 性爱 | 欧美三级视频下载| 激情综合网五月激情| www·五月天| 日本理论久久| 91久久久久久久| dingxiangtingtingliuyue| 色婷婷综合亚洲| 99色色网| 亚洲无码99| 婷婷色五月婷婷姐妹| 猫咪伊人AV| 操碰99| 激情亚洲色图片丁香综合| 丁香六月成人网| 玖玖在线视频| 激情五月综合网最新| 九九色院| 久久AAAA片一区二区| 婷婷免费视频| 亚洲avjiujiur91| 蒲京久久无码视频| 五月婷综合| 中国激情网| 另类视频一区| 久久久久九九九九视屏小说88| 男女99免费视频| 色婷婷五月天综合网| 婷婷九月亚洲| 三级黄色大片视频| 亚洲天堂大香蕉| 色综合五月在线| 婷婷色在线播放| 国产成人一区二区三区在线观看| 婷丁香五月天| 无码G高清天| 99ri在线播放| 黄色片久久| 丁香婷婷91在线观看视频| 日韩欧美四五区| 国产免费一区二区三区三州老师F1F1.CC| 日韩成人无码| 97碰碰视频在线观看| 婷婷综合六| 99ri视频| 丁香五夜激情四射夜夜夜| 国产成人亚洲综合A∨婷婷| 噜噜色com| 色五月开心婷婷| 五月激情综合性爱| 欧美性生交xXxX久久久| 99人碰碰碰| 婷婷五月天激情五月天| 婷婷五月天天天日日夜夜| 国产4P视频精品五区| 国产精品A成V人在线播放| 亚洲天堂啪啪| 日日夜夜综合| 中文人妻主播久久| 色狠狠综合网| www.91AV.COM| 日韩一本操| 五月婷婷激情综合| 夜夜爽天天爽| 热的无码综合视频| 五月婷婷色播视频| 亚洲色人妻| 久久九九激情五月天 | 色五月色综合| 婷婷久久欧美| 伊人热婷婷| 日日躁夜夜躁狠狠久久AV| 成人午夜无码视频| 综合五月丁香六月婷婷| 狠狠搞综合色| 五月婷婷六月丁香免费| 久热伊人9| 丁香婷婷天堂| 综合婷婷| 五月天色综合| 五月丁香六月激情视频| 久久激情五月网| 天天射夜夜爽| 99这里有精品视频| 丁香久久久| 亚洲超碰中文字幕| 国产99久久久国产精品免费看| 操91| 婷婷五月综合网| 日操夜撸| 久久99热精品a片在线观看| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 激情综合丁香| 成人片黄网站色大片免费毛片| 四虎成人精品永久免费AV九九| 婷婷五月天激情电影小说| www.sezonghe| 五月丁香综合伦理片| 就是色婷婷五月亚洲色| 久久婷婷成人| 99热只有精品在线| 九九综合88| 五月丁香婷婷伊人| 亚洲欧洲中文日韩久久AV乱码| 色情五月综合婷婷| 91精品婷婷国产综合久久| 青青操绿aaa一区日v| 久久婷婷网| 老妇操B| 天天综合网色欲香| 五月色情精品| 中文中文在线| 天天日夜夜| 婷婷五月花| 丁香五月影院| 久九色| 亚洲综合在线播放| www.婷婷,com| 五月婷婷在线视频观看| 色五月丁香五月天| 激情综合色播| 亚洲色情网站| 日日狠狠久久偷偷四色综合免费 | 五月天伊人| 色色五月天婷婷| 色天堂在线| 五月天伊人| 色亭亭五月天丁香综合AV - 百度 - 百度| 女人天堂 AV| www色五月天| 综合色五月| 六月婷婷啪啪| 九月婷婷激情| 婷婷色在线播放| 激情婷婷五月综合| 影音先锋91视频| 第四色色色色色丁香五月天| 91蝌蚪窝视频在线| 色综合视频在线| 97五月婷| 久热精品9999| 五月天婷婷丁香人人操91| 日韩有码一区| 99精品偷拍视频| 丁香六月成人网| 偷偷操九九| 大香伊人婷婷| 色色色色色日韩午夜激情 | 可以观看的AV| 性色五月天| 丁香婷婷月| 六月婷婷色综合| 五月天另类激情在线| 性爱久久| 狠狠久久婷五月| 婷婷激情在线| 99热最新网址| 色婷婷丁香五月| 色玖玖| 欧美在线| 色综合久久久无码中文字幕999| 99在线资源视频| 日韩aⅴ视频| 婷婷丁香六月天激情四射网| 六月丁香AV| 色婷婷亚洲综合网站| 婷婷色网址| 97sese婷婷| 午夜丁香六月婷| 一区二区免费看| 久久色婷婷| 91成人品| caopeng超碰| 五月丁六月香av| 婷婷六月天激情影院| 97婷婷五月天| 国产亚洲色婷婷久久99精品91| 婷婷婷久久久| 91精品久久久久久综合五月天| 激情综合网色播五月| 国产精品久久欧美久久一区| www久久久久久久久久久| 1024欧美看片| 91婷婷在线观看| 91色在线/日韩| 五月综合视频在线| 午夜爱爱爱成人| 五月深爱激情网| 六月婷婷综合| 91操人| 99久久国产宗和精品1上映| av大片在线| 99久久終合| 六月丁香色色| 狠狠艹狠狠艹| 免费视频这里只有精品| 99操免费视频| 日日噜噜夜夜狠狠久久丁香五月| 大地9中文在线观看免费高清| 国产精品天天狠天天看| 成人AV综合在线| 免费婷婷| 狠狠五月丁香色婷| 丁香五月婷婷激情蜜桃| 六月婷婷久久| a久久| 综合久久五| 色婷久| 天天综合情| 综合激情五月丁香9999久久精| 79色色免费| 色五月天在线观看| 99操99| 国产精品久久久爽爽爽麻豆色哟哟| 色欲久久99精品久久久久久| 狠狠99| 色婷婷成人丁香| 激情网婷婷婷| av色婷婷| 狠狠操天天干| 91男人资源站| AV网站免费在线| 欧美色骚婷婷五月天| 亚洲第一精品成人999久久精品| 久久久久久久久99精品| 在线只有精品| 亚洲精品另类| 五月婷在线| 亚洲婷婷激情888精品久| 99综合网| 五月天伊人| 黄色成人AV在线| 99综合久久| 日日噜狠狠色综合久久| 色色五月婷婷久久| 精品一二三区久久AAA片| 日韩AV一区二区三区| 日本三级中国三级99人妇网站| 婷婷丁香五月六月激情| 任你爽精品免费视频6| 少妇AB又爽又紧无码网站| 久久婷婷激情久久| 5月婷婷6月丁香aV| 五月丁香六月婷| 国自产拍偷拍精品啪啪一区二区| 99日本视频| 婷婷五月综合欧美在线播放| 开心婷婷中文字幕| 丁香网站| 色情五月婷| 九九久久99| 综合99久久| 超碰人人摸人人操| 99久久久久| 播五月丁香六月| 久久久婷| 91日综合欧美| 日本va网站| 色婷婷综合亚洲| 国产高清av黄色看片| 久久五月丁香婷婷| av中文网站| 九九色综合| 天堂网色婷婷| site:esunnet.com| 五月丁香激情四射| 99久99久| 丁香五月天天| 久久精品系列| 精品人妻在线免费观看| 91精品综合久久久久久五月丁香| 天天插插天天| 亚洲经典三级| 日韩不卡DvD| 亚洲综合激情五月| 伊人综合网站| 9|无码久久久久久| 噜噜网免费视频| 天天干天天拍| 丁香六月婷婷综合激情欧美| 无码色色| 人妻丰满精品一区二区A片| 天堂色婷婷| 久久五月综合| 午夜天堂一区人妻| 日本97在线视频| 欧美色色色色色色色| 久久婷婷伊人| 五月丁香六月综合基地| 97婷婷五月天| 99视频| 丁香五月综合| 开心激情婷婷| 五月丁香色停停啪啪啪| 大香蕉久久伊人婷婷五月丁香| 五月婷婷五月天| 久久婷婷丁香花综合网| 秋霞午夜理论| 中文无码婷婷| 海外网站专业操老外| 亚洲精品性色| 天天干天天做| 黄网在线免费观看| 色五月天婷婷| 任你搞免费视频观看| 好吊操这里只有精品| 丁香激情网| 五月婷婷色色网址| 中文字幕色色色| 99精品在线观看| 日本99久久| 色欲午夜无码久久久久久张津瑜| 久久综合9| 亚洲综合丁香婷婷六月天| 91精品综合久久久久久五月丁香| 91成人电影| 一级黄色尤物综合视频手机在线观看| 色色色激情网| 加勒比色色| 婷婷五月天成人网| 99在线69| 久久婷婷内射| 97成人超碰免| 久久性爱视频这里只有精品| 乱精品一区字幕二区| 最新午夜理论片| 99热精品在线播放| 欧美天天搞| 天天干天天色综合| 婷婷色综合网日韩国产| 99热最新网址| 无码AV久久久久久久久| 蜘蛛女免费观看完整版高清电影| 激情五月综合| 五月婷婷欧美| 成人婷婷| 六月丁香婷婷综合狠狠爱夜夜爱| 五月天狠狠| 强奸幻女毛片| 午夜激情五月| 99re欧美精品| 五月色丁香国产在线视频| 天天做天天爱天天爽| 成人噜噜网| 九九99免费视频| 欧美在线操| 五月丁香色婷婷久久| 欧美人人女女精品综合五月天| 深爱激情丁香五月| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 97啪啪| 婷色五月天| 五月综合丁香婷婷| 五月丁香色综合| 我去色色网五雨天| 五月天色区| 9久9久| 亚洲男女激情| 国产一区18| 精品人妻一区| 天堂网啪啪| 97se视频在线| 另类激情码| 婷婷五月综合色拍| 92国产福利| 五月婷婷影| 97色色婷婷五月天| aa久久| 日本三级中文字幕| 九九九九毛片| 五月丁香啪啪啪啪| 五月丁香人妻| 伊人五月天综合网| 久久久激情| 亚洲 精品 综合 精品| 午夜少妇在线观看视频| 色婷婷五月天激情久久| 成人做爰高潮A片免费视频| 五月综合777| 日韩一级一片内射视频4K| 五月婷婷免费| 亚洲区在线| 99热中文字幕久久| www.久9| 激情五月天综合网| 狠狠色九月| 波多野结衣AV无码Porn| 色婷婷9| 99精品久久| 九九99在线观看视频| 99操99| 久久婷婷五月综合色播| 久操香蕉| 丁香五月另类小说| 懂色av蜜臀av粉嫩av永陈冠希| 婷婷五月色| 亚洲午夜视频| 欧美黄色AA片哗啦啦啦| 激情综合综合综合| 免费无码毛片一区二区A片| 九九热视频免费的| 丁香五月婷婷激情蜜桃| 丁香五月天堂网| 91视频精品99| www.天天日| 亚洲丁香五月天在线视频| 国产在线网| 啄木鸟丝袜美女福利视频| 丁香香蕉婷婷| 欧美久久网| 99热网站| 国产毛多水多女人A片| 亚洲另类久久| 超碰激情五月| www.色婷婷.com| 97干在线视频| 香蕉久久国产AV一区二区| 99热99这里有免费的精品| 亚洲国产成人AV在线 | AV人人操| www.日韩艹| 超碰成人影视| 久99热在线观看| 99久久99久久综合| 婷婷成人基地| 九九99一区| 九热免费视频| 五月天成人免费视频| 婷婷丁香五月六月激情| 五月婷久久综合| 日韩综合久久| 狠狠夜夜五月丁香| 91大操| 天天弄天天操| 丁香五月婷婷六月婷婷| 在线看的免费网站| 丁香婷婷深情五月亚洲| WWW99热| 激情五月天色播| 久久久人妻门| 九九综合色综合| 婷婷五月天综合网| 五月激情黄色小说| 99九九热视频免费| 俺去也五月| 婷婷丁香五月六月激情| 久久 无毛。| 中文av网站| 激情 婷婷 丁香五月天| 任你日热视频| 人人操AV| 99er在线观看| 黄色五月婷| 婷婷激情图片| 色婷婷狠狠久久综合五月| 五月天婷婷社区久久综合| 99激情视频| 婷婷五月天亚洲综合| 97九色视频| 性无码专区无码| 久久人妻视步| 五月香婷婷| 亚洲中文字幕AV在线| 免费AV在线| 色狠狠999综合网| 五月深情久久| 色婷婷狠狠| 丁香婷婷十月| 99精品一二三四视频| 色99在线| 色婷婷亚洲婷婷在线观看| 色五月婷婷中文字幕在线观看| 九九热狼人| 六月婷婷av| 成人狠狠成人狠狠成人狠狠成人狠狠| 六月丁香狠狠爱| 搡BBBB搡BBB搡18| 成人色五婷婷| 涩综合在线 | 情色五月天网站| xxx综合在线| 91综合在线视频| 国产欧美日韩综合精品一区二区| 五月天综合在线观看视频| 丁香五月AV综合| 五月色婷婷夜色| 日日夜夜天天| 欧美黄色韩日网| 国产99美少妇| 99热九九在线| 婷婷五月花| 色色综合激情| 成人狠狠成人狠狠成人狠狠成人狠狠| 97久人人| 色五月丁香五| 亚洲AV成人精品日韩在线播放| 婷婷香五月综合激情| 婷婷的99视频网站| 99九九精品视频推荐| www久| 激情五月丁香五月| 无码毛片992367| 丁香五月婷婷啪啪啪| 麻豆五月丁香婷婷| 狠狠干婷婷| 蜜乳AV成人| 337p大胆噜噜噜噜噜91Av| 五月色婷婷综合| 一本久久亚洲五月婷婷| 91精品久久久久久久久久久久| 在线观看免费人成视频无码| 国产成人在线精品| 五月天夜夜爱夜夜操| 六月婷婷色综合| 色很久综合| 中字幕视频在线永久在线观看免费| 美国十月色婷婷在线观看| 激情五月综亚网| 女同激情久久av久久| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 丁香色婷婷五月天| 五月天com| 狠狠va| 日本久久婷| 久久久五月天婷婷| 婷婷亚洲综合| 色婷婷免费视频| 这里只有精彩视| 79亚洲精品少妇| 中文精品在| 婷婷97C| 久久99热这里只频精品6学生| 婷婷97碰碰| 五月天婷婷黄色| 99热只有精品在线播放| 五月天激情四射网站| 精品一区久热| 97综合在线| 国产.亚洲.欧洲视频在线| 俺去啦综合网| 亚洲精品乱码久久久久久综合| 偷偷操99| 热99.com婷婷| 国产av天堂| Av大香蕉| 综合在线色婷婷| 激情综合亚洲色婷婷五月| 六月丁香成人| 色婷婷9| 伊人9草在线观看| 久久无码成人| 丁香五月天堂| 久久伊人9| 婷婷综合精品视频97| 国产26uuu视频| 激情久久久| 97色97干| 久草婷婷视频| 激情五月黄色| 精品一二三区久久AAA片| 激情久久五月天| 久久久久久人妻| 丁香网五月天激情| 婷婷丁香五月激情图片| 开心五月六月婷婷| 久热中文字幕| 五月婷婷色啪| 91n啪啪| 久久色六月| 91久久久久久久| 99视频内射三四| 婷婷五月色综合| 婷婷六月丁| 久久aaaa片一区二区| 五月婷婷丁香五月亚洲色| 亚洲欧洲99| 日韩黄黄| 性热视频99精品| 97艹| 五月丁香亭亭A片| 欧美A级成人婬片免费看理论| 国产69久久久欧美黑人A片| 天天色综网| 五月婷精品| 婷婷刺激综合| 天天爱综合网| 九九热在线99| 丁香五月激情鲁| 色性日本| 秋霞电影理论| 性小说五月天| 色色色99韩| 久久机热这里只有精品免费视频| 伊人久久五月天| 99超级碰碰| 免费看成人747474九号视频在线观看| 丁香九月综合在线| 色九月丁香婷婷蜜桃在线观看| 五月婷婷电影院| 色久综合| 日本色婷婷| 婷婷综合五月| 99热亚洲| 五月婷婷六月色| 97色碰| 久热无码| 丁香五月婷久久| 久久久99久久| 另类图片色五月| 天天综合五月| 色五月大| 99操免费视频| 五月天淫乱视频| 色五月婷婷五月天| 色综合九九| 99亚洲色色| 婷婷六月花| 丁香色综合| 五月激情六月婷婷| 99热这里只有精品搜| 五月天精品视频| 色情婷婷五月天| 婷婷午夜天| 激情五月天小说网| 色色性爱视频| 人人色婷婷| 热99免费在线| 亚洲乱码w在线观看| 亚洲色图五月丁香| www.五月婷婷久久.com| 欧美色色色色色色色| 久久xxxx| 亚洲欧洲另类| 色综合伊人网| 色九九综合| 中文字幕在线日亚洲9| 99操视频| 五月天婷婷色| 色婷婷小说| 麻豆AV一区二区三区| 在线18av | 亚洲欧美综合7777色亭亭| 99九九这里有免费视频| 色婷婷啪啪综合网| 99日在线观看视频| 中文在线成人| 欧美色图天堂网色| 黄色AV日韩| 欧美黑人大吊| 婷婷成人综合免费视频| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 五月婷婷在线免费观看| 久久这里只有精品99| 婷婷五月天激情小说| 国产亚洲精品AAAAAAA片| 久久在线视频免费观看| 丁香六月天婷婷色| 人人97操| 丁香五月天狠狠操| 久99久在线| 五月天婷婷六月激情网| 色五月久久成人婷婷| 99热精品9| 99久久激情视频| 天天在线XXX| 综合色五月天| 丁香色色网| 精品一二三区久久AAA片| 毛片九九九九九九九九18| 婷婷五月天国产传媒| 欧美碰碰碰| 色婷婷88| 热九九精品| 六月伊人婷婷| 成人综合伍月天| 开心五月深爱五月| 丁香婷婷啪啪| 亚洲人妻av伦理| 激情涩播| 婷婷色五月天色| 婷婷五月情| 婷婷基地成人五月天| 亚洲乱码成人| 色99在线视频| www.婷婷五月天| 大香蕉久久| 天天肏在线视频| 丁香九月激情久久| 久热婷婷| 六月丁香婷婷网| 色综合射婷婷| 日韩色五月| 亚洲1区| 激情综合色婷婷啪啪五月天| 婷婷丁香综合| 久久综合婷婷| 色插综合网| 欧美成人性爱网| 久操人妻| 国产日韩欧美| 丁香五月成人自拍| 99re免费精品视频| 777久久精品| 国产午夜精品久久久观看| 亚洲av电影网站| 色五月色开心开心五月| 免费人人操| 久久婷婷五月天激情新地址| 99热骚货| 中文av网站| 久久狠狠干| 99热传媒| www.婷婷,com| 五月丁香激情五月天| 亚洲色模骚货| 99九九视频精彩在线| 97人人超| 91碰操| 91九色|疯狂|高潮|对白|| 99爱免费在线观看| 婷婷色五月天在线观看| 可以直接看的AV| 日韩成人中文| 91九色在线视频| site:picc-up.com| 五月丁香婷婷激情视频| 激情久久久| 2050人人操免费工开爱| 91热视频色网站| 婷婷丁香六月影视| www.夜夜操.com| 五月婷婷在线视频| 操逼视频网址| 超碰国产在线| 五月丁香黄色| 大香蕉九操| 亚洲网站观看视频| 亚洲性爱电影| 激情五月综合免费| 九九亚洲| 专区无日本视频高清8| 天花AV无码| 秋霞黄色一级久久| 99热免费精品| 五月丁香777| 91九色 熟| 婷婷中文字幕| 五月激情基地| 黄网在线免费观看| 久久ri精品| 久激情网| 天天夜天天色天天| www九九| 日本44久久在线| 欧洲综合视频| 五月丁香色婷婷综合| 色婷婷狠狠18禁| 影音先锋美国A| 久久婷婷网| 五月婷婷欧美激情| 丁香六月五月天| 精品国婬伦V无码久久久| 狠狠色婷婷| 99热国产这里只有精品| 狠狠五月天| 色色色色色色色色色色色色色五月天| 综合激情网五月激情| 五月综合视频| 精品一二三区久久AAA片 | 五月丁香综合激情| 9热在线视频| 五月色无码| 欧美五月婷婷| 天久综合91综合首页| 伊人久久艹| 99热在线这里| 丁香婷婷啪啪| 久婷首页| 日韩久久这里只有精品| 久久伊人大香蕉| 91人人人人人人人| 亚洲综合激| 色爽九九| 亚洲视频在线网站| 婷婷五月av| 婷婷五月色天| 五月开心播播网| 久久人操|