Python包使用：使用 Faker 生成有意义的模拟数据

Faker是一个开源 Python 包，可生成合成数据，可用于多种用途，例如填充数据库、进行负载测试或匿名化生产数据以用于开发或机器学习。生成完全随机的数据并不是一个好的选择：使用 Faker，你可以驱动生成过程并根据你的特定需求定制生成的数据：这是 Faker 提供的最大价值。这个包带有 23 个内置的数据提供者，一些其他的提供者可以从社区获得。可用的数据提供程序涵盖了大多数数据类型和案例，但通过实现自定义提供程序，可以通过任何方式使生成的数据更有意义。

Faker 支持 Python 3.6+，可通过 PyPI 或 Anaconda 安装。 

下面是一个代码示例，展示了如何实现自定义提供程序以生成遵循结构和约束的合成数据，如与具有消费者评级的餐厅数据相关的​Kaggle数据集，并将它们保存到 CSV 文件中。

示例数据集包含用户配置文件数据并具有 19 个特征。为简单起见，我将只考虑其中的 10 个：

• userID：以“U”开头，后跟 4 位数字
• latitude：-90、90度范围内的十进制数
• longitude：-180、180度范围内的十进制数
• smoker：可真可假
• Drink_level: 节制的、随意的饮酒者或社交饮酒者
• dress_preference：无偏好，正式或非正式
• ambience：孤独、家人或朋友
• transport：步行、车主或公众
• marital_status：单身、已婚或寡妇
• hijos：独立、依赖或孩子

可以为此功能生成模拟数据的 Python 代码如下：

它结合了一个内置的 Faker 提供程序和一个自定义的提供程序。该 Faker 类创建并初始化 Faker 生成器，将数据生成委托给提供程序。

以下是执行上述代码后生成的数据示例：

Faker 支持本地化（对于同一数据生成任务也有多个语言环境），并且也可以通过faker命令从命令行执行。