一个「神奇」的Python库,99%的人都爱!
背景介绍
今天介绍Python中一个超级神奇的库,99%人用过都喜欢它,剩下的1%没用过!
在如今的大数据时代,数据的价值可想而知。有时候为了做测试,需要模拟真实的环境,但是又不能直接使用真实数据,就需要我们认为制造一些数据出来。
对比Excel,我还是觉得Python制造这样的 "虚拟" 数据,更省时、省力。
周末,突然想到了曾今做过的这个问题,这里为大家做个复盘吧!
需求: 老板让模拟一批数据,用于项目实验,由于一些真实数据不能展示出来,我需要模拟一些数据,字段包括:姓名
、所在省份
、详细地址
、手机号
、身份证号
、出生年月
、邮箱
等。
当然,这批数据肯定是需要你最终写入到Excel中,一次性交给老板的。那么,这样的需求,你会做吗?
实战:模拟1w条数据写入Excel
在讲述基础之前,直接上实战,让大家体会一下,如何将生成的模拟数据,最终写入到Excel文件中。
from faker import Faker
import pandas as pdfake = Faker(["zh_CN"])
Faker.seed(0)def get_data():key_list = ["姓名","详细地址","所在省份","手机号","身份证号","出生年月","邮箱"]name = fake.name()address = fake.address()province = address[:3]number = fake.phone_number()id_card = fake.ssn()birth_date = id_card[6:14]email = fake.email()info_list = [name,address,province,number,id_card,birth_date,email]person_info = dict(zip(key_list,info_list))return person_infodf = pd.DataFrame(columns=["姓名","详细地址","所在省份","手机号","身份证号","出生年月","邮箱"])
for i in range(10000):person_info = [get_data()]df1 = pd.DataFrame(person_info)df = pd.concat([df,df1])
df.to_excel("模拟数据.xlsx",index=None)
结果如下:
上述数据纯属模拟,如果雷同,请勿对号!
Python库讲解
这么好用的Python库,究竟应该怎么使用呢?
我们直接使用下面的代码,可以完成这个库的安装。
pip install Faker -i https://pypi.tuna.tsinghua.edu.cn/simple/
使用之前,使用如下代码,导入这个库。
from faker import Faker
在讲述写入到Excel之前,我们先分布讲述一下,每个函数的用法。
1. 生成姓名
fake = Faker(locale='zh_CN')
name = fake.name()
name
结果如下:
2. 生成详细地址
address = fake.address()
address
结果如下:
3. 生成所在省份
province = address[:3]
province
结果如下:
由于这个函数每次运行结果都不一样,所以我才用切片方式,生成省份。当然这里也有特定函数,生成省份。
fake.province()
结果如下:
4. 生成手机号
number = fake.phone_number()
number
结果如下:
5. 生成身份证号
id_card = fake.ssn()
id_card
结果如下:
6. 生成出生年月
birth_date = id_card[6:14]
birth_date
结果如下:
7. 生成邮箱
email = fake.email()
email
结果如下:
补充
当然,faker库不仅可以帮助我们生成上述信息,还有很多其它方法可用,这些方法分为以下几类:
address 地址
person 人物类:性别、姓名等
barcode 条码类
color 颜色类
company 公司类:公司名、email、公司名前缀等
credit_card 银行卡类:卡号、有效期、类型等
currency 货币
date_time 时间日期类:日期、年、月等
file 文件类:文件名、文件类型、文件扩展名等
internet 互联网类
job 工作
lorem 乱数假文
misc 杂项类
phone_number 手机号码类:手机号、运营商号段
python python数据
profile 人物描述信息:姓名、性别、地址、公司等
ssn 社会安全码(身份证号码)
user_agent 用户代理
关于这些方法的使用,我们直接参考faker的官网,用起来超方便。
faker.readthedocs.io/en/master/providers.html
1. address 地址
fake.country() # 国家
fake.city() # 城市
fake.city_suffix() # 城市的后缀,中文是:市或县
fake.address() # 地址
fake.street_address() # 街道
fake.street_name() # 街道名
fake.postcode() # 邮编
fake.latitude() # 维度
fake.longitude() # 经度
2. person 人物
fake.name() # 姓名
fake.last_name() # 姓
fake.first_name() # 名
fake.name_male() # 男性姓名
fake.last_name_male() # 男性姓
fake.first_name_male() # 男性名
fake.name_female() # 女性姓名
3. color 颜色
fake.hex_color() # 16进制表示的颜色
fake.rgb_css_color() # css用的rgb色
fake.rgb_color() # 表示rgb色的字符串
fake.color_name() # 颜色名字
fake.safe_hex_color() #安全16进制色
fake.safe_color_name() # 安全颜色名字
4. company 公司
fake.company() # 公司名
fake.company_suffix() # 公司名后缀
5. credit_card 银行信用卡
fake.credit_card_number(card_type=None) # 卡号
fake.credit_card_provider(card_type=None) # 卡的提供者
fake.credit_card_security_code(card_type=None)# 卡的安全密码
fake.credit_card_expire() # 卡的有效期
fake.credit_card_full(card_type=None) # 完整卡信息
6. date_time 时间日期
fake.date_time(tzinfo=None) # 随机日期时间
fake.iso8601(tzinfo=None) # 以iso8601标准输出的日期
fake.date_time_this_month(before_now=True, after_now=False, tzinfo=None) # 本月的某个日期
fake.date_time_this_year(before_now=True, after_now=False, tzinfo=None) # 本年的某个日期
fake.date_time_this_decade(before_now=True, after_now=False, tzinfo=None) # 本年代内的一个日期
fake.date_time_this_century(before_now=True, after_now=False, tzinfo=None) # 本世纪一个日期
fake.date_time_between(start_date="-30y", end_date="now", tzinfo=None) # 两个时间间的一个随机时间
fake.timezone() # 时区
fake.time(pattern="%H:%M:%S") # 时间(可自定义格式)
fake.am_pm() # 随机上午下午
fake.month() # 随机月份
fake.month_name() # 随机月份名字
fake.year() # 随机年
fake.day_of_week() # 随机星期几
fake.day_of_month() # 随机月中某一天
fake.time_delta() # 随机时间延迟
fake.date_object() # 随机日期对象
fake.time_object() # 随机时间对象
fake.unix_time() # 随机unix时间(时间戳)
fake.date(pattern="%Y-%m-%d") # 随机日期(可自定义格式)
fake.date_time_ad(tzinfo=None) # 公元后随机日期
7. file 文件
fake.file_name(category="image", extension="png") # 文件名(指定文件类型和后缀名)
fake.file_name() # 随机生成各类型文件
fake.file_extension(category=None) # 文件后缀
fake.mime_type(category=None) # mime-type
8. internet 互联网
fake.ipv4(network=False) # ipv4地址
fake.ipv6(network=False) # ipv6地址
fake.uri_path(deep=None) # uri路径
fake.uri_extension() # uri扩展名
fake.uri() # uri
fake.url() # url
fake.image_url(width=None, height=None) # 图片url
fake.domain_word() # 域名主体
fake.domain_name() # 域名
fake.tld() # 域名后缀
fake.user_name() # 用户名
fake.user_agent() # UA
fake.mac_address() # MAC地址
fake.safe_email() # 安全邮箱
fake.free_email() # 免费邮箱
fake.company_email() # 公司邮箱
fake.email() # 邮箱
9. job 工作
fake.job()#工作职位
10. lorem 乱数假文
fake.text(max_nb_chars=200) # 随机生成一篇文章
fake.word() # 随机单词
fake.words(nb=3) # 随机生成几个字
fake.sentence(nb_words=6, variable_nb_words=True) # 随机生成一个句子
fake.sentences(nb=3) # 随机生成几个句子
fake.paragraph(nb_sentences=3, variable_nb_sentences=True) # 随机生成一段文字(字符串)
fake.paragraphs(nb=3) # 随机生成成几段文字(列表)
11. phone_number 电话号码
fake.phone_number() # 手机号码
fake.phonenumber_prefix() # 运营商号段,手机号码前三位
12. ssn 社会安全码(身份证)
fake.ssn() # 随机生成身份证号(18位)
13. user_agent 用户代理
fake.user_agent()
各位伙伴们好,詹帅本帅搭建了一个个人博客和小程序,汇集各种干货和资源,也方便大家阅读,感兴趣的小伙伴请移步小程序体验一下哦!(欢迎提建议)
推荐阅读
牛逼!Python常用数据类型的基本操作(长文系列第①篇)
牛逼!Python的判断、循环和各种表达式(长文系列第②篇)
牛逼!Python函数和文件操作(长文系列第③篇)
牛逼!Python错误、异常和模块(长文系列第④篇)
一个「神奇」的Python库,99%的人都爱!相关推荐
- 基于「ClamAv」通过python进行病毒检测(2)-- pyClamd控制clamd详解
介绍pyClamd模块一般用法和常用方法等. 我们可以使用python来控制clamd,从而操控ClamAv,需要引入第三方模块:pyClamd. 使用pyClamd控制clamd之前,必须先正确安装 ...
- python决策树可视化_「决策树」| Part3—Python实现之可视化
文章首发于微信公众号:AlgorithmDeveloper,专注机器学习与Python,编程与算法,还有生活. 1.前言 「决策树」| Part2-Python实现之构建决策树中我们已经可以基于给定数 ...
- 99%的人都能看懂的分布式最佳「补偿」实践
来源:跨界架构师 「补偿」机制的意义 以电商的购物场景为例: 客户端 ---->购物车微服务 ---->订单微服务 ----> 支付微服务. 这种调用链非常普遍. 那么为什么需要考虑 ...
- 99% 的人都能看懂的「补偿」以及最佳实践
https://www.infoq.cn/article/0lMOVdP-kqWvbAa5QiEo 也许你对降级已经有了一些认识,这次,我们来聊一聊在保证对外高可用的同时,憋出的"内伤&qu ...
- python数学函数_「分享」关于Python整理的常用数学函数整理
原标题:「分享」关于Python整理的常用数学函数整理 1.函数说明 abs(number)返回数字的绝对值,如abs(-10)返回10 pow(x,y[,z]) 返回x的y次幂(所得结果对z取模), ...
- 推荐一个牛逼的生物信息 Python 库 - Dash Bio
翻译 | Lemonbit 来源 | Plotly 译文出品 | Python数据之道 推荐一个牛逼的生物信息 Python 库 - Dash Bio Dash Bio 是一个免费的开源 Python ...
- 99%的人都能看懂的分布式系统「补偿」机制
摘要:我们来聊一聊在保证对外高可用的同时,憋出的"内伤"该如何通过「补偿」机制来自行消化. 一.「补偿」机制的意义? 以电商的购物场景为例: 客户端 ---->购物车微服务 ...
- 抖音能成为下一个「微信」吗?
本文转载自IT之家 从推出抖音搜索.上线抖音支付,到试水本地生活,主打兴趣电商,2021 年才刚过去四个月,抖音却在每个月都有大动作. 抖音是字节跳动旗下用户最多.营收占比最大的产品.张一鸣曾用「动态 ...
- 我访问了一个「假」的 GitHub,难道是 PronHub ,还是 GayHub ?
[回复"1024",送你一个特别推送] 我访问了一个「假」的 GitHub,难道是 PornHub ,还是 GayHub ?都不是,而是下面我要讲的,请仔细阅读. 最近我在浏览掘金 ...
最新文章
- go-kit微服务学习-官方示例stringsvc学习
- 一天一个命令--ifconfig
- RabbitMQ的安装及集群搭建方法
- 转载:KOF97八神攻防战
- 震惊!快速幂怎么编?省一说暴力,银牌说递归,国集听完笑了
- [渝粤教育] 中国地质大学 金融保险业会计 复习题 (2)
- 重大技术突破首次发布!十问解密云栖大会!
- 垂直布局的HTML表单
- Oracle ORA-06861: 文字与格式字符串不匹配 记录两次无助的遭遇:存储过程直接执行正常,java调用存储过程则报错
- 玉米社:抖音玩法和运营机制,学会这些技巧,轻松上热门
- 人工智能能写剧本了 还被拍成了9分钟的短片
- Zxing系列之图片添加二维码水印教程
- 判断一颗二叉树是否对称
- 【CCF推荐专区】计算机类优质SCIEI好刊,期刊质量高,部分期刊仅有少量版面
- 我们怎么做那个“卖铲子的人”
- 14.什么是响应式设计?响应式设计的基本原理是什么?如何做?
- Linux设置开机自启
- 算法基础之二叉树理论
- AD9361官方FPGA工程编译
- selenium之css元素定位方法
热门文章
- 面试题及答案_NET
- macos mysql 阿帕奇_Mac配置apache,mysql
- 【SpringBoot MQ 系列】RabbitListener 消费基本使用姿势介绍
- java定时任务框架elasticjob详解
- pandas速查手册(中文版)
- 京东三级列表页持续架构优化—前端优化实践
- xhprof在windows下面的安装和使用[上](windows版本)
- PHP实现内部函数explode
- PHP的void mixed
- mysql主主keepalived_MySQL主主+Keepalived实现高可用