pydbgen：一个数据库随机生成器

用这个简单的工具生成带有多表的大型数据库，让你更好地用 SQL 研究数据科学。

-- Tirthajyoti Sarkar

致谢

编译自　|

https://opensource.com/article/18/11/pydbgen-random-database-table-generator

作者　|　Tirthajyoti Sarkar

译者　|　Hank Chow (HankChow) 共计翻译：29.0篇 贡献时间：353 天

用这个简单的工具生成带有多表的大型数据库，让你更好地用 SQL 研究数据科学。

在研究数据科学的过程中，最麻烦的往往不是算法或者技术，而是如何获取到一批原始数据。尽管网上有很多真实优质的数据集可以用于机器学习，然而在学习 SQL 时却不是如此。

对于数据科学来说，熟悉 SQL 的重要性不亚于了解 Python 或 R 编程。如果想收集诸如姓名、年龄、信用卡信息、地址这些信息用于机器学习任务，在 Kaggle 上查找专门的数据集比使用足够大的真实数据库要容易得多。

如果有一个简单的工具或库来帮助你生成一个大型数据库，表里还存放着大量你需要的数据，岂不美哉？

不仅仅是数据科学的入门者，即使是经验丰富的软件测试人员也会需要这样一个简单的工具，只需编写几行代码，就可以通过随机（但是是假随机）生成任意数量但有意义的数据集。

因此，我要推荐这个名为pydbgen

[1]

的轻量级 Python 库。在后文中，我会简要说明这个库的相关内容，你也可以阅读它的文档

[2]

详细了解更多信息。

pydbgen 是什么

是一个轻量的纯 Python 库，它可以用于生成随机但有意义的数据记录（包括姓名、地址、信用卡号、日期、时间、公司名称、职位、车牌号等等），存放在 Pandas Dataframe 对象中，并保存到 SQLite 数据库或 Excel 文件。

如何安装 pydbgen

目前 1.0.5 版本的 pydbgen 托管在 PyPI（Python 包索引存储库Python Package Index repository）上，并且对Faker

[3]

有依赖关系。安装 pydbgen 只需要执行命令：

已经在 Python 3.6 环境下测试安装成功，但在 Python 2 环境下无法正常安装。

如何使用 pydbgen

在使用 之前，首先要初始化 对象。

随后就可以调用 对象公开的各种内部函数了。可以按照下面的例子，输出随机的美国城市和车牌号码：

另外，如果你输入的是 而不是 ，返回的将会是虚构的城市名。

生成随机的 Pandas Dataframe

你可以指定生成数据的数量和种类，但需要注意的是，返回结果均为字符串或文本类型。

最终产生的 Dataframe 类似下图所示。

生成数据库表

你也可以指定生成数据的数量和种类，而返回结果是数据库中的文本或者变长字符串类型。在生成过程中，你可以指定对应的数据库文件名和表名。

上面的例子种生成了一个能被 MySQL 和 SQLite 支持的 文件。下图则显示了这个文件中的数据表在 SQLite 可视化客户端中打开的画面。

生成 Excel 文件

和上面的其它示例类似，下面的代码可以生成一个具有随机数据的 Excel 文件。值得一提的是，通过将 参数设为 ，可以生成较长较复杂的电话号码。如果你想要提高自己在数据提取方面的能力，不妨尝试一下这个功能。

最终的结果类似下图所示：

生成随机电子邮箱地址

内置了一个 方法，它基于种子来生成随机的电子邮箱地址。如果你不想在网络上使用真实的电子邮箱地址时，这个功能可以派上用场。

未来的改进和用户贡献

目前的版本中并不完美。如果你发现了 pydbgen 的 bug 导致它在运行期间发生崩溃，请向我反馈。如果你打算对这个项目贡献代码，也随时欢迎你

[1]

。当然现在也还有很多改进的方向：

◈ pydbgen 作为随机数据生成器，可以集成一些机器学习或统计建模的功能吗？

◈ pydbgen 是否会添加可视化功能？

一切皆有可能！

本文以CC BY-SA 4.0

[8]

许可在Towards Data Science

[9]

首发。

via:https://opensource.com/article/18/11/pydbgen-random-database-table-generator

作者：Tirthajyoti Sarkar

[11]

选题：lujun9972译者：HankChow校对：wxy

本文由LCTT原创编译，Linux中国荣誉推出