前言

今天用Python给大家造“假”数据，直接开整~

开发工具

Python版本：3.6.4
相关模块：Faker

Faker扩展库

这时，Python扩展库Faker来了，带着它那各种各样的数据来了。

先安装faker

pip install Faker

创建faker对象

from faker import Faker
fake = Faker()

随机生成一个名字

fake.name() # 'Nancy Horton'

上边生成的名字是英文的，如果想要个中文名字，在创建Faker对象的时候，指定语言“中文”就可以。

fake = Faker("zh_CN")

一些常用的语言包括以下等等：

• 简体中文：zh_CN
• 繁体中文：zh_TW
• 美国英文：en_US
• 英国英文：en_GB
• 德文：de_DE
• 日文：ja_JP
• 韩文：ko_KR
• 法文：fr_FR

都有什么样的数据

faker 提供了一些Standard Providers，列出了一些较为较为常用的数据。

• address
• company
• date_time
• job
• person
• phone_number
• profile
• python
• user_agent

比如生成“地址”信息

In [1]: fake.address()
Out[1]: '北京市大冶市海陵赵路x座 941837'

这里给出的是一整条“地址”的信息，你也可以通过building_number()、city()、street_address()等获取单个信息

这些字段其实记不住也没什么，需要用哪个的时候查阅官方文档就行。

文档链接

https://faker.readthedocs.io/en/master/providers.html

再比如生成“职位”信息

In [2]: fake.job()
Out[2]: '教育/Python工程师'

生成python的数据类型

# 生成一个字典
In [3]: fake.pydict()
Out[3]:
{'生产': 'OlmMWPfQMJYxeiJtZSFC',
'有些': 'jUYzbWgDEqvzjiAsubSX',
'资源': 7670,
'应用': 804210265906561.0,
'国际': 9113,
'电影': 'https://yangtang.cn/homepage.jsp',
'方面': 'RGfbqIgxqTbnjkGDpoVO',
'为什': 1947,
'地址': 7021,
'时候': 'oxia@hotmail.com'}

生成user_agent

In [4]: fake.chrome()
Out[4]: 'Mozilla/5.0 (iPad; CPU iPad OS 4_2_1 like Mac OS X) AppleWebKit/531.2 (KHTML, like Gecko) CriOS/55.0.807.0 Mobile/62B715 Safari/531.2'

生成个人信息

In [5]: fake.profile()
Out[5]:
{'job': '代码管理员',
'company': '文亭传媒有限公司',
'ssn': '370302198922223749',
'residence': '广东省深圳市沈北新王路k座 203394',
'current_location': (Decimal('32.942244'), Decimal('95.029663')),
'blood_group': 'O-',
'website': ['https://www.minyan.cn/'],
'username': 'yangwen',
'name': '蒋璐',
'sex': 'M',
'address': '宁夏回族自治区宁德县丰都长沙街b座 685258',
'mail': 'oliao@yahoo.com',
'birthdate': datetime.date(1971, 2, 13)}

如果想生成多条个人信息，可以利用for循环，把每个字典在添加到列表里，导出一个DataFrame

文章到这里就结束了，感谢你的观看，Python数据分析系列，下篇文章分享Python 爬取鲁迅先生《经典语录》

为了感谢读者们，我想把我最近收藏的一些编程干货分享给大家，回馈每一个读者，希望能帮到你们。

出处：https://www.cnblogs.com/tsp728/p/15137568.html