原文標題：Introducing pydbgen: A random dataframe/database table generator
翻譯：王婷
校對：李海明
本文共1500字，建議閱讀5分鐘。
本文通過介紹pydbgen的安裝使用，以及一些基本功能實現和代碼，帶你簡單地瞭解一下pydbgen。
SQL或數據科學領域的初學者通常會很難輕易訪問大型示例數據庫文件（.DB或.sqlite）來練習SQL命令。那麼用一個簡單的工具或庫來生成一個包含多個表的，並且用自己選擇的數據填充的大型數據庫會不會很好？
當你開始學習和實踐數據科學時，通常最擔心的不是算法或技術，而是原始數據的可用性。幸運的是，網上有許多高質量的真實數據庫可用於嘗試學習熱門機器學習技巧。但是，從我個人的經驗來看從個人經驗來講，我發現學習SQL並不是這樣。現在，對於數據科學領域來說，掌握SQL的基礎知識與知道如何使用Python或R編寫代碼幾乎同等重要。但是，訪問存有真實數據的足夠大的數據庫（例如名稱，年齡，信用卡，SSN，地址，生日等）並不像訪問Kaggle上的玩具數據集一樣常見，這些數據集是為機器學習的任務專門設計或策劃的。
用一個簡單的工具或庫來生成一個包含多個表的，並且用自己選擇的數據填充的大型數據庫會不會很好？
除了數據科學領域的初學者，即使經驗豐富的軟件測試人員也可能發現使用簡單的工具很有用，只需幾行代碼，他們就可以任意生成包含隨機（假）而且有意義的條目的大型數據集。
我很高興能介紹一個輕量級的Python庫，即pydbgen。你可以在這裡閱讀了解關於軟件包的詳細信息。（鏈接：http://pydbgen.readthedocs. Io /en /latest/#）我將在短文中回顧類似的細節。
pydbgen究竟是什麼？
它是一個輕量級的純python庫，用於生成隨機有用的條目（例如名稱，地址，信用卡號碼，日期，時間，公司名稱，職位名稱，車牌號碼等），並將其保存在Pandas數據框對象中，或者作為數據庫文件中的SQLite表格或MS Excel文件。
如何安裝？
它（當前版本為1.0.5）是託管在PyPI（Python Package Index repository）上的。請記住你需要提前安裝Faker（鏈接：https://faker.readthedocs.io/en/latest/index.html）來完成這項工作。所以，只需鍵入:
pip install pydbgen
請注意，它目前僅在Python 3.6上進行了測試。它不適用於Python 2的安裝。
如何使用？
你必須創建一個pydb對象才能開始使用它。
import pydbgen
from pydbgen import pydbgen
myDB=pydbgen.pydb()
然後，你可以訪問由pydbobject公開的各種內部函數。例如，要打印隨機的美國城市:
myDB.city_real()
>> 'Otterville'
for _ in range(10):
print(myDB.license_plate())
>>
8NVX937
6YZH485
XBY-564
SCG-2185
XMR-158
6OZZ231
CJN-850
SBL-4272
TPY-658
SZL-0934
如果你只是寫'city'而不是'city_real'，你會得到虛構的城市名稱
print(myDB.gen_data_series(num=8,data_type='city'))
>>
New Michelle
Robinborough
Leebury
Kaylatown
Hamiltonfort
Lake Christopher
Hannahstad
West Adamborough
如何生成一個帶有隨機條目的Pandas數據框？
你可以選擇要生成的數量和數據類型。請注意，所有內容都以string/texts形式返回。
testdf=myDB.gen_dataframe(5,['name','city','phone','date'])
testdf
如何生成數據庫表？
你可以選擇要生成數據的數量和類型。請注意，所有內容都以數據庫的text/ VARCHAR所有數據類型返回所有數據都以text/ VARCHAR類型返回數據庫。你可以指定數據庫文件名和表名。
myDB.gen_table(db_file='Testdb.DB',table_name='People',
fields=['name','city','street_address','email'])
這會生成一個可用於MySQL或SQLite數據庫服務器的.DB文件。 生成的數據庫表在SQLite數據庫瀏覽器中打開。
如何生成Excel文件？
與上面類似，只需使用以下代碼生成隨機數據的Excel文件即可。 請注意，'simple_phone'集被設置為False，因此會生成複雜的長型電話號碼。這樣可以方便試驗更多涉及數據提取的代碼！
myDB.gen_excel(num=20,fields=['name','phone','time','country'],
phone_simple=False,filename='TestExcel.xlsx')
用一種很酷的方法生成隨機emailIDs以便廢物利用?
pydbgen中一種內置方法是realistic_email，它從種子名稱中生成隨機電子郵件IDs。你能想到在網絡上使用這個嗎?你不想給出真實的電子郵件ID，但是可以給出一個相似的?
for _ in range(10):
print(myDB.realistic_email('Tirtha Sarkar'))
>>
未來的改進和用戶貢獻
當前版本是1.0.5，可能包含許多bug。如果你在執行過程中注意到任何bug或者你的程序崩潰(除了你的錯誤輸入)，請告訴我。另外，如果你有一個很酷的想法來為源代碼做貢獻，Github repo（鏈接：https://github.com/tirthajyoti/pydbgen）將為你打開。有一些問題很容易想到：
我們可以將機器學習/統計建模和這個隨機數據生成器集成嗎？
可視化功能可以被添加到發生器中嗎？
所有的可能性是無窮無盡且令人激動萬分的……
如果你有任何問題或想法可以分享，請通過tirthajyoti[AT]gmail.com聯繫作者。你也可以在Python，R或MATLAB以及機器學習資源中查找作者的GitHub存儲庫（鏈接：https://github.com/tirthajyoti?tab=repositories）以獲取其他有趣的代碼片段。 如果你像我一樣熱衷於機器學習/數據科學，請隨時在LinkedIn上添加我（鏈接：https://www.linkedin.com/in/tirthajyoti-sarkar-2127aa7/）或在Twitter上關注我（鏈接：https://twitter.com/tirthajyotiS）。
原文鏈接：https://www.codementor.io/tirthajyotisarkar/introducing-pydbgen-a-random-dataframe-database-table-generator-hi6i65h46
譯者簡介
王婷,南京理工大學在讀研究生，愛笑得有眼角魚尾紋的運氣不賴的女生。不喜歡呆板、教條、無聊，喜歡接觸新事物，參加新活動，融入新環境，結交新朋友，互相學習，取長補短。
閱讀更多 THU數據派 的文章
