Faker——NLP造数据神器

                                                Faker——NLP造数据神器

 

写在前面:开源词典——funNLP

(1)码云地址:https://gitee.com/collecthub/funNLP(下载速度极快)

(2)github地址:https://github.com/fighting41love/funNLP(下载速度慢)

 

写作背景:NLP中的数据词典难以获取,尤其是数据增强的时候,总觉得不够(不知道funNLP)。如何解决?      Faker !!!

        Faker是一个Python包,开源的Github项目,主要用来创建伪数据,使用Faker包,无需再手动生成或者手写随机数来生成数据,只需要调用Faker提供的方法,即可完成数据的生成。项目地址:https://github.com/joke2k/faker

 

参考博客

(1)Python Faker的使用(1):基础使用方法与函数速查:https://www.jianshu.com/p/6bd6869631d9

(2)Faker官网地址:https://faker.readthedocs.io/en/master/(详细各类参数说明)

(3)Python库——Faker:https://zhuanlan.zhihu.com/p/87203290(详细各类实例)

 

1. faker的安装

pip install faker

说明:也可以通过上方提供的github地址,下载后再进行编译安装。

 

2. faker的使用

from faker import Faker
f = Faker(locale='zh_CN')   # 默认是en_US


print("1.生成姓名:", f.name())
print("2.生成地址:", f.address())
print("3.生成国家:", f.country())
print("4.生成省份:", f.province())
print("5.生成市、县:", f.city_suffix())
print("6.生成区:", f.district())
print("7.生成街道名:", f.street_name())
print("8.生成街、道:", f.street_suffix())
print("9.生成0~9随机数:", f.random_digit())
print("10.生成随机字母:", f.random_element())
print("11.生成随机颜色名:", f.color_name())
print("12.生成随机日期:", f.date())

运行结果:

1.生成姓名: 李琴
2.生成地址: 浙江省宁县静安南宁路I座 325707
3.生成国家: 维尔京群岛和圣罗克伊
4.生成省份: 香港特别行政区
5.生成市、县: 市
6.生成区: 永川
7.生成街道名: 马鞍山路
8.生成街、道: 路
9.生成0~9随机数: 7
10.生成随机字母: a
11.生成随机颜色名: MediumPurple
12.生成随机日期: 1993-07-09

 

3. 核心参数说明

3.1 文字语言

ar_EG - Arabic (Egypt)        阿拉伯语 - 埃及
ar_PS - Arabic (Palestine)    阿拉伯语 - 巴勒斯坦
ar_SA - Arabic (Saudi Arabia)    阿拉伯语 - 沙特阿拉伯
bg_BG - Bulgarian        保加利亚语 - 保加利亚
cs_CZ - Czech               捷克语 - 捷克
de_DE - German            德语 - 德国
dk_DK - Danish            丹麦语 - 丹麦
el_GR - Greek            希腊语 - 希腊
en_AU - English (Australia)    英语 - 澳大利亚
en_CA - English (Canada)    英语 -  加拿大
en_GB - English (Great Britain)    英语 - 英国
en_US - English (United States)   英语 -  美国
es_ES - Spanish (Spain)        西班牙语 - 西班牙
es_MX - Spanish (Mexico)        西班牙语- 墨西哥
et_EE - Estonian            爱沙尼亚语 - 爱沙尼亚
fa_IR - Persian (Iran)        波斯语 - 伊朗
fi_FI - Finnish        芬兰语 - 芬兰
fr_FR - French         法语 - 法国
hi_IN - Hindi            印地语 - 印度
hr_HR - Croatian    克罗地亚语 - 克罗地亚
hu_HU - Hungarian    匈牙利语 - 匈牙利
hy_AM - Armenian 亚美尼亚语 - 亚美尼亚
it_IT - Italian       意大利语 -  意大利
ja_JP - Japanese    日语 - 日本
ko_KR - Korean    朝鲜语 - 韩国
ka_GE - Georgian (Georgia)  格鲁吉亚语 - 格鲁吉亚
lt_LT - Lithuanian    立陶宛语 - 立陶宛
lv_LV - Latvian    拉脱维亚语 - 拉脱维亚
ne_NP - Nepali    尼泊尔语 - 尼泊尔
nl_NL - Dutch (Netherlands)    德语 - 荷兰
no_NO - Norwegian    挪威语 - 挪威
pl_PL - Polish    波兰语 - 波兰
pt_BR - Portuguese (Brazil)    葡萄牙语  - 巴西
pt_PT - Portuguese (Portugal)    葡萄牙语 - 葡萄牙
ru_RU - Russian    俄语 - 俄国
sl_SI - Slovene   斯诺文尼亚语 - 斯诺文尼亚
sv_SE - Swedish    瑞典语 - 瑞典 
tr_TR - Turkish         土耳其语 - 土耳其
uk_UA - Ukrainian    乌克兰语 - 乌克兰
zh_CN - Chinese (China)    (简体中文)
zh_TW - Chinese (Taiwan)  (繁体中文)

3.2 地理信息类

city_suffix():市,县
country():国家
country_code():国家编码
district():区
geo_coordinate():地理坐标
latitude():地理坐标(纬度)
longitude():地理坐标(经度)
postcode():邮编
province():省份 (zh_TW没有此方法)
address():详细地址
street_address():街道地址
street_name():街道名
street_suffix():街、路

3.3 基础信息类

ssn():生成身份证号
bs():随机公司服务名
company():随机公司名(长)
company_prefix():随机公司名(短)
company_suffix():公司性质
credit_card_expire():随机信用卡到期日
credit_card_full():生成完整信用卡信息
credit_card_number():信用卡号
credit_card_provider():信用卡类型
credit_card_security_code():信用卡安全码
job():随机职位
first_name(): 姓氏
first_name_female():女性名
first_name_male():男性名
first_romanized_name():罗马名
last_name(): 名字
last_name_female():女姓
last_name_male():男姓
last_romanized_name():
name():随机生成全名
name_female():男性全名
name_male():女性全名
romanized_name():罗马名
msisdn():移动台国际用户识别码,即移动用户的ISDN号码
phone_number():随机生成手机号
phonenumber_prefix():随机生成手机号段

3.4 个人账户信息类

ascii_company_email():随机ASCII公司邮箱名
ascii_email():随机ASCII邮箱
ascii_free_email():
ascii_safe_email():
company_email():
email():
free_email():
free_email_domain():
safe_email():安全邮箱

3.5 网络基础信息类

domain_name():生成域名
domain_word():域词(即,不包含后缀)
ipv4():随机IP4地址
ipv6():随机IP6地址
mac_address():随机MAC地址
tld():网址域名后缀(.com,.net.cn,等等,不包括.)
uri():随机URI地址
uri_extension():网址文件后缀
uri_page():网址文件(不包含后缀)
uri_path():网址文件路径(不包含文件名)
url():随机URL地址
user_name():随机用户名
image_url():随机URL地址

3.6 浏览器信息类

chrome():随机生成Chrome的浏览器user_agent信息
firefox():随机生成FireFox的浏览器user_agent信息
internet_explorer():随机生成IE的浏览器user_agent信息
opera():随机生成Opera的浏览器user_agent信息
safari():随机生成Safari的浏览器user_agent信息
linux_platform_token():随机Linux信息
user_agent():随机user_agent信息

3.7 文件信息类

file_extension():随机文件扩展名
file_name():随机文件名(包含扩展名,不包含路径)
file_path():随机文件路径(包含文件名,扩展名)
mime_type():随机mime Type

3.8 数字类

numerify():三位随机数字
random_digit():0~9随机数
random_digit_not_null():1~9的随机数
random_int():随机数字,默认0~9999,可以通过设置min,max来设置
random_number():随机数字,参数digits设置生成的数字位数
pyfloat():left_digits=5 #生成的整数位数,
                  right_digits=2 #生成的小数位数,
                  positive=True #是否只有正数
pyint():随机Int数字(参考random_int()参数)
pydecimal():随机Decimal数字(参考pyfloat参数)

3.9 文本、加密类

pystr():随机字符串
random_element():随机字母
random_letter():随机字母
paragraph():随机生成一个段落
paragraphs():随机生成多个段落,通过参数nb来控制段落数,返回数组
sentence():随机生成一句话
sentences():随机生成多句话,与段落类似
text():随机生成一篇文章(不要幻想着人工智能了,至今没完全看懂一句话是什么意思)
word():随机生成词语
words():随机生成多个词语,用法与段落,句子,类似
binary():随机生成二进制编码
boolean():True/False
language_code():随机生成两位语言编码
locale():随机生成语言/国际 信息
md5():随机生成MD5
null_boolean():NULL/True/False
password():随机生成密码,可选参数:length:密码长度;special_chars:是否能使用特殊字符;digits:是否包含数字;upper_case:是否包含大写字母;lower_case:是否包含小写字母
sha1():随机SHA1
sha256():随机SHA256
uuid4():随机UUID

3.10 时间信息类

am_pm():AM/PM
century():随机世纪
date():随机日期
date_between():随机生成指定范围内日期,参数:start_date,end_date取值:具体日期或者today,-30d,-30y类似
date_between_dates():随机生成指定范围内日期,用法同上
date_object():随机生产从1970-1-1到指定日期的随机日期。
date_this_month():
date_this_year():
date_time():随机生成指定时间(1970年1月1日至今)
date_time_ad():生成公元1年到现在的随机时间
date_time_between():用法同dates
future_date():未来日期
future_datetime():未来时间
month():随机月份
month_name():随机月份(英文)
past_date():随机生成已经过去的日期
past_datetime():随机生成已经过去的时间
time():随机24小时时间
timedelta():随机获取时间差
time_object():随机24小时时间,time对象
time_series():随机TimeSeries对象
timezone():随机时区
unix_time():随机Unix时间
year():随机年份

3.11 集合信息类

profile():随机生成档案信息
simple_profile():随机生成简单档案信息

#以下方法皆为随机集合类型
pyiterable()
pylist()
pyset()
pystruct()
pytuple()
pydict()

3.12 其他类别

currency_code():货币编码
color_name():随机颜色名
hex_color():随机HEX颜色
rgb_color():随机RGB颜色
safe_color_name():随机安全色名
safe_hex_color():随机安全HEX颜色
isbn10():随机ISBN(10位)
isbn13():随机ISBN(13位)
lexify():替换所有问号(“?”)带有随机字母的事件。

 

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页