SQL或数据科学领域的初学者通常会很难轻易访问大型示例数据库文件（.DB或.sqlite）来练习SQL命令。那么用一个简单的工具或库来生成一个包含多个表的，并且用自己选择的数据填充的大型数据库会不会很好？
当你开始学习和实践数据科学时，通常最担心的不是算法或技术，而是原始数据的可用性。幸运的是，网上有许多高质量的真实数据库可用于尝试学习热门机器学习技巧。但是，从我个人的经验来看从个人经验来讲，我发现学习SQL并不是这样。现在，对于数据科学领域来说，掌握SQL的基础知识与知道如何使用Python或R编写代码几乎同等重要。但是，访问存有真实数据的足够大的数据库（例如名称，年龄，信用卡，SSN，地址，生日等）并不像访问Kaggle上的玩具数据集一样常见，这些数据集是为机器学习的任务专门设计或策划的。
用一个简单的工具或库来生成一个包含多个表的，并且用自己选择的数据填充的大型数据库会不会很好？
除了数据科学领域的初学者，即使经验丰富的软件测试人员也可能发现使用简单的工具很有用，只需几行代码，他们就可以任意生成包含随机（假）而且有意义的条目的大型数据集。
我很高兴能介绍一个轻量级的Python库，即pydbgen。你可以在这里阅读了解关于软件包的详细信息。（链接：http://pydbgen.readthedocs. Io /en /latest/#）我将在短文中回顾类似的细节。
pydbgen究竟是什么？
它是一个轻量级的纯python库，用于生成随机有用的条目（例如名称，地址，信用卡号码，日期，时间，公司名称，职位名称，车牌号码等），并将其保存在Pandas数据框对象中，或者作为数据库文件中的SQLite表格或MS Excel文件。
如何安装？
它（当前版本为1.0.5）是托管在PyPI（Python Package Index repository）上的。请记住你需要提前安装Faker（链接：https://faker.readthedocs.io/en/latest/index.html）来完成这项工作。所以，只需键入:
pip install pydbgen
请注意，它目前仅在Python 3.6上进行了测试。它不适用于Python 2的安装。
如何使用？
你必须创建一个pydb对象才能开始使用它。
import pydbgen
from pydbgen import pydbgen
myDB=pydbgen.pydb()
然后，你可以访问由pydbobject公开的各种内部函数。例如，要打印随机的美国城市:
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
如果你只是写'city'而不是'city_real'，你会得到虚构的城市名称
print(myDB.gen_data_series(num=8,data_type='city'))
>>
New Michelle
Robinborough
Leebury
Kaylatown
Hamiltonfort
Lake Christopher
Hannahstad
West Adamborough
如何生成一个带有随机条目的Pandas数据框？
你可以选择要生成的数量和数据类型。请注意，所有内容都以string/texts形式返回。
testdf=myDB.gen_dataframe(5,['name','city','phone','date'])
testdf
如何生成数据库表？
你可以选择要生成数据的数量和类型。请注意，所有内容都以数据库的text/ VARCHAR所有数据类型返回所有数据都以text/ VARCHAR类型返回数据库。你可以指定数据库文件名和表名。
myDB.gen_table(db_file='Testdb.DB',table_name='People',
fields=['name','city','street_address','email'])
这会生成一个可用于MySQL或SQLite数据库服务器的.DB文件。 生成的数据库表在SQLite数据库浏览器中打开。
如何生成Excel文件？
与上面类似，只需使用以下代码生成随机数据的Excel文件即可。 请注意，'simple_phone'集被设置为False，因此会生成复杂的长型电话号码。这样可以方便试验更多涉及数据提取的代码！
myDB.gen_excel(num=20,fields=['name','phone','time','country'],
phone_simple=False,filename='TestExcel.xlsx')
用一种很酷的方法生成随机emailIDs以便废物利用?
pydbgen中一种内置方法是realistic_email，它从种子名称中生成随机电子邮件IDs。你能想到在网络上使用这个吗?你不想给出真实的电子邮件ID，但是可以给出一个相似的?
for _ in range(10):
print(myDB.realistic_email('Tirtha Sarkar'))
>>
Tirtha_Sarkar@gmail.com
Sarkar.Tirtha@outlook.com
Tirtha_S48@verizon.com
Tirtha_Sarkar62@yahoo.com
Tirtha.S46@yandex.com
Tirtha.S@att.com
Sarkar.Tirtha60@gmail.com
TirthaSarkar@zoho.com
Sarkar.Tirtha@protonmail.com
Tirtha.S@comcast.net
未来的改进和用户贡献
当前版本是1.0.5，可能包含许多bug。如果你在执行过程中注意到任何bug或者你的程序崩溃(除了你的错误输入)，请告诉我。另外，如果你有一个很酷的想法来为源代码做贡献，Github repo（链接：https://github.com/tirthajyoti/pydbgen）将为你打开。有一些问题很容易想到：
我们可以将机器学习/统计建模和这个随机数据生成器集成吗？
可视化功能可以被添加到发生器中吗？
