使用Python高效生成逼真的测试数据

import random
import string

# 1. 随机整数/浮点数
print(random.randint(1, 100))      # 1-100随机整数
print(random.uniform(1.0, 10.0))   # 1.0-10.0随机浮点数

# 2. 随机选择
choices = ['Apple', 'Banana', 'Orange']
print(random.choice(choices))      # 随机选一个水果

# 3. 生成随机字符串（指定长度）
# 生成10位由字母和数字组成的随机密码
rand_str = ''.join(random.choices(string.ascii_letters + string.digits, k=10))
print(rand_str)  # 输出类似: 'aB3x9ZkL2p'

provinces = ['广东', '山东', '河南', '四川', '西藏']
weights = [0.15, 0.10, 0.09, 0.08, 0.01] # 概率权重

# 生成10个样本
result = random.choices(provinces, weights=weights, k=10)
print(result) 
# 广东出现的频率会明显高于西藏

pip install faker

from faker import Faker

# 初始化中文环境
fake = Faker('zh_CN')

# 生成单条数据
print(f"姓名: {fake.name()}")           # 张伟
print(f"地址: {fake.address()}")       # 四川省成都市锦江区
print(f"公司: {fake.company()}")       # 某某科技有限公司
print(f"邮箱: {fake.email()}")         # wei.zhang@example.com
print(f"日期: {fake.date_of_birth()}") # 1985-04-12
print(f"段落: {fake.text()}")         # 生成一段随机中文文本

# 一次性生成100个用户
users = [
    {
        'id': i,
        'name': fake.name(),
        'email': fake.email(),
        'address': fake.address(),
        'created_at': fake.date_time_this_year()
    } 
    for i in range(100)
]

# 查看第一个用户
print(users[0])

Faker.seed(0) # 设置全局种子
fake1 = Faker('zh_CN')
print(fake1.name()) # 每次运行都是同一个名字

import pandas as pd
from faker import Faker
import random

fake = Faker('zh_CN')

# 定义数据量
n = 10000

# 使用Pandas直接生成列数据（比循环快得多）
data = {
    'order_id': range(1, n + 1),
    'user_name': [fake.name() for _ in range(n)],
    'product_name': [fake.word().capitalize() + random.choice(['手机', '电脑', '耳机', '键盘']) for _ in range(n)],
    'price': [round(random.uniform(9.9, 9999.9), 2) for _ in range(n)],
    'status': random.choices(['已支付', '待发货', '已完成', '已取消'], weights=[0.6, 0.2, 0.15, 0.05], k=n),
    'created_at': [fake.date_time_between(start_date='-30d', end_date='now') for _ in range(n)]
}

# 创建DataFrame
df = pd.DataFrame(data)

# 数据清洗与加工（Pandas强项）
# 1. 计算总价（假设随机数量1-3件）
df['quantity'] = [random.randint(1, 3) for _ in range(n)]
df['total_amount'] = (df['price'] * df['quantity']).round(2)

# 2. 构造关联字段（例如：根据状态决定是否有物流单号）
import numpy as np
df['tracking_number'] = np.where(
    df['status'] == '已发货', 
    ['SF' + str(random.randint(100000, 999999)) for _ in range(n)], 
    None
)

# 预览数据
print(df.head())

# 导出到文件
df.to_csv('mock_orders.csv', index=False, encoding='utf-8-sig')
df.to_excel('mock_orders.xlsx', index=False)

print(f"\n成功生成 {len(df)} 条数据！")

import numpy as np

# 在Pandas中插入空值
df.loc[random.sample(range(n), 50), 'user_name'] = np.nan  # 50个空姓名

# 插入极端值
df.loc[0, 'price'] = -1000  # 负价格（测试系统容错）
df.loc[1, 'price'] = 999999 # 天价订单

# Faker自带phone_number，但也可以自定义
phone = fake.numerify('1##########') # #代表数字
print(phone) # 13812345678

malicious_inputs = [
    "'; DROP TABLE users; --",
    "admin' OR '1'='1",
    "<script>alert('xss')</script>"
]
df['malicious_input'] = random.choices(malicious_inputs, k=n)