本文目录导读：
我来介绍几种在Python中生成随机数据的方法：
基础随机数生成
import random import string # 随机整数 random_int = random.randint(1, 100) # 1-100之间的随机整数 # 随机浮点数 random_float = random.uniform(1.0, 10.0) # 1.0-10.0之间的浮点数 # 从列表中随机选择 choice = random.choice(['A', 'B', 'C', 'D']) # 随机打乱列表 list_example = [1, 2, 3, 4, 5] random.shuffle(list_example) # 随机字符串 random_string = ''.join(random.choices(string.ascii_letters, k=8))
生成各种类型随机数据
import random
import string
import datetime
class RandomDataGenerator:
@staticmethod
def random_name(length=5):
"""生成随机中文名"""
first_names = ['赵', '钱', '孙', '李', '周', '吴', '郑', '王']
last_names = ['明', '华', '强', '伟', '芳', '娜', '秀英', '志强']
return random.choice(first_names) + random.choice(last_names)
@staticmethod
def random_email():
"""生成随机邮箱"""
domains = ['gmail.com', '163.com', 'qq.com', 'outlook.com']
username = ''.join(random.choices(string.ascii_lowercase, k=8))
return f"{username}@{random.choice(domains)}"
@staticmethod
def random_phone():
"""生成随机手机号"""
prefixes = ['138', '139', '150', '151', '188', '186']
suffix = ''.join(random.choices(string.digits, k=8))
return random.choice(prefixes) + suffix
@staticmethod
def random_date(start_year=2020, end_year=2024):
"""生成随机日期"""
start = datetime.date(start_year, 1, 1)
end = datetime.date(end_year, 12, 31)
days = (end - start).days
random_days = random.randint(0, days)
return start + datetime.timedelta(days=random_days)
@staticmethod
def random_address():
"""生成随机地址"""
cities = ['北京', '上海', '广州', '深圳', '杭州']
streets = ['中山路', '人民路', '解放路', '建设路']
return f"{random.choice(cities)}市{random.choice(streets)}{random.randint(1, 999)}号"
# 使用示例
generator = RandomDataGenerator()
print(f"姓名: {generator.random_name()}")
print(f"邮箱: {generator.random_email()}")
print(f"手机: {generator.random_phone()}")
print(f"日期: {generator.random_date()}")
print(f"地址: {generator.random_address()}")
生成结构化数据（CSV/JSON）
import csv
import json
import random
from datetime import datetime, timedelta
def generate_user_data(num_records=100):
"""生成用户数据"""
users = []
for i in range(1, num_records + 1):
user = {
'id': i,
'name': f'用户{i:03d}',
'age': random.randint(18, 60),
'gender': random.choice(['男', '女']),
'email': f'user{i:03d}@example.com',
'salary': round(random.uniform(5000, 30000), 2),
'department': random.choice(['技术部', '市场部', '人事部', '财务部']),
'created_at': datetime.now() - timedelta(days=random.randint(1, 365))
}
users.append(user)
return users
def save_to_csv(data, filename='users.csv'):
"""保存为CSV文件"""
if not data:
return
keys = data[0].keys()
with open(filename, 'w', newline='', encoding='utf-8') as f:
writer = csv.DictWriter(f, fieldnames=keys)
writer.writeheader()
writer.writerows(data)
def save_to_json(data, filename='users.json'):
"""保存为JSON文件"""
with open(filename, 'w', encoding='utf-8') as f:
json.dump(data, f, ensure_ascii=False, indent=2, default=str)
# 生成并保存数据
users = generate_user_data(50)
save_to_csv(users)
save_to_json(users)
print(f"生成了 {len(users)} 条用户数据")
使用第三方库（需要安装）
Faker库（最常用的随机数据生成库）
# pip install faker
from faker import Faker
fake = Faker('zh_CN') # 设置为中文
# 生成各种数据
name = fake.name()
address = fake.address()
phone = fake.phone_number()
email = fake.email()
text = fake.text()
company = fake.company()
job = fake.job()
credit_card = fake.credit_card_number()
# 批量生成
fake_users = [{
'name': fake.name(),
'phone': fake.phone_number(),
'email': fake.email(),
'company': fake.company(),
'address': fake.address()
} for _ in range(10)]
Numpy + Pandas
import numpy as np
import pandas as pd
# 生成大量数值数据
n_samples = 1000
data = {
'feature_1': np.random.normal(0, 1, n_samples), # 正态分布
'feature_2': np.random.uniform(-5, 5, n_samples), # 均匀分布
'category': np.random.choice(['A', 'B', 'C'], n_samples),
'timestamp': pd.date_range('2024-01-01', periods=n_samples, freq='H')
}
df = pd.DataFrame(data)
print(df.head())
完整示例：生成产品数据
import random
from faker import Faker
fake = Faker('zh_CN')
def generate_product_data(num_products=100):
"""生成产品数据"""
categories = ['电子产品', '服装', '食品', '图书', '家居用品']
payment_methods = ['支付宝', '微信支付', '银行卡', '现金']
statuses = ['待付款', '已付款', '已发货', '已完成', '已取消']
products = []
for i in range(1, num_products + 1):
product = {
'product_id': f'P{i:05d}',
'name': f'{random.choice(categories)}-{i:03d}',
'category': random.choice(categories),
'price': round(random.uniform(10, 10000), 2),
'stock': random.randint(0, 1000),
'rating': round(random.uniform(1, 5), 1),
'created_date': fake.date_between(start_date='-1y', end_date='today'),
'supplier': fake.company(),
'description': fake.text(max_nb_chars=100),
'is_active': random.choice([True, False])
}
products.append(product)
return products
# 生成并显示
products = generate_product_data(5)
for product in products:
print(json.dumps(product, ensure_ascii=False, indent=2, default=str))
生成特定格式数据
import uuid
import hashlib
def generate_special_data():
"""生成特殊格式数据"""
# UUID
id = str(uuid.uuid4())
# 哈希值
hash_value = hashlib.md5(str(random.random()).encode()).hexdigest()
# IP地址
ip = f"{random.randint(1, 255)}.{random.randint(0, 255)}." \
f"{random.randint(0, 255)}.{random.randint(1, 255)}"
# 身份证号（仅示例格式）
def generate_id_card():
# 前6位地区码
area = '110101'
# 出生日期
birth = f"{random.randint(1970, 2000)}" \
f"{random.randint(1, 12):02d}" \
f"{random.randint(1, 28):02d}"
# 后4位随机
suffix = ''.join(random.choices(string.digits, k=4))
return area + birth + suffix
return {
'uuid': id,
'hash': hash_value,
'ip': ip,
'id_card': generate_id_card()
}
print(generate_special_data())
推荐使用场景
- 简单数据：使用内置的
random模块 - 模拟真实数据：使用
Faker库（最推荐） - 大量数值数据：使用
NumPy - 数据科学场景：使用
Pandas+NumPy
最常用的第三方库是 Faker，它支持多种语言和数据格式,非常适合生成测试数据。
