用于生成模拟数据集作为pandas数据帧的实用程序
dfmock的Python项目详细描述
dfmock
Pithon3的Pandas数据框模拟程序。
为什么？
有时您只需要pandas数据类型中已经存在的模拟数据。有很多数据生成工具，但是大多数都会生成csv或者一些需要熊猫使用的csv；这为您的测试增加了一个有用的点。如果逻辑正确，但数据类型没有从csv中正确导入怎么办？因此dfmock的目标是在控制数据类型的地方生成模拟数据帧。
安装
使用pip
pip install dfmock
您还可以获取源here
API
使用起来很简单。 导入到模块中，选择列名和数据类型，设置列数，并生成框架。 从dfmock导入dfmock
columns = { "hamburger":"string",
"hot_dog":"integer",
"shoelace":"timedelta"
}
dfmock = DFMock(count=100, cols=columns)
dfmock.generate_dataframe()
my_mocked_dataframe = dfmock.dataframe
支持的熊猫数据类型：
| PANDAS TYPE | DICT VALUE |
|---|---|
| object | string |
| int64 | int |
| float64 | float |
| bool | bool |
| datetime64 | datetime |
| timedelta | timedelta |
| category | category |
因此，使用列“banana”（即int64）和列“rockstar”（即category类型）创建一个数据帧：
dfmock.cols = {"banana":"int","rockstar":"category"}
很简单。
增大到大小
有时需要将数据集设置为特定的内存大小，而不是行大小。grow_dataframe_to_size()允许您增大帧，直到它达到或超过给定的大小（以MB为单位）。
需要10MB的数据帧吗？
dfmock.generate_dataframe()
dfmock.size
## returns 0.2 MB
dfmock.grow_dataframe_to_size(10)
dfmock.size
## returns ~10 MB
分组
note：timedelta和category数据类型当前不受支持。
有时，您需要一个列，可以在该列上使用给定的数据类型进行聚合。例如，您可能需要具有4个datetime值之一的1m行（可能表示4个观察报告时间戳？）。可以使用分组来完成此操作。
通过将dict作为数据类型值传递，并将分组列的参数作为键来声明分组列。像这样：
columns = {"amazing_grouped_column_with_3_values": { "option_count":3, "option_type":"string"}}
这将为您提供一个只有3个不同值和（几乎）相等分布的列。 如果需要控制分布，可以传递直方图参数。例如，如果您想要一个具有4个datetime值的数据集，并且想要50%的记录使用一个值，30%的记录使用另一个值，而其余的记录使用20%的值，则此选项非常有用。您可以这样删除此分发版：
columns = {"super_cool_grouped_column_with_histogram": {"option_count":4, "option_type":"datetime","histogram":(5,3,2,2,)}}
传递直方图的整数需要用与选项count相同的值（即，如果option_count=5，则需要5个值）加起来最多10个。对于直方图，此caps选项当前计数为10。
您所需的行数也必须可被10整除-这使数学简单。
贡献
我们欢迎拉要求！
欢迎加入QQ群-->： 979659372
