大厂数据分析师进阶之路，一个合格的数据分析师如何造数？

　　不会＂造数 ＂的数据分析师，不是一个好数据分析师，这里所说的＂造数 ＂，并不是让我们数据分析师去胡编乱造数据，而是在日常数据分析过程中我们需要模拟生成一些数据用于测试，也就是测试数据。
　　本文所使用的Faker库就是一个很好的模拟生成数据的库，在满足数据安全的情况下，使用Faker库最大限度的满足我们数据分析的测试需求，可以模拟生成文本、数字、日期等字段，下面一起来学习。 示例工具：anconda3.7
　　本文讲解内容：Faker模拟数据并导出Excel
　　适用范围：数据测试和脱敏数据生成  常规数据模拟
　　常规数据模拟，比如我们生成一组范围在100到1000的31个数字，就可以使用一行代码np.random.randint(100,1000,31)，如下就是我们使用随机数字生成的sale随日期变化的折线图。 import pandas as pd import numpy as np import datetime  df=pd.DataFrame(data=np.random.randint(100,1000,31),                 							index=pd.date_range(datetime.datetime(2022,12,1),periods=31),                 							columns=[＂sale＂]).plot(figsize=(9,6))
　　Faker模拟数据
　　使用Faker模拟数据需要提前下载Faker库，在命令行使用pip install Faker命令即可下载，当出现Successfully installed的字样时表明库已经安装完成。 !pip install Faker -i https://pypi.tuna.tsinghua.edu.cn/simple
　　导入Faker库可以用来模拟生成数据，其中，locale=＂zh_CN＂用来显示中文，如下生成了一组包含姓名、手机号、身份证号、出生年月日、邮箱、地址、公司、职位这几个字段的数据。 #多行显示运行结果 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = ＂all＂  from faker import Faker faker=Faker(locale=＂zh_CN＂)#模拟生成数据  faker.name() faker.phone_number() faker.ssn() faker.ssn()[6:14] faker.email() faker.address() faker.company() faker.job()
　　除了上面的生成字段，Faker库还可以生成如下几类常用的数据，地址类、人物类、公司类、信用卡类、时间日期类、文件类、互联网类、工作类、乱数假文类、电话号码类、身份证号类。 #address 地址 faker.country()  # 国家 faker.city()  # 城市 faker.city_suffix()  # 城市的后缀,中文是：市或县 faker.address()  # 地址 faker.street_address()  # 街道 faker.street_name()  # 街道名 faker.postcode()  # 邮编 faker.latitude()  # 维度 faker.longitude()  # 经度
　　#person 人物 faker.name() # 姓名 faker.last_name() # 姓 faker.first_name() # 名 faker.name_male() # 男性姓名 faker.last_name_male() # 男性姓 faker.first_name_male() # 男性名 faker.name_female() # 女性姓名
　　#company 公司 faker.company() # 公司名 faker.company_suffix() # 公司名后缀
　　#credit_card 银行信用卡 faker.credit_card_number(card_type=None) # 卡号
　　#date_time 时间日期 faker.date_time(tzinfo=None) # 随机日期时间 faker.date_time_this_month(before_now=True, after_now=False, tzinfo=None) # 本月的某个日期 faker.date_time_this_year(before_now=True, after_now=False, tzinfo=None) # 本年的某个日期 faker.date_time_this_decade(before_now=True, after_now=False, tzinfo=None)  # 本年代内的一个日期 faker.date_time_this_century(before_now=True, after_now=False, tzinfo=None)  # 本世纪一个日期 faker.date_time_between(start_date=＂-30y＂, end_date=＂now＂, tzinfo=None)  # 两个时间间的一个随机时间 faker.time(pattern=＂%H:%M:%S＂) # 时间（可自定义格式） faker.date(pattern=＂%Y-%m-%d＂) # 随机日期（可自定义格式）
　　#file 文件 faker.file_name(category=＂image＂, extension=＂png＂) # 文件名（指定文件类型和后缀名） faker.file_name() # 随机生成各类型文件 faker.file_extension(category=None) # 文件后缀
　　#internet 互联网 faker.safe_email() # 安全邮箱 faker.free_email() # 免费邮箱 faker.company_email()  # 公司邮箱 faker.email() # 邮箱
　　#job 工作 faker.job()#工作职位
　　#lorem 乱数假文 faker.text(max_nb_chars=200) # 随机生成一篇文章 faker.word() # 随机单词 faker.words(nb=10)  # 随机生成几个字 faker.sentence(nb_words=6, variable_nb_words=True)  # 随机生成一个句子 faker.sentences(nb=3) # 随机生成几个句子 faker.paragraph(nb_sentences=3, variable_nb_sentences=True)  # 随机生成一段文字(字符串) faker.paragraphs(nb=3)  # 随机生成成几段文字(列表)
　　#phone_number 电话号码 faker.phone_number() # 手机号码 faker.phonenumber_prefix() # 运营商号段，手机号码前三位
　　#ssn 身份证 faker.ssn() # 随机生成身份证号(18位)
　　模拟数据并导出Excel
　　使用Faker库模拟一组数据，并导出到Excel中，包含姓名、手机号、身份证号、出生日期、邮箱、详细地址等字段，先生成一个带有表头的空sheet表，使用Faker库生成对应字段，并用append命令逐一添加至sheet表中，最后进行保存导出。 from faker import Faker from openpyxl import Workbook  wb=Workbook()#生成workbook 和工作表 sheet=wb.active  title_list=[＂姓名＂,＂手机号＂,＂身份证号＂,＂出生日期＂,＂邮箱＂,＂详细地址＂,＂公司名称＂,＂从事行业＂]#设置excel的表头 sheet.append(title_list)  faker=Faker(locale=＂zh_CN＂)#模拟生成数据  for i in range(100):       sheet.append([faker.name(),#生成姓名                      faker.phone_number(),#生成手机号                      faker.ssn(), #生成身份证号                      faker.ssn()[6:14],#出生日期                      faker.email(), #生成邮箱                      faker.address(), #生成详细地址                      faker.company(), #生成所在公司名称                      faker.job(), #生成从事行业                     ])                      wb.save(r＂D:系统桌面(勿删)Desktop模拟数据.xlsx＂)
　　以上使用Faker库生成一组模拟数据，并且导出到Excel本地，使用模拟数据这种数据创建方式极大方便了数据的使用，更多关于数据方面的内容可以关注我，一起学习。
　　初入数据分析，对于技能和知识点的应用明显不足，那么就需要我们系统的学习这部分知识点，本次推荐的数据分析训练营，带你系统的学习数据分析知识，感兴趣的话可以点击 「链接」进入了解，并进行学习~