Faker——NLP造數據神器
寫在前面：開源詞典——funNLP
（1）碼雲地址：https://gitee.com/collecthub/funNLP（下載速度極快）
（2）github地址：https://github.com/fighting41love/funNLP（下載速度慢）
寫作背景：NLP中的數據詞典難以獲取，尤其是數據增強的時候，總覺得不夠（不知道funNLP）。如何解決？ Faker !!!
Faker是一個Python包，開源的Github項目，主要用來創建僞數據，使用Faker包，無需再手動生成或者手寫隨機數來生成數據，只需要調用Faker提供的方法，即可完成數據的生成。項目地址：https://github.com/joke2k/faker。
參考博客：
（1）Python Faker的使用(1)：基礎使用方法與函數速查：https://www.jianshu.com/p/6bd6869631d9。
（2）Faker官網地址：https://faker.readthedocs.io/en/master/（詳細各類參數說明）
（3）Python庫——Faker：https://zhuanlan.zhihu.com/p/87203290（詳細各類實例）
1. faker的安裝
pip install faker
說明：也可以通過上方提供的github地址，下載後再進行編譯安裝。
2. faker的使用
from faker import Faker
f = Faker(locale='zh_CN') # 默認是en_US
print("1.生成姓名:", f.name())
print("2.生成地址:", f.address())
print("3.生成國家:", f.country())
print("4.生成省份:", f.province())
print("5.生成市、縣:", f.city_suffix())
print("6.生成區:", f.district())
print("7.生成街道名:", f.street_name())
print("8.生成街、道:", f.street_suffix())
print("9.生成0～9隨機數:", f.random_digit())
print("10.生成隨機字母:", f.random_element())
print("11.生成隨機顏色名:", f.color_name())
print("12.生成隨機日期:", f.date())
運行結果:
1.生成姓名: 李琴
2.生成地址: 浙江省寧縣靜安南寧路I座 325707
3.生成國家: 維爾京羣島和聖羅克伊
4.生成省份: 香港特別行政區
5.生成市、縣: 市
6.生成區: 永川
7.生成街道名: 馬鞍山路
8.生成街、道: 路
9.生成0～9隨機數: 7
10.生成隨機字母: a
11.生成隨機顏色名: MediumPurple
12.生成隨機日期: 1993-07-09
3. 核心參數說明
3.1 文字語言
ar_EG - Arabic (Egypt) 阿拉伯語 - 埃及
ar_PS - Arabic (Palestine) 阿拉伯語 - 巴勒斯坦
ar_SA - Arabic (Saudi Arabia) 阿拉伯語 - 沙特阿拉伯
bg_BG - Bulgarian 保加利亞語 - 保加利亞
cs_CZ - Czech 捷克語 - 捷克
de_DE - German 德語 - 德國
dk_DK - Danish 丹麥語 - 丹麥
el_GR - Greek 希臘語 - 希臘
en_AU - English (Australia) 英語 - 澳大利亞
en_CA - English (Canada) 英語 - 加拿大
en_GB - English (Great Britain) 英語 - 英國
en_US - English (United States) 英語 - 美國
es_ES - Spanish (Spain) 西班牙語 - 西班牙
es_MX - Spanish (Mexico) 西班牙語- 墨西哥
et_EE - Estonian 愛沙尼亞語 - 愛沙尼亞
fa_IR - Persian (Iran) 波斯語 - 伊朗
fi_FI - Finnish 芬蘭語 - 芬蘭
fr_FR - French 法語 - 法國
hi_IN - Hindi 印地語 - 印度
hr_HR - Croatian 克羅地亞語 - 克羅地亞
hu_HU - Hungarian 匈牙利語 - 匈牙利
hy_AM - Armenian 亞美尼亞語 - 亞美尼亞
it_IT - Italian 意大利語 - 意大利
ja_JP - Japanese 日語 - 日本
ko_KR - Korean 朝鮮語 - 韓國
ka_GE - Georgian (Georgia) 格魯吉亞語 - 格魯吉亞
lt_LT - Lithuanian 立陶宛語 - 立陶宛
lv_LV - Latvian 拉脫維亞語 - 拉脫維亞
ne_NP - Nepali 尼泊爾語 - 尼泊爾
nl_NL - Dutch (Netherlands) 德語 - 荷蘭
no_NO - Norwegian 挪威語 - 挪威
pl_PL - Polish 波蘭語 - 波蘭
pt_BR - Portuguese (Brazil) 葡萄牙語 - 巴西
pt_PT - Portuguese (Portugal) 葡萄牙語 - 葡萄牙
ru_RU - Russian 俄語 - 俄國
sl_SI - Slovene 斯諾文尼亞語 - 斯諾文尼亞
sv_SE - Swedish 瑞典語 - 瑞典
tr_TR - Turkish 土耳其語 - 土耳其
uk_UA - Ukrainian 烏克蘭語 - 烏克蘭
zh_CN - Chinese (China) （簡體中文）
zh_TW - Chinese (Taiwan) （繁體中文）
3.2 地理信息類
city_suffix()：市，縣
country()：國家
country_code()：國家編碼
district()：區
geo_coordinate()：地理座標
latitude()：地理座標(緯度)
longitude()：地理座標(經度)
postcode()：郵編
province()：省份 (zh_TW沒有此方法)
address()：詳細地址
street_address()：街道地址
street_name()：街道名
street_suffix()：街、路
3.3 基礎信息類
ssn()：生成身份證號
bs()：隨機公司服務名
company()：隨機公司名（長）
company_prefix()：隨機公司名（短）
company_suffix()：公司性質
credit_card_expire()：隨機信用卡到期日
credit_card_full()：生成完整信用卡信息
credit_card_number()：信用卡號
credit_card_provider()：信用卡類型
credit_card_security_code()：信用卡安全碼
job()：隨機職位
first_name()： 姓氏
first_name_female()：女性名
first_name_male()：男性名
first_romanized_name()：羅馬名
last_name()： 名字
last_name_female()：女姓
last_name_male()：男姓
last_romanized_name()：
name()：隨機生成全名
name_female()：男性全名
name_male()：女性全名
romanized_name()：羅馬名
msisdn()：移動臺國際用戶識別碼，即移動用戶的ISDN號碼
phone_number()：隨機生成手機號
phonenumber_prefix()：隨機生成手機號段
3.4 個人賬戶信息類
ascii_company_email()：隨機ASCII公司郵箱名
ascii_email()：隨機ASCII郵箱
ascii_free_email()：
ascii_safe_email()：
company_email()：
email()：
free_email()：
free_email_domain()：
safe_email()：安全郵箱
3.5 網絡基礎信息類
domain_name()：生成域名
domain_word()：域詞(即，不包含後綴)
ipv4()：隨機IP4地址
ipv6()：隨機IP6地址
mac_address()：隨機MAC地址
tld()：網址域名後綴(.com,.net.cn,等等，不包括.)
uri()：隨機URI地址
uri_extension()：網址文件後綴
uri_page()：網址文件（不包含後綴）
uri_path()：網址文件路徑（不包含文件名）
url()：隨機URL地址
user_name()：隨機用戶名
image_url()：隨機URL地址
3.6 瀏覽器信息類
chrome()：隨機生成Chrome的瀏覽器user_agent信息
firefox()：隨機生成FireFox的瀏覽器user_agent信息
internet_explorer()：隨機生成IE的瀏覽器user_agent信息
opera()：隨機生成Opera的瀏覽器user_agent信息
safari()：隨機生成Safari的瀏覽器user_agent信息
linux_platform_token()：隨機Linux信息
user_agent()：隨機user_agent信息
3.7 文件信息類
file_extension()：隨機文件擴展名
file_name()：隨機文件名（包含擴展名，不包含路徑）
file_path()：隨機文件路徑（包含文件名，擴展名）
mime_type()：隨機mime Type
3.8 數字類
numerify()：三位隨機數字
random_digit()：0~9隨機數
random_digit_not_null()：1~9的隨機數
random_int()：隨機數字，默認0~9999，可以通過設置min,max來設置
random_number()：隨機數字，參數digits設置生成的數字位數
pyfloat()：left_digits=5 #生成的整數位數,
right_digits=2 #生成的小數位數,
positive=True #是否只有正數
pyint()：隨機Int數字（參考random_int()參數）
pydecimal()：隨機Decimal數字（參考pyfloat參數）
3.9 文本、加密類
pystr()：隨機字符串
random_element()：隨機字母
random_letter()：隨機字母
paragraph()：隨機生成一個段落
paragraphs()：隨機生成多個段落，通過參數nb來控制段落數，返回數組
sentence()：隨機生成一句話
sentences()：隨機生成多句話，與段落類似
text()：隨機生成一篇文章（不要幻想着人工智能了，至今沒完全看懂一句話是什麼意思）
word()：隨機生成詞語
words()：隨機生成多個詞語，用法與段落，句子，類似
binary()：隨機生成二進制編碼
boolean()：True/False
language_code()：隨機生成兩位語言編碼
locale()：隨機生成語言/國際 信息
md5()：隨機生成MD5
null_boolean()：NULL/True/False
password()：隨機生成密碼,可選參數：length：密碼長度；special_chars：是否能使用特殊字符；digits：是否包含數字；upper_case：是否包含大寫字母；lower_case：是否包含小寫字母
sha1()：隨機SHA1
sha256()：隨機SHA256
uuid4()：隨機UUID
3.10 時間信息類
am_pm()：AM/PM
century()：隨機世紀
date()：隨機日期
date_between()：隨機生成指定範圍內日期，參數：start_date，end_date取值：具體日期或者today,-30d,-30y類似
date_between_dates()：隨機生成指定範圍內日期，用法同上
date_object()：隨機生產從1970-1-1到指定日期的隨機日期。
date_this_month()：
date_this_year()：
date_time()：隨機生成指定時間（1970年1月1日至今）
date_time_ad()：生成公元1年到現在的隨機時間
date_time_between()：用法同dates
future_date()：未來日期
future_datetime()：未來時間
month()：隨機月份
month_name()：隨機月份（英文）
past_date()：隨機生成已經過去的日期
past_datetime()：隨機生成已經過去的時間
time()：隨機24小時時間
timedelta()：隨機獲取時間差
time_object()：隨機24小時時間，time對象
time_series()：隨機TimeSeries對象
timezone()：隨機時區
unix_time()：隨機Unix時間
year()：隨機年份
3.11 集合信息類
profile()：隨機生成檔案信息
simple_profile()：隨機生成簡單檔案信息
#以下方法皆爲隨機集合類型
pyiterable()
pylist()
pyset()
pystruct()
pytuple()
pydict()
3.12 其他類別
currency_code()：貨幣編碼
color_name()：隨機顏色名
hex_color()：隨機HEX顏色
rgb_color()：隨機RGB顏色
safe_color_name()：隨機安全色名
safe_hex_color()：隨機安全HEX顏色
isbn10()：隨機ISBN（10位）
isbn13()：隨機ISBN（13位）
lexify()：替換所有問號（“？”）帶有隨機字母的事件。