Biblioteca Faker de Python

Faker es un paquete de Python que genera datos falsos para ti.

Instalación: Vínculo de ayuda
Abra el comando de solicitud de Anaconda para instalar:

conda install -c conda-forge faker 

Importar paquete

 from faker import Faker

Faker tiene la capacidad de imprimir/obtener una gran cantidad de datos falsos diferentes, por ejemplo, puede imprimir un nombre, dirección, correo electrónico, texto falso, etc.

Comandos falsos más utilizados

fake.name()
fake.address()
fake.email()
fake.text()
fake.country()

from faker import Faker
fake = Faker()
print (fake.email())
print(fake.country())
print(fake.name())
print(fake.text())
print(fake.latitude(), fake.longitude())
print(fake.url())

OUTPUT:(Different every time)
vwilson@hotmail.com
Belgium
Shane Hunter
Commodi vel libero placeat quibusdam odio odio consequatur. Ducimus libero quae optio non quidem. Facilis quas impedit quo.
26.5687745 -124.802165
http://www.turner.com/

Aplicación 1: Cree un json de 100 estudiantes con el nombre Students.json que contenga el nombre del estudiante, la dirección, las coordenadas de la ubicación y el número de registro del estudiante.

from faker import Faker 
  
# To create a json file
import json        
  
# For student id 
from random import randint     
  
fake = Faker() 
  
def input_data(x): 
  
    # dictionary 
    student_data ={} 
    for i in range(0, x): 
        student_data[i]={} 
        student_data[i]['id']= randint(1, 100) 
        student_data[i]['name']= fake.name() 
        student_data[i]['address']= fake.address() 
        student_data[i]['latitude']= str(fake.latitude()) 
        student_data[i]['longitude']= str(fake.longitude()) 
    print(student_data) 
  
    # dictionary dumped as json in a json file 
    with open('students.json', 'w') as fp: 
        json.dump(student_data, fp) 
      
  
def main(): 
  
    # Enter number of students 
    # For the above task make this 100 
    number_of_students = 10 
    input_data(number_of_students) 
main() 
# The folder or location where this python code 
# is save there a students.json will be created 
# having 10 students data. 

OUTPUT 
{0: {'id': 20, 'name': 'Benjamin Washington', 'address': 'USCGC Garrison\nFPO AP 48025-9793', 'latitude': '-68.975800', 'longitude': '153.009590'}, 1: {'id': 2, 'name': 'Christopher Howell', 'address': '7778 Sarah Center Apt. 663\nLawrenceport, WY 78084', 'latitude': '-21.8141675', 'longitude': '-122.830387'}, 2: {'id': 67, 'name': 'Fernando Fuentes', 'address': '7756 Bradford Plain Suite 997\nEast Chelseaburgh, KY 75776', 'latitude': '-82.791227', 'longitude': '-42.964122'}, 3: {'id': 86, 'name': 'Patrick Torres', 'address': 'Unit 5217 Box 7477\nDPO AE 82354-0160', 'latitude': '34.949096', 'longitude': '121.715387'}, 4: {'id': 11, 'name': 'James Hines', 'address': '4567 Donald Grove\nWilliamhaven, MO 85891', 'latitude': '86.7208035', 'longitude': '-48.103935'}, 5: {'id': 33, 'name': 'James Miller', 'address': 'PSC 2613, Box 7165\nAPO AP 29256-6576', 'latitude': '-35.4630595', 'longitude': '-50.415667'}, 6: {'id': 76, 'name': 'Randall Fuller', 'address': '7731 Garcia Pike\nNew Eric, KS 20545', 'latitude': '12.198124', 'longitude': '126.720134'}, 7: {'id': 49, 'name': 'Ivan Franco', 'address': '801 Chambers Light\nWest Daniel, IA 17114-4374', 'latitude': '-58.2576055', 'longitude': '171.773233'}, 8: {'id': 75, 'name': 'Amy Smith', 'address': '995 Luna Stream Apt. 297\nThompsonchester, NY 82115', 'latitude': '80.4262245', 'longitude': '115.142004'}, 9: {'id': 38, 'name': 'Danielle Thomas', 'address': '7309 Chris Ferry Suite 674\nColebury, MA 39673-2967', 'latitude': '-73.340443', 'longitude': '-176.964241'}}

Aplicación 2: Imprima 10 nombres y países falsos en idioma hindi.

from faker import Faker 
  
#'hi_IN' changed the language
fake = Faker('hi_IN')      
  
for i in range(0, 10): 
    print('Name->', fake.name(),
          'Country->', fake.country()) 

Aplicación 3: Crear perfil falso

import faker from Faker
fake = Faker()
print(fake.profile())

OUTPUT
{'job': 'Town planner', 'company': 'Martinez-Clark', 'ssn': '559-93-0521', 'residence': '46820 Johnny Circles\nStokesside, IL 87065-2470', 'current_location': (Decimal('83.5271055'), Decimal('43.705455')), 'blood_group': 'A+', 'website': ['https://www.taylor.com/'], 'username': 'hsmith', 'name': 'Christopher Davis', 'sex': 'M', 'address': '335 Mcdaniel Fork Suite 589\nTeresabury, AZ 85283', 'mail': 'kenneth48@yahoo.com', 'birthdate': '1981-03-29'}

Aplicación 4: sembrar el generador obteniendo datos falsos particulares nuevamente.
La siembra da el mismo resultado de datos falsos que se generó en primera instancia en ese número de semilla.
Ejemplo

from faker import Faker
fake = Faker()
  
fake.seed(1)
print(fake.name())
print(fake.address())
print(fake.email())

OUTPUT
Ryan Gallagher
7631 Johnson Village Suite 690
Adamsbury, NC 50008
bparks@johnson.info

NOTA: Incluso si ejecuto el programa una y otra vez, obtendría el mismo resultado. Tan pronto como elimino esa línea fake.seed(1), vemos aleatoriedad en la generación de datos.

Aplicación 5: Imprima los datos de la lista que desee.

import faker from Faker 
fake = Faker() 
# Print random sentences 
print(fake.sentence()) 
  
# List has words that we want in our sentence 
word_list = ["GFG", "Geeksforgeeks",
             "shaurya", "says", "Gfg",
             "GEEKS"] 
  
# Let's print 5 sentences that
# have words from our word_list 
for i in range(0, 5): 
  
    # You need to use ext_word_list = listnameyoucreated 
    print(fake.sentence(ext_word_list = word_list)) 

OUTPUT
# This is the random sentence that is generated using
# fake.sentence()
Error architecto inventore aut.

# These are the 5 sentence that contains words from 
# word_list we provided
Shaurya shaurya GEEKS Geeksforgeeks.
Gfg shaurya Geeksforgeeks GFG Gfg GFG.
Geeksforgeeks Gfg says Geeksforgeeks GEEKS Gfg Gfg GFG.
Geeksforgeeks shaurya GFG Geeksforgeeks Gfg GEEKS.
Gfg Geeksforgeeks says GFG GEEKS says.

Resumen de lo que aprendimos de Faker
1. Generación de datos falsos como nombre, dirección, correo electrónico, texto, oración, etc.
2. Creación de un archivo JSON de datos falsos.
3. Se imprimen datos falsos en diferentes idiomas.
4. Crear perfil
5. Sembrar, es decir, imprimir datos falsos particulares
6. Generar una oración que contenga las palabras que proporcionamos.