5 个超实用 Python 脚本,轻松生成高质量合成数据

import csv
import random
from datetime import datetime, timedelta

# 设置随机种子，保证结果可复现
random.seed(42)

# 定义可选的国家和会员套餐类型
countries = ["加拿大", "英国", "阿联酋", "德国", "美国"]
plans = ["免费版", "基础版", "专业版", "企业版"]

# 生成随机的注册日期
defrandom_signup_date():
    start = datetime(2024, 1, 1)
    end = datetime(2026, 1, 1)
    delta_days = (end - start).days
return (start + timedelta(days=random.randint(0, delta_days))).date().isoformat()

rows = []
# 生成1000条客户数据
for i in range(1, 1001):
    age = random.randint(18, 70)  # 随机生成18-70岁的年龄
    country = random.choice(countries)  # 随机选择国家
    plan = random.choice(plans)  # 随机选择套餐
    monthly_spend = round(random.uniform(0, 500), 2)  # 随机生成月消费额，保留2位小数

    rows.append({
"客户编号": f"CUST{i:05d}",
"年龄": age,
"国家": country,
"会员套餐": plan,
"月消费额(元)": monthly_spend,
"注册日期": random_signup_date()
    })

# 将数据写入CSV文件
with open("customers.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=rows[0].keys())
    writer.writeheader()  # 写入表头
    writer.writerows(rows)  # 写入数据行

print("客户数据已保存至customers.csv")

import csv
import random

random.seed(42)

plans = ["免费版", "基础版", "专业版", "企业版"]

# 按权重随机选择套餐（模拟真实的用户占比）
defchoose_plan():
    roll = random.random()
if roll < 0.45:  # 45%的用户选择免费版
return"免费版"
if roll < 0.75:  # 30%的用户选择基础版
return"基础版"
if roll < 0.93:  # 18%的用户选择专业版
return"专业版"
return"企业版"# 7%的用户选择企业版

# 根据年龄和套餐生成合理的消费额
defgenerate_spend(age, plan):
if plan == "免费版":
        base = random.uniform(0, 10)
elif plan == "基础版":
        base = random.uniform(10, 60)
elif plan == "专业版":
        base = random.uniform(50, 180)
else:
        base = random.uniform(150, 500)

# 40岁及以上用户，消费额上浮15%
if age >= 40:
        base *= 1.15

return round(base, 2)

rows = []
for i in range(1, 1001):
    age = random.randint(18, 70)
    plan = choose_plan()
    spend = generate_spend(age, plan)

    rows.append({
"客户编号": f"CUST{i:05d}",
"年龄": age,
"会员套餐": plan,
"月消费额(元)": spend
    })

with open("controlled_customers.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=rows[0].keys())
    writer.writeheader()
    writer.writerows(rows)

print("带逻辑控制的客户数据已保存至controlled_customers.csv")

import csv
import random
from datetime import datetime, timedelta

random.seed(42)

# 初始化仓库库存
inventory = {
"商品A": 120,
"商品B": 80,
"商品C": 50
}

rows = []
current_time = datetime(2026, 1, 1)  # 模拟起始时间

# 模拟30天的仓库操作
for day in range(30):
for product in inventory:
# 生成当日该商品的订单数量
        daily_orders = random.randint(0, 12)

# 处理每个订单
for _ in range(daily_orders):
            qty = random.randint(1, 5)  # 每个订单的购买数量
            before = inventory[product]  # 下单前库存

# 判断库存是否充足，完成发货或生成待发货订单
if inventory[product] >= qty:
                inventory[product] -= qty
                status = "已发货"
else:
                status = "待发货"

            rows.append({
"操作时间": current_time.isoformat(),
"商品名称": product,
"数量": qty,
"操作前库存": before,
"操作后库存": inventory[product],
"操作状态": status
            })

# 库存低于20时触发补货
if inventory[product] < 20:
            restock = random.randint(30, 80)  # 补货数量
            inventory[product] += restock
            rows.append({
"操作时间": current_time.isoformat(),
"商品名称": product,
"数量": restock,
"操作前库存": inventory[product] - restock,
"操作后库存": inventory[product],
"操作状态": "补货"
            })

# 时间推进一天
    current_time += timedelta(days=1)

# 将模拟数据写入CSV文件
with open("warehouse_sim.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=rows[0].keys())
    writer.writeheader()
    writer.writerows(rows)

print("仓库流程模拟数据已保存至warehouse_sim.csv")

import csv
import random
from datetime import datetime, timedelta

random.seed(42)

# 时序数据起始时间：2026年1月1日0点
start = datetime(2026, 1, 1, 0, 0, 0)
# 生成30天的小时级数据，共720个时间点
hours = 24 * 30
rows = []

for i inrange(hours):
    ts = start + timedelta(hours=i)  # 生成当前时间戳
    weekday = ts.weekday()  # 判断是否为工作日（0-4为工作日，5-6为周末）

# 基础访问量：工作日120，周末80
base = 120
if weekday >= 5:
base = 80

# 按时段调整基础访问量
    hour = ts.hour
if8 <= hour <= 11:  # 早高峰8-11点，访问量+60
base += 60
    elif 18 <= hour <= 21:  # 晚高峰18-21点，访问量+40
base += 40
    elif 0 <= hour <= 5:  # 凌晨0-5点，访问量-30
base -= 30

# 基于高斯分布生成最终访问量，保证非负
    visits = max(0, int(random.gauss(base, 15)))

    rows.append({
"时间戳": ts.isoformat(),
"访问量": visits
    })

# 写入CSV文件
with open("traffic_timeseries.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["时间戳", "访问量"])
    writer.writeheader()
    writer.writerows(rows)

print("网站访问量时序数据已保存至traffic_timeseries.csv")

import csv
import random
from datetime import datetime, timedelta

random.seed(42)

# 定义用户可能的行为事件
events = ["注册", "登录", "浏览页面", "加入购物车", "下单购买", "登出"]

rows = []
start = datetime(2026, 1, 1)  # 日志起始时间

# 生成200个用户的行为日志
for user_id inrange(1, 201):
    # 每个用户生成5-30个行为事件
    event_count = random.randint(5, 30)
# 随机生成用户的首次行为时间（起始时间后0-10天）
    current_time = start + timedelta(days=random.randint(0, 10))

for _ inrange(event_count):
event= random.choice(events)

# 下单购买事件：60%概率生成消费金额，其余为0
ifevent == "下单购买" and random.random() < 0.6:
value = round(random.uniform(10, 300), 2)
else:
value = 0.0

        rows.append({
"用户编号": f"USER{user_id:04d}",
"事件时间": current_time.isoformat(),
"事件名称": event,
"事件金额(元)": value
        })

# 行为事件的时间间隔：1-180分钟
        current_time += timedelta(minutes=random.randint(1, 180))

# 写入CSV文件
with open("event_log.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=rows[0].keys())
    writer.writeheader()
    writer.writerows(rows)

print("用户行为事件日志已保存至event_log.csv")

import json
import random

random.seed(42)

# 定义工单问题类型与基础话术
issues = [
    ("账单问题", "我的会员订阅被重复扣费了"),
    ("登录问题", "我无法登录自己的账号"),
    ("物流问题", "我的订单至今还未送达"),
    ("退款问题", "我想申请退款"),
]

# 定义工单的语气前缀
tones = ["麻烦帮忙处理", "此事十分紧急", "能否帮忙核查一下", "我需要技术支持"]

records = []

# 生成100条客服工单数据
for _ in range(100):
    label, message = random.choice(issues)
    tone = random.choice(tones)

# 拼接生成完整的工单文本
    text = f"{tone}。{message}。"
    records.append({
"工单文本": text,
"问题标签": label
    })

# 将数据写入JSONL文件（NLP任务常用格式）
with open("support_tickets.jsonl", "w", encoding="utf-8") as f:
for item in records:
        f.write(json.dumps(item, ensure_ascii=False) + "\n")

print("客服工单文本数据已保存至support_tickets.jsonl")