测试造假数据的库 Faker 随机生成名字的能力如何

看到某公众号有一篇文章：Python中神奇的第三方库：Faker Faker 项目地址 文章大致介绍了一下 Faker 这个库的功能和用法。我对其中随机生成名字的功能比较感兴趣，想看看随着生成的数据逐渐变多，随机生成的名字会不会出现重复，以及重复的概率有多大。

测试过程如下：

每次随机生成的数目 m 的范围和步长分别是 [100, 10000]、100；每次数据生成后求每条名字的重复的次数 n；概率取 n/m;重复步骤 1、2、3、4 十次；取十次概率的均值并画出变化趋势

代码如下：

from faker import Faker import math import numpy as np import matplotlib.pyplot as plt from matplotlib.ticker import FuncFormatter #epoch：运行次数，int 类型 #ite：一次生成的名字数量，int 类型 #sta：是否每次显示统计信息， bool 类型，默认为 False #函数返回 这一批名字的重复概率（所有可用名字的数量除以 ite），int 类型 def gen_names(epoch, ite, sta=False): fake = Faker(locale='zh_CN') total = 0 names = {} #存放名字及其数量的字典 for r in range(epoch): for i in range(ite): if (i + r * ite + 1)%(int(epoch * ite / 10)) == 0: #每10%输出一次进度 if sta: print(str(round((i + r * ite + 1)/(epoch * ite) * 100)) + '%') name = fake.name() if name in names: names[name] = names[name] + 1 #累加名字重复的次数 else: names[name] = 0 #如果是新名字则保存，初始数量为 0 repeats = 0 for key in names: repeats = repeats + names[key] #累加所有名字的重复次数 if sta: print('{} iterations {} names each time'.format(epoch,ite)) print('%d names' % len(names)) print('%d repeats' % repeats) print('duplicate rate: %.5f' % (epoch * ite))) return round(repeats/(epoch * ite), 4) array = np.zeros((10,100)) #用来绘图的数组，10 次实验每次 100 个数据 for i in range(10): print('{}/10'.format(i+1)) #展示进度 需要数几分钟 list_ = [] #暂存每次统计的数据 for j in range(100,10100,100): list_.append(gen_names(1, j)) array[i] = list_ data = np.mean(array, axis = 0) #求十次的均值 def changex(temp, position): #x轴原来是 1-100，扩大 100 倍来符合实际意义 return int(temp * 100) plt.gca().xaxis.set_major_formatter(FuncFormatter(changex)) #扩展x轴 plt.plot(data.tolist(),color='g') #绘制趋势，横坐标为一次生成的名字数量，纵坐标为所有名字重复的概率 plt.savefig('./test.png', format='png') #保存图片

举个例子：(10000, 0.4)这个点代表的意思是，用 Faker 库一次随机生成 10000 个名字，有 40% 的名字是重复的

综上：

这个库随机生成名字的数量比较大的时候，重复的概率还是很高的地址生成的真实度也比较低，但是用来测试应该够用了