如何为SDV模型添加Faker数据类型（更新元数据）

SDV 1.2.0并不支持直接通过sdtype='fake.company'这种方式调用Faker，你遇到的内核崩溃是因为框架无法识别这类自定义sdtype标识，导致内部解析出错。以下是可行的解决方法：

步骤1：定义自定义Formatter类 #

Formatter是SDV中用于自定义数据生成逻辑的扩展接口，我们可以通过它封装Faker的调用：

from sdv.metadata import SingleTableMetadata
from sdv.single_table import GaussianCopulaSynthesizer
from sdv.sampling.utils import Formatter
import faker

fake = faker.Faker()

class CompanyFormatter(Formatter):
    def format(self, values):
        # 为每一行生成一个假公司名称，values参数对应原数据列的取值（可按需调整逻辑）
        return [fake.company() for _ in values]

步骤2：配置Metadata并关联Formatter #

不要直接修改sdtype为Faker相关值，而是保持列的原有sdtype（比如原数据是字符串类型就用categorical），然后添加formatter参数绑定自定义类：

metadata = SingleTableMetadata()
metadata.detect_from_dataframe(data=df)

metadata.update_column(
    column_name='DR_Prod',
    sdtype='categorical',  # 根据你的实际数据类型调整，比如'string'也可
    formatter=CompanyFormatter()
)

步骤3：执行合成流程 #

后续的合成代码保持不变即可正常运行：

synthesizer = GaussianCopulaSynthesizer(metadata)
synthesizer.fit(df)
synthetic_data = synthesizer.sample(num_rows=len(df))

补充说明 #

直接用faker.*作为sdtype的简化写法是SDV 2.x版本之后才引入的特性，1.2.0版本必须通过自定义Formatter来实现自定义数据生成逻辑。

内容的提问来源于stack exchange，提问作者John Doe