基于数据属性生成假数据的Python库及hypothesis使用问询

1. 存在可实现该功能的Python库 #

有几个库能精准匹配你的需求，核心是基于指定类型结构生成符合要求的假数据：

• factory_boy：可通过定义工厂类映射你的数据结构，用嵌套工厂生成复杂对象，严格保留键和结构，同时生成对应类型的假数据。
• pydantic-factories：如果你的数据结构能通过Pydantic模型定义，该库可直接基于模型生成假数据，完美匹配类型与结构要求。
• Faker（配合自定义逻辑）：Faker本身擅长生成语义化假数据，你可以封装遍历逻辑，针对结构字典里的每个类型调用Faker对应方法生成数据，同时保留原结构的键和列表长度。

2. 可以使用hypothesis库生成假数据 #

hypothesis虽主打属性测试，但它的策略系统完全能用来生成符合要求的假数据。你可以基于类型结构定义对应策略，或用hypothesis.strategies.from_type配合自定义逻辑实现：

示例代码：

from hypothesis import strategies as st

# 匹配目标类型结构的策略
data_strategy = st.fixed_dictionaries({
    'name': st.text(),
    'job': st.lists(
        st.fixed_dictionaries({
            'title': st.text(),
            'location': st.text()
        }),
        min_size=1, max_size=1  # 固定列表长度为1
    ),
    'age': st.integers()
})

# 生成假数据
fake_dict = data_strategy.example()
print(fake_dict)

这段代码会生成符合要求的结构：保留所有键、列表长度固定、字段类型匹配，数据为随机生成。若你的结构更复杂，可通过递归遍历类型结构动态生成对应策略，无需手动逐个定义。

内容的提问来源于stack exchange，提问作者Mike Williamson