
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 19488
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Python 3.8 及以上(Faker 5.0.0 起仅支持 Python 3.8+)
- 已安装 pip 包管理工具
- 如需兼容 Python 2,只能安装 Faker 3.0.1
安装与启动步骤
-
1确认 Python 版本
Faker 5.0.0 起只支持 Python 3.8 及以上,先确认本机 Python 版本满足要求。
python --version -
2安装 Faker
通过 pip 从 PyPI 安装 Faker 包,README 给出的官方安装命令就是这一条。
pip install Faker -
3创建 Faker 实例
导入 Faker 类并实例化,得到可用于生成假数据的对象;README 提到用 faker.Faker() 创建并初始化实例。
from faker import Faker fake = Faker() print(fake)
如何确认成功
能正常 import Faker 并成功执行 Faker() 不报错,即表示安装可用。
常见问题
Q:还支持 Python 2 吗?
A:不支持。Faker 从 4.0.0 起放弃 Python 2,5.0.0 起仅支持 Python 3.8+;如需 Python 2 只能用 3.0.1 版本。
Q:安装时报错提示找不到 fake-factory 是什么原因?
A:Faker 早期叫 fake-factory,该包 2016 年底已废弃,请改用 Faker,并检查项目依赖中不要引用旧包名。
Q:对 Python 版本的最低要求是什么?
A:5.0.0 及以后版本要求 Python 3.8 及以上;低版本 Python 请参考官方扩展文档选择合适的 Faker 版本。
注意事项
- Faker 5.0.0 起仅支持 Python 3.8 及以上,低版本 Python 需选旧版。
- 旧包名 fake-factory 已弃用,务必确认项目不依赖它。
- README 节选未包含完整 API 用法,具体生成字段的方法请查阅官方扩展文档。
核心亮点
- 支持 30+ 语言和地区,中文数据生成完善
- 提供 100+ 数据提供器,覆盖常用字段
- API 简洁,可扩展自定义 Provider
不足之处
- 生成数据随机性高,难以保证唯一性约束
- 文档/社区待观察
适用场景
- 单元测试和集成测试中构造测试数据
- 数据库种子数据填充和演示环境搭建
- 前端开发模拟接口返回数据
替代项目
Mimesis、Factory Boy、ForgeryPy
上一篇:deepfabric
同类项目推荐
TextAtlas
开源
让AI生成带密集文字的海报、封面更靠谱,评测更标准。
[ICML 2026]A Large-scale Dataset for training and evaluating model's ability on Den···
home-assistant-datasets
开源
用真实家居指令给大模型跑分,选型不靠猜
This package is a collection of datasets for evaluating AI Models in the context of ···
Awesome-Embodied-AI
开源
一页清单看懂具身智能,快速找到模型、数据与仿真器
Curated embodied AI list: surveys, VLA models, datasets, simulators, humanoids, robo···
predictive-maintenance
开源
拿来即用的工业设备故障预测数据集,省去到处找数据的麻烦
Datasets for Predictive Maintenance
diffusiondb
开源
百万真实提示词数据,让 AI 生成更可控
A large-scale text-to-image prompt gallery dataset based on Stable Diffusion
be_great
开源
用大模型生成以假乱真的表格数据,解决隐私和数据短缺问题。
A novel approach for synthesizing tabular data using pretrained large language model···
lhotse
开源
统一音频数据清单,少写加载代码,直接开训语音模型
Tools for handling multimodal data in machine learning projects.
label-studio
开源
图片文字音视频都能标,标完直接拿去训练
Label Studio is a multi-type data labeling and annotation tool with standardized out···
Active-Learning-as-a-Service
开源
用主动学习智能选数据,省标注成本,提模型效率。
A scalable & efficient active learning/data selection system for everyone.