用 copula 模型生成逼真合成表格数据，解决数据稀缺和隐私问题。
Copulas 是一个用于对多元数据进行建模的 Python 库，它基于 copula 理论（一种将变量间依赖结构与边缘分布分离的统计方法）来生成合成数据。它解决了真实数据获取成本高、隐私风险大、样本不均衡等问题，能够从现有数据中学习依赖关系并生成高度逼真的合成表格数据。核心能力包括：支持多种 copula 模型（如 Gaussian、Clayton、Frank 等），提供简单的 API 来拟合数据、生成样本、评估合成数据质量，并支持条件采样（即根据给定条件生成数据）。它适用于数据增强、隐私保护、机器学习模型训练等场景，是合成数据生成领域的一个轻量级但功能强大的工具。
SDV (Synthetic Data Vault)、CTGAN (基于GAN的表格数据生成)、YData Synthetic
Copulas 是数据集领域的开源项目，由 sdv-dev 开发，2017 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 652。
项目目前处于活跃维护状态，最近一次代码更新于 2026-08-27。开源库，完全免费，可自行部署使用。
它主要面向的使用场景是：数据增强：扩充小样本数据集以提升机器学习模型性能。同类可对比的替代方案包括 SDV (Synthetic Data Vault)、CTGAN (基于GAN的表格数据生成)、YData Synthetic。
上一篇：CTGAN
下一篇：dbldatagen
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
