SDV

把真实表格数据变成安全逼真的假数据，随便用不泄露隐私

SDV（Synthetic Data Vault）是一个用于表格数据合成生成的Python库，旨在解决真实数据隐私保护、数据稀缺和测试数据获取难的问题。它提供了一套完整的端到端流程，包括数据建模、采样生成和评估。核心能力基于深度学习模型（如GAN、变分自编码器等），能够学习原始表格数据的统计特征和相关性，从而生成高度逼真的合成数据。SDV支持多种数据类型（数值、类别、日期等），并内置了数据质量评估工具，可量化合成数据与真实数据的相似度及隐私风险。它特别适合在无法直接使用真实数据的场景下，生成可用于开发、测试和共享的替代数据，同时保持数据的统计效用。项目活跃，文档完善，是开源社区中表格数据合成领域的代表性工具。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3564

维护状态活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队sdv-dev

所属国家

官网地址https://docs.sdv.dev/sdv

GitHubhttps://github.com/sdv-dev/SDV

定价模式free

价格说明开源库，本地部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型data-generation,deep-learning,gan,gans,generative-adversarial-network,generative-ai,generative-model,generativeai,machine-learning,multi-table,relational-datasets,sdv,synthetic-data,synthetic-data-generation,time-series

GitHub 星标★ 3564

30天Star增速

HF 下载量

上线时间2018-05-11 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数7

使用教程

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 运行环境（SDV 是 Python 库）
pip 或 conda 包管理器（二选一）
推荐使用虚拟环境（README 建议）
可访问 PyPI 或 conda 频道以安装依赖

安装与启动步骤

1准备Python环境

SDV 是 Python 库，README 推荐使用虚拟环境以避免与其他软件冲突。请先准备好 Python 与 pip/conda。
2pip安装SDV

使用 pip 从 PyPI 安装 SDV 库。在已激活的虚拟环境或目标环境中执行。
```
pip install sdv
```
3或用conda安装

若使用 conda，可通过 pytorch 和 conda-forge 频道安装 SDV。与 pip 方式二选一即可。
```
conda install -c pytorch -c conda-forge sdv
```

4加载示例数据集

使用 SDV 内置的 download_demo 加载单表示例数据集 fake_hotel_guests，验证安装是否成功。

python -c "from sdv.datasets.demo import download_demo; real_data, metadata = download_demo(modality='single_table', dataset_name='fake_hotel_guests'); print(real_data.head())"

如何确认成功

执行加载示例数据的命令后，成功输出 real_data 的前几行即表示安装成功。

常见问题

Q：pip 和 conda 安装方式如何选择？

A：README 提供两种方式，pip install sdv 或 conda install -c pytorch -c conda-forge sdv，任选其一即可。

Q：如何快速加载示例数据？

A：运行 from sdv.datasets.demo import download_demo; download_demo(modality='single_table', dataset_name='fake_hotel_guests') 即可下载演示数据。

Q：SDV 支持哪些模型？

A：README 提到从经典统计方法 GaussianCopula 到深度学习方法 CTGAN，支持单表、多表和序列数据。

Q：安装 SDV 需要付费吗？

A：SDV 在 Business Source License 下公开提供，具体使用条款请查看仓库 LICENSE 文件。

注意事项

README 推荐使用虚拟环境，避免与其他软件冲突。
conda 安装需指定 -c pytorch -c conda-forge 频道。
示例数据集 fake_hotel_guests 为单表数据，包含 guest_email 主键。

核心亮点

支持多种表格数据类型和复杂关系，建模能力强
内置评估模块，能量化合成数据的质量与隐私风险
API设计简洁，几行代码即可完成模型训练和采样生成

不足之处

深度学习模型训练耗时较长，对硬件有要求
复杂约束（如业务规则）的保持能力有限，需额外处理

适用场景

在开发测试环境中生成不含真实用户信息的模拟数据
向外部合作伙伴或公众分享数据时，用合成数据保护隐私
扩充小样本数据集，提升下游机器学习模型的泛化能力

替代项目

CTGAN、YData Synthetic、Gretel Synthetics

项目介绍

SDV 是数据集领域的开源项目，由 sdv-dev 开发，2018 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,564）位列前 30%，在数据集分类的 279 个项目里位列前 9%。

近 42 天，它的 GitHub 星标从 3,543 增加到 3,564，净增 21。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。开源库，本地部署，完全免费。

它主要面向的使用场景是：在开发测试环境中生成不含真实用户信息的模拟数据。同类可对比的替代方案包括 CTGAN、YData Synthetic、Gretel Synthetics。

上一篇：mimesis

下一篇：distilabel

SDV