plurel 是数据集领域的开源项目，由 stanford-star 开发，是 2026 年新上线的项目。
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 76。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-19。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：隐私保护：生成脱敏数据用于外包开发或公开分享。同类可对比的替代方案包括 SDV、Faker、DataSynthesizer。
plurel
一键生成逼真表格与关系数据，保护隐私加速开发
PluRel 是一个用于生成合成表格与关系数据的 Python 框架。它解决的是在数据隐私保护、机器学习模型开发、软件测试等场景下，真实数据难以获取或使用受限的问题。该框架能够模拟原始数据的统计特征和关系结构，生成高度逼真的合成数据，同时避免敏感信息泄露。其核心能力包括：支持多种表格数据生成算法（如基于统计模型或深度学习的方法），能够处理多表之间的主外键关联，保持数据的一致性和业务逻辑；提供灵活的配置接口，允许用户自定义生成数据的规模、分布和约束条件。PluRel 旨在为数据科学家和开发者提供一个统一、易用的工具，降低合成数据生成的门槛，加速数据驱动的开发流程。
开源
free
开源模型
GitHub 星标
★ 76
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队stanford-star
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型relational-data,relational-foundation-models,scaling-laws,synthetic-data,tabular-data,tabular-foundation-models
GitHub 星标★ 76
30天Star增速
HF 下载量
上线时间2026-01-29 00:00:00
最近更新2026-09-19 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2026-08-09
浏览次数6
使用教程
核心亮点
- 同时支持表格和关系数据生成，覆盖多表关联场景
- 提供多种生成算法，适应不同数据分布和规模需求
- Python 接口简洁，易于集成到现有数据流水线
不足之处
- 文档/社区待观察
- 早期项目，功能迭代和稳定性有待验证
适用场景
- 隐私保护：生成脱敏数据用于外包开发或公开分享
- 机器学习：扩充训练数据集或模拟极端情况
- 软件测试：构造符合业务逻辑的测试数据库
替代项目
SDV、Faker、DataSynthesizer
项目介绍
下一篇：DataDreamer
同类项目推荐
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