Maison

Skill

Gestion de base de données

dummy-dataset

phuryn/pm-skills

Générez des ensembles de données factices réalistes à des fins de test, avec des colonnes, des contraintes et des formats de sortie personnalisables (CSV, JSON, SQL, script Python).

...Développer tout

Heure mise à jour 29 septembre 2026

# testing # json # python # sql # csv # data analysis # mock data # test data

Génération d'ensembles de données factices

Générez des ensembles de données factices réalistes pour vos tests, avec des colonnes, des contraintes et des formats de sortie personnalisables (CSV, JSON, SQL, script Python). Créez des scripts exécutables ou des fichiers de données prêts à l'emploi.

À utiliser pour : créer des données de test, générer des ensembles de données d'exemple, créer des données factices réalistes pour le développement ou alimenter des environnements de test.

Arguments :

$PRODUCT: Nom du produit ou du système
$DATASET_TYPE: Type de données (par exemple, avis clients, transactions, profils utilisateur)
$ROWS: Nombre de lignes à générer (par défaut : 100)
$COLUMNS: Colonnes ou champs spécifiques à inclure
$FORMAT: Format de sortie (CSV, JSON, SQL, script Python)
$CONSTRAINTS: Contraintes ou règles métier supplémentaires

Processus étape par étape

Identifier le type de jeu de données - Comprendre le domaine des données
Définir les spécifications des colonnes : noms, types de données et plages de valeurs
Déterminer le nombre de lignes – Combien d’enregistrements d’échantillon sont nécessaires
Sélectionner le format de sortie : CSV, JSON, SQL INSERT ou script Python
Appliquer des modèles réalistes - S'assurer que les données semblent authentiques et valides
Ajouter des contraintes métier - Respecter la logique métier et les relations
Générer ou créer un script de données - Créer une sortie exécutable
Valider la sortie - S'assurer de la qualité et de l'exhaustivité des données

Modèle : sortie sous forme de script Python

import csv
import json
from datetime import datetime, timedelta
import random

# Configuration
ROWS = $ROWS
FILENAME = "$DATASET_TYPE.csv"

# Column definitions with realistic value generators
columns = {
    "id": "auto-increment",
    "name": "first_last_name",
    "email": "email",
    "created_at": "timestamp",
    # Add more columns...
}

def generate_dataset():
    """Generate realistic dummy dataset"""
    data = []
    for i in range(1, ROWS + 1):
        record = {
            "id": f"U{i:06d}",
            # Generate values based on column definitions
        }
        data.append(record)
    return data

def save_as_csv(data, filename):
    """Save dataset as CSV"""
    with open(filename, 'w', newline='') as f:
        writer = csv.DictWriter(f, fieldnames=data[0].keys())
        writer.writeheader()
        writer.writerows(data)

if __name__ == "__main__":
    dataset = generate_dataset()
    save_as_csv(dataset, FILENAME)
    print(f"Generated {len(dataset)} records in {FILENAME}")

Exemple de spécification d’ensemble de données

Type d’ensemble de données : Avis clients

Colonnes :

feedback_id (numérotation automatique, U001, U002...)
customer_name (noms réalistes)
email (format d'adresse e-mail valide)
feedback_date (dates des 90 derniers jours)
rating (1 à 5 étoiles)
category (Bug, Demande de fonctionnalité, Réclamation, Félicitations)
text (commentaire réaliste)
produit (électronique, vêtements, maison)

Contraintes :

Répartition des notes : 40 % de 5 étoiles, 30 % de 4 étoiles, 20 % de 3 étoiles, 10 % de 1 à 2 étoiles
Catégorie « Bug » uniquement avec des notes comprises entre 1 et 3
Demandes de fonctionnalités uniquement avec des notes comprises entre 3 et 5
Domaines d'e-mail réalistes (gmail, yahoo, entreprise.com)

Livrables

Script Python prêt à l'exécution OU fichier de données direct
Fichier CSV avec en-têtes et mise en forme corrects
Fichier JSON avec une structure et des types valides
Instructions SQL INSERT pour le remplissage de la base de données
Validation des données et respect des contraintes
Valeurs réalistes et adaptées au contexte métier
Documentation de la logique de génération des données
Instructions de démarrage rapide pour l'utilisation du jeu de données

Formats de sortie

CSV : format tabulaire plat, facile à importer dans des tableurs et des bases de données

JSON : structure imbriquée, idéale pour les API et les bases de données NoSQL

SQL : instructions INSERT, directement exécutables sur des bases de données relationnelles

Script Python : générateur exécutable pour des ensembles de données personnalisés ou volumineux

Voir sur GitHub

---
name: dummy-dataset
description: Generate realistic dummy datasets for testing with customizable columns, constraints, and output formats (CSV, JSON, SQL, Python script).
---
# Dummy Dataset Generation

Generate realistic dummy datasets for testing with customizable columns, constraints, and output formats (CSV, JSON, SQL, Python script). Creates executable scripts or direct data files for immediate use.

**Use when:** Creating test data, generating sample datasets, building realistic mock data for development, or populating test environments.

**Arguments:**
- `$PRODUCT`: The product or system name
- `$DATASET_TYPE`: Type of data (e.g., customer feedback, transactions, user profiles)
- `$ROWS`: Number of rows to generate (default: 100)
- `$COLUMNS`: Specific columns or fields to include
- `$FORMAT`: Output format (CSV, JSON, SQL, Python script)
- `$CONSTRAINTS`: Additional constraints or business rules

## Step-by-Step Process

1. **Identify dataset type** - Understand the data domain
2. **Define column specifications** - Names, data types, and value ranges
3. **Determine row count** - How many sample records needed
4. **Select output format** - CSV, JSON, SQL INSERT, or Python script
5. **Apply realistic patterns** - Ensure data looks authentic and valid
6. **Add business constraints** - Respect business logic and relationships
7. **Generate or script data** - Create executable output
8. **Validate output** - Ensure data quality and completeness

## Template: Python Script Output

```python
import csv
import json
from datetime import datetime, timedelta
import random

# Configuration
ROWS = $ROWS
FILENAME = "$DATASET_TYPE.csv"

# Column definitions with realistic value generators
columns = {
    "id": "auto-increment",
    "name": "first_last_name",
    "email": "email",
    "created_at": "timestamp",
    # Add more columns...
}

def generate_dataset():
    """Generate realistic dummy dataset"""
    data = []
    for i in range(1, ROWS + 1):
        record = {
            "id": f"U{i:06d}",
            # Generate values based on column definitions
        }
        data.append(record)
    return data

def save_as_csv(data, filename):
    """Save dataset as CSV"""
    with open(filename, 'w', newline='') as f:
        writer = csv.DictWriter(f, fieldnames=data[0].keys())
        writer.writeheader()
        writer.writerows(data)

if __name__ == "__main__":
    dataset = generate_dataset()
    save_as_csv(dataset, FILENAME)
    print(f"Generated {len(dataset)} records in {FILENAME}")
```

## Example Dataset Specification

**Dataset Type:** Customer Feedback

**Columns:**
- feedback_id (auto-increment, U001, U002...)
- customer_name (realistic names)
- email (valid email format)
- feedback_date (dates last 90 days)
- rating (1-5 stars)
- category (Bug, Feature Request, Complaint, Praise)
- text (realistic feedback)
- product (electronics, clothing, home)

**Constraints:**
- Ratings skewed: 40% 5-star, 30% 4-star, 20% 3-star, 10% 1-2 star
- Bug category only with ratings 1-3
- Feature requests only with ratings 3-5
- Email domains realistic (gmail, yahoo, company.com)

## Output Deliverables

- Ready-to-execute Python script OR direct data file
- CSV file with proper headers and formatting
- JSON file with valid structure and types
- SQL INSERT statements for database population
- Data validation and constraint compliance
- Realistic, business-appropriate values
- Documentation of data generation logic
- Quick-start instructions for using the dataset

## Output Formats

**CSV:** Flat tabular format, easy to import into spreadsheets and databases

**JSON:** Nested structure, ideal for APIs and NoSQL databases

**SQL:** INSERT statements, directly executable on relational databases

**Python Script:** Executable generator for custom or large datasets