测试数据整理添加

前言:
一般测试添加数据,偶发性出现添加数据量特别大的情况,首先可以在相关系统进行爬虫,再用easymock去造点逼真的测试数据。
初期不会写爬虫脚本的小伙伴们,可以用后裔采集器去爬虫,再用easymock把没有爬到的数据进行补充。
后裔采集器使用和下载地址:http://www.houyicaiji.com/
easymock使用和下载地址:https://www.easy-mock.com/login
官方文档:http://mockjs.com/examples.html

测试数据整理

一般经常用到的测试数据有:
姓名、身份证号、电话号码、单位名称、家庭住址、性别、文章标题、年龄、整数、保留2位小数等。对这些数据做了编写,直接访问接口即可使用

接口地址:https://www.easy-mock.com/mock/5caaaf5def195a0dfe385166/example/mock#!method=get
在这里插入图片描述
2、本次数据是300条,如果想要更多,可以刷新一下,再次获得
3、数据只要下载下来,删掉不用的即可
4、为了使用方便,本人整理了一个word文档,可以直接拿去使用。
地址:链接:https://pan.baidu.com/s/1xmfN58UiXaG-lZE-N-h3aQ
提取码:r3x7
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
UCI数据集是一个公开的机器学习数据集仓库,里面包含了许多常用的数据集。在使用UCI数据集之前,需要先将数据集下载到本地并进行整理调用。 整理步骤如下: 1. 下载数据集:可以从UCI官网下载数据集,也可以从其他来源下载。 2. 读取数据集:使用Python中的pandas库读取数据集,将其转换为数据框(dataframe)格式。 3. 数据预处理:包括数据清洗、数据转换、特征提取等。 4. 划分数据集:将数据集划分为训练集、验证集和测试集。 5. 调用数据集:将整理好的数据集用于机器学习算法的训练和测试。 以下是一个简单的例子,演示如何整理调用UCI数据集(以Iris数据集为例): ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 读取数据集 data = pd.read_csv('iris.data', header=None) # 添加列名 data.columns = ['sepal length', 'sepal width', 'petal length', 'petal width', 'class'] # 将类别转换为数字 data['class'] = pd.factorize(data['class'])[0] # 数据预处理 X = data.drop('class', axis=1) y = data['class'] scaler = StandardScaler() X = scaler.fit_transform(X) # 划分数据集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3) # 调用数据集 # 在这里进行机器学习算法的训练和测试 ``` 其中,使用`pd.read_csv()`函数读取数据集,`pd.factorize()`函数将类别转换为数字,`StandardScaler()`函数进行数据归一化处理,`train_test_split()`函数划分数据集。最后,将整理好的数据集用于机器学习算法的训练和测试。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值