Python数据扩充:如何快速生成海量数据
在数据科学领域,通常需要处理大量的数据,而有时候我们需要生成一些假数据以填充数据缺失的情况、进行模型测试等。在这个时候,大家常用的方法是利用 Python 来生成大量的假数据。Python 数据扩充就是通过 Python 生成大量数据的方法,接下来,我们就来介绍一些实用的 Python 数据扩充方法。
使用 NumPy 库生成随机数
在生成假数据的时候,我们通常需要生成随机数,而 NumPy 库提供了生成随机数的函数。比如,我们可以生成 0-1 之间的随机浮点数:
import numpy as np
arr = np.random.rand(1000, 3)
这里生成了 1000 行 3 列的随机浮点数数组。
如果需要生成指定范围内的随机整数,则可以使用以下代码:
arr = np.random.randint(low=0, high=100, size