學習pandas的過程中，為了嘗試pandas提供的各類功能強大的函數，常常需要花費很多時間去創造測試數據。

在pandas中，快速創建測試數據可以更快的評估 pandas 函數。
通過生成一組測試數據，可以評估例如 read_csv、read_excel、groupby等函數，以確保這些函數在處理不同數據格式和結構時都能正常工作。

本篇介紹一些快速創建測試數據的方法，提高學習pandas的效率。

1. 一般方法

一般創建測試數據的有兩種：

1. 一種是直接創建每行每列的數據
2. 用 numpy 隨機生成二維數組

1.1. 直接創建數據

這種方式之前的視頻中已經多次使用，直接創建數據雖然麻煩，但好處是每個數據都可控，不論是數據類型還是值都高度可控。

import pandas as pd

df = pd.DataFrame(
    {
        "數學": [100, 88, 94, 76, 84],
        "語文": [98, 80, 86, 76, 90],
        "英語": [95, 91, 86, 95, 83],
    },
    index=["小紅", "小明", "小汪", "小李", "小張"],
)
df

1.2. 隨機二維數組

隨機生成二維數組需要用到numpy庫，通過 numpy生成隨機二維數據，然後將其轉換為pandas的DataFrame。

比如，下麵生成一個3行4列的隨機數據：

pd.DataFrame(np.random.rand(3, 4))

上面的數據是隨機的，每次運行產生的結果會不一樣。

隨機創建數據時，也可以設置索引和列名。

pd.DataFrame(
    np.random.rand(3, 4),
    index=["row1", "row2", "row3"],
    columns=["col1", "col2", "col3", "col4"],
)

2. 特殊技巧

上面介紹隨機生成數據的方法只能生成浮點型數據，而且索引和列名都只能是預設的自增數字，數據的多樣性不夠。

下麵介紹pandas自身提供的一些隨機生成數據方法，可以生成不同類型的隨機數據。

2.1. makeDataFrame

makeDataFrame() 方法會隨機創建一個 30x4 的數據集。

df = pd.util.testing.makeDataFrame()
print(df.shape)
df.head()

索引是隨機字元串。

2.2. makeMissingDataFrame

makeMissingDataFrame() 方法會隨機創建一個 30x4 包含缺失值的數據集，缺失值的位置也是隨機的。

df = pd.util.testing.makeMissingDataframe()
print(df.shape)
df.head()

2.3. makeTimeDataFrame

makeTimeDataFrame() 方法會隨機創建一個 30x4 包含的數據集，索引是自增的日期。

df = pd.util.testing.makeTimeDataFrame()
print(df.shape)
df.head()

2.4. makeMixedDataFrame

makeMixedDataFrame()方法會隨機創建一個 5x4的數據集，其中列的類型是多樣的，有字元串，日期和數值。

df = pd.util.testing.makeMixedDataFrame()
print(df.shape)
df

3. 補充

上面介紹的方法生成的數據集不大，如果需要生成數據量較大的數據集的話，可以迴圈生成DataFrame，然後再拼接在一起。
上面介紹的方法，每次生成的數據集的值是隨機的，不用擔心拼接後全是重覆的數據。

此外，除了上面介紹的方法之外，pd.util.testing 還有其他一些創建數據的方法，歡迎大家去探索，使用。