我使用 Python Faker 来生成假数据。但我需要知道使用 faker（例如： fake.name() ）可以生成的不同虚假数据（例如：假名）的最大数量是多少。
我已经生成了 100,000 个假名字，但我得到的不同名字不到 76,000 个。我需要知道最大限制，这样我才能知道使用这个包生成数据可以扩展多少。
我需要生成庞大的数据集。我也想知道Php faker，perl faker对于不同的环境都是一样的吗？
其他用于生成大型数据集的软件包将受到高度赞赏。
【问题讨论】：
我也遇到了同样的问题，并对其进行了更多研究。
在en_US 提供程序中，大约有 1000 个姓氏和 750 个名字，用于大约 750000 个独特的组合。如果您随机选择名字和姓氏，您可能会得到重复的名字。但实际上，现实世界就是这样运作的，那里有很多 John Smiths 和 Robert Doyles。
en 个人资料中有 7203 个名字和 473 个姓氏，可以提供帮助。 Faker选择名字和姓氏的组合意味着大约有7203 * 473 = 3407019。
但是，您仍有可能得到重复。
我通过在名称中添加数字来解决这个问题。
我需要生成庞大的数据集。
请记住，实际上，任何庞大的名称数据集都会有重复项。我使用大型数据集（> 100 万个名字），我们看到大量重复的名字和姓氏。
如果您阅读了伪造的包代码，您可能会弄清楚如何修改它，以便获得所有 3M 不同的名称。
【讨论】：